原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于粗集和神经网络的石油测井数据挖掘方法.pdf
第32卷第4期 信 息 与 控 制 V01．32．No．4
2003年8月 InformationandControl Aug．，2003
文章编号：1002-0411(20o3)04-0300-04
基于粗集和神经网络的石油测井数据挖掘方法
夏克文，宋建平，李昌彪
(西安交通大学电子与信息工程学院，陕西 西安 710049)
摘 要：由于石油测井数据存在着模糊性和噪声 ，在数据挖掘中单纯使用粗集方法会受噪声干扰而直接
影响分类精度，单纯使用神经网络会因输入信息空间维数较大时使网络结构复杂且训练时间长．为解决这些
问题，根据测井解释原理，本文提出一种将两者结合起来的数据挖掘方法，即经过测井资料预处理、样本信息
粗集方法简化 、神经网络学习训练、待识信息网络识别和误差分析等步骤，其中使用的二层非线性连接权神经
网络简化了网络的运算．通过岩性识别和储层参数定量计算两个应用实例，结果表明这种数据挖掘方法在测
井解释中其识别率远高于其它单一数据挖掘方法，效果令人满意．
关键词：数据挖掘；粗集 ；神经网络；石油测井解释
中图分类号：TP18 文献标识码：B
AN AP]PRoACH To oIL LOG DATA M田 NG BASED oN RoUGH
SET ＆ NEIRALNETWoRK
XIA Ke-wen，SONGJian-ping，LIChang-biao
(．sc ofElec~nic＆information西 ∞ ．X／’anJ／aotong 渤嘶 ．X／’an 710049IChina}
Abstract：Fortheamhignitynadnoiseofoillogdata．onlyll8il1ghtemughsetinadtaminingwoulddecrease
hteclassificationprecision．Forhtehrgeinputinformation-dimensionfrom adtabase．onlyusinghteneuralnetworkin
dataminingwouldmakehtestructureofneuralnetworkcomplexnadhtetrainingovertime．Tosolveaboveproblems．
na approachtoadtaminingintegratedroughsetna dneuralnetworksipresentedinthispaperbasedono1／loginter-
pretafonprinciple．Theprocessfollows．1ogadtapreprceessing．samplesinformationreductionbyroughset，stud-
ying-trainingofneuralnetork．unknowninformationrecognitionbyneuralnetwork，erroranalysis，nad80on．A
two-layerneuralnetworkwithnonlinearconnectionweightsmakehteoperationsimple．Th eexamplesof fithologyrec-
ognitionnadreesrvoirparametersquantiattivecalculationshowhtecoincidentratiobyhteadatminingmehtodismuch
more thanthatofohtersinglemehtods，na dhteeffectofloginterpreattionissatisfactory．
Keywords：adat mining； set；neuralnetwork：o1／log
文档评论（0）