辐射半径基底函数网路于井测资料之反推.pdf

國立交通大學 資訊學院 資訊學程 碩 士 論 文 輻射半徑基底函數 網路於井測資料之反推 Radial Basis Function Network for Well Log Data Inversion 研 究 生：翁立昇 指導教授：黃國源 教授 中 華 民 國 九 十 九 年 七 月 輻射半徑基底函數網路 於井測資料之反推 Radial Basis Function Network for Well Log Data Inversion 研 究 生：翁立昇 Student ：Li-Sheng Weng 指導教授：黃國源 教授 Advisor ：Dr. Kou-Yuan Huang 國 立 交通 大 學 資訊學院 資訊學程 碩 士論 文 A Thesis Submitted to College of Computer Science National Chiao Tung University in partial Fulfillment of the Requirements for the Degree of Master of Science in Computer Science July 2010 Hsinchu, Taiwan, Republic of China 中華民國九十九年七月 輻射半徑基底函數網路於井測資料之反推 學生：翁立昇 指導教授 ：黃國源 教授 國立交通大學 資訊 學院資訊學程碩士班 摘 要 關鍵字 ：輻射半徑基底函數網路，學習法則， 井測資料反推。 我們採用監督式的輻射半徑基底函數網路 (Radial basis function network, RBF) ，而且提出改良式兩層RBF 與改良式三層RBF 於井測資料的反推。網路的 輸入是井測的視導電率 (apparent conductivity, Ca) ，而輸出是真實地層導電率(true formation conductivity, Ct) ，由於做井測反推，所以輸入與輸出的特徵值數目是相 同的。在實驗的部份，分為模擬資料的實驗與實際的井測資料的應用。在模擬的 實驗，共有 31 組模擬的井測資料，其中25 組做訓練，6 組做測試。 在改良式兩層 RBF 中，第一層為對訓練樣本做非監督式的分群，我們以 K-means 分群法與pseudo F-statistic test 來決定最佳的分群數，成為第一層的節點 數。第二層為一個單層的監督式的 perceptron ，我們以s-形的轉換函數代替線性的 轉換函數，則 delta的學習法則取代 Widrow-Hoff的學習法則，這 樣的改良式 RBF 具有非線性對應的特性。經由模擬的實驗，我們將不同長度的輸入做比較，結果 10-27-10 RBF得到最小的測試誤差，也成為兩層 RBF中最佳的網路。 我們將最佳的 10-27-10 兩層RBF擴充為三層 RBF ，