基于深度信念網絡的巖性識別方法研究與實現.pdf

1、測井是用電阻率、超聲波、放射性及核磁共振等地球物理方法在井中探測油氣、煤炭和其它礦物資源（如鈾礦、鉀鹽及水合物等）的工程技術學科。利用測井資料可以評價地層巖性、電性、孔隙度、飽和度與滲透率等地層參數，其中，巖性識別結果對尋找油氣層資源有著非常重要的作用。在識別地層巖性時，由于測井曲線測量值受到多種因素影響，并且不同地區(qū)的地層巖性變化大、巖性種類繁多且地質結構復雜，已有的識別方法存在識別準確率不高、不同地區(qū)建立不同模型費時費力等問題，因此

2、，如何準確地進行巖性識別成為測井處理解釋中的一個關鍵問題。
　　本文在深入研究傳統機器學習算法在巖性識別中的應用基礎上，對深度信念網絡進行了詳細探討，具體工作如下。
　　首先，通過對原始測井數據進行預處理，不僅提高了測井曲線的質量，消除了非地層因素對測井曲線的影響，而且還減少了參與數據分析的測井曲線的數量，為下一步模型訓練提供良好的數據基礎。
　　其次，設計了一種基于深度信念網絡的巖性識別方法，該方法采用“預訓練+調優(yōu)

3、”的方式，通過對巖性數據進行無監(jiān)督的預訓練使深度信念網絡達到較好的初始狀態(tài)，再通過反向傳播算法對深度信念網絡進行有監(jiān)督的參數調優(yōu)，使得網絡具有較強的特征學習能力。
　　再次，研究了不同的深度信念網絡參數對巖性識別結果的影響，通過調整深度信念網絡中某個參數，同時固定其它參數的方式進行實驗效果對比，得出最佳的網絡參數，從而為深度信念網絡模型的應用提供了依據。
　　最后，開發(fā)了一套完整的全交互巖性識別系統，集成了多個常用機器學習算