自适应递阶遗传神经网络测井岩性识别方法研究

• 作 者: 温志平 方江雄 刘军 郑成龙
• 机 构: 东华理工大学地球物理与测控技术学院,核技术应用教育部工程研究中心,流域生态与地理环境监测国家测绘地理信息局重点实验室
• 出 处: 东华理工大学学报：自然科学版
• 发表日期: 2017年4期
• 关键词: 岩性识别 神经网络 递阶遗传 自适应 交叉变异 lithology identification neural network hierarchical
• 基金项目: 国家自然科学基金（61463005）,江西省重点研发计划（20161BBE53006）,教育部核技术应用工程研究中心开放基金项目（HJSJYB2016-1）,研究生创新专项资金项目（YC2016-S288,DHYC-2017004）

针对传统神经网络岩性识别模型存在收敛速度慢、难以选择合适的网络拓扑结构和学习参数等问题,提出一种自适应递阶遗传优化神经网络模型。该模型通过采用递阶遗传染色体编码方式优化神经网络拓扑结构和权阈值参数,并将具有非线性特性的Sigmoid函数引入到遗传操作算子设计中,使得交叉变异算子在遗传进化阶段能自适应变化,从而减少遗传算法陷入“早熟”的机率。与三层传统神经网络和基于遗传算法优化的神经网络模型相比较,实验结果显示,该方法平均识别准确率达到95.67%,在准确率、迭代收敛次数、运算耗时和精度指标上均优于其它两种