简介:以便在缺乏合适的priori信息的情况中更可靠地并且有效地解释垂直电的发出声音数据,二个反的计划被建议转换由使用粒子的联合抵抗力和导致的极化数据聚集优化技术。基于导致的极化的计算公式,为chargeability/polarizability数据的倒置能被转变成转换相等的抵抗力数据。然后,为联合数据的倒置能被分解成二个过程:转换抵抗力数据和转换相等的抵抗力数据。一个顺序的倒置计划被介绍顺序运用二个过程。对比到顺序的计划,同时的被建议转换抵抗力和导致的极化数据同时。两个都,顺序、同时的计划为更多的探索目的经由中心进步的粒子群优化算法被执行。数字实验证明两个都,设计倒置算法能转换抵抗力和导致的极化数据成功地与快集中和高精确性,甚至表现在一个大搜索空格。反的结果比得上从概括线性方法的结果。作为一个近似重要性刺绣花样,粒子群优化基于算法能方便地提供以后的分析。我们采用转换模型参数的以后的概率分布评估倒置的表演和无常。以后的分析和测试的进一步的地数据证明建议倒置算法执行等价区域的好采样并且保证全球最佳能在高概率区域定位。
简介:新的钻井工艺或钻井液体系的使用在保证钻井施工顺利进行的同时,也给录井岩屑的岩性识别带来了极大的挑战,其中以膏盐岩地层尤为突出。以塔里木油田大北X井为例,提出了主成分分析(PCA)与径向基函数(RBF)神经网络相结合的膏盐岩地层岩性识别方法,利用主成分分析法去除指标变量间的相关性,将原始指标变量重新线性组合为4项综合变量作为RBF神经网络的输入向量;最后建立适于识别膏盐岩地层岩性的RBF神经网络模型。实际识别结果表明,该PCA-RBF神经网络模型对于膏盐岩地层岩性的识别具有较高的准确性,完全可以满足实际应用的要求,具有进一步推广的价值。