【技术实现步骤摘要】
基于改进的径向基函数神经网络的岩性识别方法及系统
[0001]本专利技术涉及地球物理
，特别是涉及一种基于改进的径向基函数神经网络的岩性识别方法及系统。
技术介绍
[0002]岩性是指反映岩石特征的一些属性，包括颜色、成分、结构、胶结物及胶结类型、特殊矿物等。岩性识别是地层认识和储层参数求解过程中的一项基础工作。随着矿产资源的不断开采，地表资源日益枯竭，勘探与挖掘深部资源已成为当今地质工作的重中之重。精细刻画地下储层岩性及其结构关系，能为深部资源勘查、储层构造认识提供重要的基础信息。因此，针对深部地层的岩性识别已成为当前地质工作的研究重点。
[0003]岩性识别研究至今，主要包括重磁、测井、地震、遥感、电磁、地球化学、薄片分析等方法。其中，遥感识别仅限于地表，无法满足深度上的要求；地震识别在深度上具有很大的优势，但高昂的作业成本阻碍了其大规模的发展；测井识别技术发展最为成熟，缺点在于无法进行大范围的岩性识别。开展地球物理联合反演识别岩性，可以通过地球物理数据反演得到研究区的密度、磁性、电性等地下物性结构特征，并...
【技术保护点】
【技术特征摘要】
1.一种基于改进的径向基函数神经网络的岩性识别方法，其特征在于，包括：结合矿区采集的样本，对地球物理联合反演得到的数据进行预处理；采用K
‑
L变换对经过预处理的数据进行特征提取，实现降维处理，得到压缩后的数据集；采用K折交叉验证法处理新的数据集，将数据集打乱后K等分，其中一份作为测试集，其余K
‑
1份作为训练集；采用模糊C聚类算法完成训练集的聚类，获取隐含层的中心；搭建径向基函数神经网络，根据隐含层中心求取径向基函数神经网络的参数；利用测试集对径向基函数神经网络进行验证，记录各种类识别准确率；重复K次模型训练与测试，求取总体识别准确率，并保存参数最优的径向基函数神经网络。2.根据权利要求1所述的基于改进的径向基函数神经网络的岩性识别方法，其特征在于，径向基函数神经网络的参数包括：中心、宽度、权值。3.根据权利要求1所述的基于改进的径向基函数神经网络的岩性识别方法，其特征在于，预处理包括：检查数据的一致性、处理无效值和缺失值、对数据进行中心化和归一化的处理。4.根据权利要求1所述的基于改进的径向基函数神经网络的岩性识别方法，其特征在于，采用K
‑
L变换对经过预处理的数据进...
【专利技术属性】
技术研发人员：刘彦，张慧斌，胡金民，严加永，代雨濛，
申请(专利权)人：中国地质科学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。