一种基于布谷鸟算法优化弹性BP神经网络的地层识别分类方法技术

一种基于布谷鸟算法优化弹性BP神经网络的地层识别方法，主要解决弹性BP网络初始值设置不合理，导致网络训练效果差及最终的识别分类准确率低的问题。本发明专利技术的实现过程为：处理钻井控制参数的样本数据集；设计并搭建弹性BP网络训练模型；设计CS寻优模块；融合CS寻优模块不断迭代寻优；得到待优化目标超参数的优质解；弹性BP训练网络根据优质解进行分类识别；输出钻井控制参数识别分类的准确率、F1

【技术实现步骤摘要】
一种基于布谷鸟算法优化弹性BP神经网络的地层识别分类方法


[0001]本专利技术涉及地层识别领域，具体涉及一种基于布谷鸟算法优化弹性BP神经网络的地层识别分类方法。

技术介绍

[0002]地层识别是油气勘探中的重要环节之一，准确的地层识别可以为工作人员提供良好的地质导向依据，进而在寻找油气资源和评估油气储量中发挥重要作用。由于实际的储层是非均质的，传统的地层识别方法很难反映储层的真实特征。神经网络方法具有自组织、自学习、非线性和容错性的特点，可以有效地对不同岩层的钻井控制参数进行学习记忆，进而实现利用钻井控制参数识别未知岩层的工作。
[0003]然而，神经网络算法面临着网络初始化超参数时，初始值设置不合理会影响网络训练效果及最终的识别分类准确率的问题，因此，设置合适的超参数作为网络的初始值就变得极为重要。

技术实现思路

[0004]本专利技术的目的在于针对现有技术中的上述问题，提出一种基于布谷鸟算法优化弹性BP神经网络的方法，通过迭代优化得到合适的初始值，解决利用钻井控制参数进行地层识别分类的问题。
[0005]本方法包括以下步骤：
[0006]S1、处理钻井控制参数的样本数据集，设计弹性BP网络训练模型，搭建弹性BP训练网络和连接方式；
[0007]S2、根据步骤S1搭建的弹性BP网络训练模型，设计CS寻优模块；进行钻井控制参数模型训练，并融合布谷鸟算法的CS寻优模块不断迭代寻优，得到待优化目标超参数的优质解，弹性BP训练网络根据优质解进行分类识别；
[0008]S3、经过训练后的弹性BP训练网络输出钻井控制参数识别分类的准确率、F1
‑
score、混淆矩阵，作为识别分类效果的指标；
[0009]进一步的技术方案包括：
[0010]步骤S1的具体过程为：
[0011]S11、收集相关参数即可钻性系数、进尺、钻速、化解起下钻时间、钻压、转速和钻井液排量，并进行归一化处理，使其到[
‑
1，1]之间，公式如下：
[0012][0013]其中，k为归一化后的数据，x为被归一化数据，x
min
为被归一化数据中的最小值，x
max
为被归一化数据中最大值；
[0014]S12、将处理后得到的数据集划分为两部分，其中，随机选取数据集中70％作为训
练集，再将剩下30％的数据作为测试集；
[0015]S13、假设输入层的节点个数为n，隐含层的节点个数为h，输出层的节点个数为m，令隐含层层数为一层，节点数根据经验公式：令隐含层层数为一层，节点数根据经验公式：其中a为常数取1～10，循环次数设置为N次，输入层到隐含层的权值为w
ij
，隐含层到输出层的权值为w
jk
，输入层到隐含层的阈值为a
j
，隐含层到输出层的阈值为b
k
，各层权值初始值取[
‑
1，1]之间的随机数，学习速率η∈[0.1，0.2]，激励函数g(x)取Sigmoid函数；
[0016]S14、训练神经网络；
[0017]S15、完成所有训练集的数据训练后，用测试集的数据对神经网络进行测试，若误差在规定范围内，则弹性BP神经网络完成建模。
[0018]步骤S2的具体过程为：
[0019]S21、确定待优化超参数，即弹性BP网络训练模型的权值和阈值；随机产生n个鸟巢令n＝50；其中每个鸟巢代表一组将要优化训练的神经网络的权值和阈值，设置相关参数，包括迭代次数m、布谷鸟被宿主鸟发现的概率P
a
和终止适应度f；按照适应度函数进行计算，找到当前最优的鸟巢位置；
[0020]S22、设置布谷鸟算法的迭代优化目标为使其适应度f尽可能接近设定值；
[0021]S23、设置弹性BP网络训练模型的早停机制，当f连续迭代达到设定值max_fit_value＝0.79或总迭代次数达到设置的epoch值即epoch＝50时，弹性BP网络训练模型停止训练并保存本次训练的模型；
[0022]S24、保留步骤S21中最优的鸟巢位置按照Levy飞行模式更新n鸟巢位置同时计算更新后鸟巢的适应度值，并跟上一代的适应度值进行比较，如果更优则更新位置；反之，则依然保留上一代鸟巢的位置；
[0023]S25、产生随机数k和P
a
进行比较，更新所有鸟巢位置。若k≥Pa，则保留原鸟巢位置，若k＜Pa，则以一个随机步长更新鸟巢位置。并和原鸟巢位置进行比较，若更优则保留新的鸟巢，若不更优，则依然沿用原来的鸟巢，得到更新后的n个鸟巢位置：
[0024][0025]S26、将迭代多次的最优质的鸟巢作为神经网络最优的权值和阈值；
[0026]步骤S3的具体过程为：
[0027]S31、判断弹性BP网络训练模型预测的每组待识别分类的钻井控制参数与从excel中读取到的地层标签是否一致，可得知该地层是否分类正确；
[0028]S32、在计算每种地层准确率时，都定义将该类别单独视为“正”，其他类型皆视为“负”；弹性BP网络训练模型自动计算并输出TP、FN、FP、TN的个数，其中，TP为把正的判断为正的数目，FN为把正的错判为负的数目，FP为把负的错判为正的数目，TN为把负的判为负的数目；
[0029]S33、根据公式：
[0030][0031]计算每种地层分类的精准度、召回率和准确率；
[0032]S34、通过精准度和召回率的计算结果计算每个类别下的f1
‑
score，计算方式如下：
[0033][0034]S35、定义混淆矩阵每一栏confnorm
jk
为被分为j类而在参考类别中属于k类的样本数目，其中，j，k＝1，2，...，6，为方便评价，对混淆矩阵进行归一化处理，归一化后的混淆矩阵每一栏为[0，1]之间的值；
[0035]S36、输出准确率、F1
‑
score、混淆矩阵结果，作为识别分类效果的指标。
[0036]S24中的具体一次迭代寻优的过程如下：
[0037]a.保留最优的鸟巢位置对其他鸟巢的位置按布谷鸟寻窝路径更新公式进行更新，布谷鸟寻窝路径更新公式为：
[0038][0039]式中，s表示Levy飞行得到的随机搜索步长，u～N(0，σ2)，v～N(0，1)，
[0040]布谷鸟位置更新公式为：
[0041][0042]式中，α为步长因子，取值α＝1；
[0043]c.计算现有的各鸟巢位置的目标函数值，即此时的f，并与步骤S21中记录的最优值进行比较，若有比最优值更好，即f更高的解，则更新最优值；
[0044]本方法的优点在于：采用布谷鸟算法优化弹性BP网络的初始超参数，因为以往初始化网络时需要凭借经验手动设置初始值，但初始值设置不合理时会影响网络训练效果及最终的识别分类准确率，因此，采用布谷鸟算法迭代优化弹性BP本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于布谷鸟算法优化弹性BP神经网络的地层识别方法，其特征在于，在采用弹性BP网络训练钻井控制参数对地层识别分类时，采用布谷鸟算法优化弹性BP网络初始超参数设置，通过迭代优化得到合适的初始值，有效地改进了传统的弹性BP网络训练的缺陷，本方法包括如下步骤：S1、处理钻井控制参数的样本数据集，设计弹性BP网络训练模型，搭建弹性BP训练网络和连接方式；S2、根据步骤S1搭建的弹性BP网络训练模型，设计CS寻优模块；进行钻井控制参数模型训练，并融合布谷鸟算法的CS寻优模块不断迭代寻优，得到待优化目标超参数的优质解，弹性BP训练网络根据优质解进行分类识别；S3、经过训练后的弹性BP训练网络输出钻井控制参数识别分类的准确率、F1
‑
score、混淆矩阵，作为识别分类效果的指标。2.根据权利要求1中所述的基于布谷鸟算法优化弹性BP神经网络的地层识别方法，其特征在于，步骤S1的具体过程为：S11、收集相关参数即可钻性系数、进尺、钻速、化解起下钻时间、钻压、转速和钻井液排量，并进行归一化处理，使其到[
‑
1，1]之间，公式如下：其中，k为归一化后的数据，x为被归一化数据，x
min
为被归一化数据中的最小值，x
max
为被归一化数据中最大值；S12、将处理后得到的数据集划分为两部分，其中，随机选取数据集中70％作为训练集，再将剩下30％的数据作为测试集；S13、假设输入层的节点个数为n，隐含层的节点个数为h，输出层的节点个数为m，令隐含层层数为1层，节点数根据经验公式：含层层数为1层，节点数根据经验公式：其中a为常数取1～10，循环次数设置为N次，输入层到隐含层的权值为w
ij
，隐含层到输出层的权值为w
jk
，输入层到隐含层的阈值为a
j
，隐含层到输出层的阈值为b
k
，各层权值初始值取[
‑
1，1]之间的随机数，学习速率η∈[0.1，0.2]，激励函数g(x)取Sigmoid函数；S14、训练神经网络；S15、完成所有训练集的数据训练后，用测试集的数据对神经网络进行测试，若误差在规定范围内，则弹性BP神经网络完成建模。3.根据权利要求2中所述的基于布谷鸟算法优化弹性BP神经网络的地层识别方法，其特征在于，步骤S2的具体过程为：根据步骤S1搭建的弹性BP网络训练模型，设计CS寻优模块；并对弹性BP网络训练模型的权值和阈值的初始值进行布谷鸟算法迭代寻优设计：S21、确定待优化超参数，即弹性BP网络训练模型的权值和阈值；随机产生n个鸟巢令n＝50；其中每个鸟巢代表一组将要优化训练的神经网络的权值和阈值，设置相关参数，包括迭代次数m、布谷鸟被宿主鸟发现的概率P
a
和终...

【专利技术属性】
技术研发人员：沙林秀，权凌钰，
申请(专利权)人：西安石油大学，
类型：发明
国别省市：