模糊自组织神经网络的训练方法技术

本发明专利技术公开了模糊自组织神经网络的训练方法，包括：(a)确定训练样本x；(b)随机初始化权值wij，0＜wij＜1，i＝0，1，…，N-1；j＝0，1，…，K-1；(c)输入所有样本点，计算每个样本对所有子集的隶属度；(d)调整网络权值；(e)根据网络稳定的判定条件，如满足，则学习结束，如不满足，则转入步骤(c)继续学习。本发明专利技术能够完成对自组织神经网络的训练，且训练效果好，训练成本低。

【技术实现步骤摘要】

本专利技术涉及一种。
技术介绍
随着地震属性技术的发展，地震储层预测已成为指导油气勘探开发的有效手段。然而，由于地震属性种类繁多，与预测对象之间的关系复杂，不同工区和不同储层对所预测目标敏感的(最有效、最具代表性的)地震属性是不完全相同的。即使是同一工区、同一储层，预测对象不同，对应的敏感属性也存在差异。由于地震属性的这种多解性，使得某些属性会严重影响储层预测的精度，因此对地震属性进行优化选择就显得十分必要。地震属性优化方法可以明显的提高地震储层预测的精度，更有效地进行储层描述，进一步提高钻井成功率，具有明显的经济效益和社会效.、/■Mo由于地震属性是指由叠前或叠后地震数据，经过数学变换而导出的一些包括外部几何形态、内部反射结构、连续性、振幅、频率和速度等代表地震相特征的参数。而地震相是特定地震反射参数所限定的三维空间中的地震反射单元，它是特定沉积相或地质体的地震响应。因此，应用地震属性划分地震相类型是非常有意义的。最后，通过地震相分析解释这些地震相所代表的沉积相和沉积环境，以达到地震相转换为沉积相的目的。`目前，常采用自组织神经网络对地震属性进行聚类分析以达到划分地震相类型的目的本文档来自技高网...

【技术保护点】
模糊自组织神经网络的训练方法，其特征在于，包括以下步骤：(a)确定训练样本x；(b)随机初始化权值wij，0＜wij＜1，i＝0，1，…，N?1；j＝0，1，…，K?1；(c)输入所有样本点，计算每个样本对所有子集的隶属度；(d)调整网络权值；(e)根据网络稳定的判定条件，如满足，则学习结束，如不满足，则转入步骤(c)继续学习。

【技术特征摘要】
1.模糊自组织神经网络的训练方法，其特征在于，包括以下步骤 (a)确定训练样本X；(b)随机初始化权值Wij7O < Wij < I, i = O, I, ···, N-1 ； j = O, I, ···, K-1 ； (c)输入所有样本点，计算每个样本对所有子集的隶属度； (d)调整...

【专利技术属性】
技术研发人员：何阳，
申请(专利权)人：何阳，
类型：发明
国别省市：