HI,欢迎来到学术之家,发表咨询:400-888-7501  订阅咨询:400-888-7502  股权代码  102064
0

GRNN与LS—SVM方法在计算煤质工业组分中的应用

作者:周大鹏 王祝文 李晓春grnn煤田测井煤质工业组分自然伽马双收时差三侧向电阻率

摘要:在煤炭开发过程中,对煤质的评价尤为重要。依靠实验室分析来确定煤质的工业组分效率比较低,成本也比较高,因此通过建立其与测井参数之间的关系来进行各组分的计算。选取自然伽马、双收时差、密度以及三侧向电阻率这四个测井参数为输入的特征参数,煤质的水分、灰分、挥发分以及固定碳的含量作为输出结果,利用在某煤田挑选的73层测井数据当作训练样本,构建了基于广义回归神经网络(GRNN)以及最小二乘支持向量机(Ls—SVM)的计算模型,从而建立了测井参数与各工业组分之间的关系。对19层的测试数据进行了检验,结果表明这两种方法均能应用于实际的生产之中;相比之下,广义回归神经网络能更准确地计算出各组分的含量,其平均平方误差均在1%以下。

注:因版权方要求,不能公开全文,如需全文,请咨询杂志社

物探与化探

《物探与化探》(CN:11-1906/P)是一本有较高学术价值的大型双月刊,自创刊以来,选题新奇而不失报道广度,服务大众而不失理论高度。颇受业界和广大读者的关注和好评。 《物探与化探》以“科学技术是第一生产力”为方针,面向国民经济建设,促进物探、化探科技进步、交流与推广;侧重应用,服务基层;学术性与技术性相结合,生产、科研和教学兼顾。

杂志详情