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

基于再生核神经网络的断层面模型重构

作者:施云惠; 阮秋琦再生核断层面重构稀疏解

摘要:为了提高勘探精度及采油效率,需要更深入地了解地质构造,因此断层面模型的重构有着重要的意义,为此提出了基于再生核神经网络的断层面重构方法.再生核源于不同学科分支,目前已成为函数逼近的重要工具.将再生核与神经网络有机地结合起来,提出一种新型的神经网络--再生核神经网络,且将网络的训练归结为求解线性方程组问题,为了建立既具有足够精度又能表现系统行为的简单模型,考虑线性方程组的稀疏解是必要的,稀疏解就是具有大量零元素的近似解.虽然稀疏解整体误差较小,但可能在一些点上的误差较大,为此提出对稀疏解的误差修正方法.将再生核神经网络应用于大庆地区的断层面模型重构,实验结果表明,本文重构的断层面与传统方法重构的断层面相比,更符合大庆地区的地质情况.

注:因版权方要求,不能公开全文,如需全文,请咨询杂志社

中国图象图形学报

《中国图象图形学报》(CN:11-3758/TB)是一本有较高学术价值的大型月刊,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。 《中国图象图形学报》主要刊登图像图形科学及其密切相关领域的基础研究和应用研究方面,并具有创新性的、高水平科研学术论文,论文形式主要有综述、技术报告,项目进展、学术动态、新技术评论、新产品介绍和产业化研究等。

杂志详情