极限学习脊波过程神经网络及应用

作     者：刘志刚 许少华 肖佃师 杜娟 LIU Zhi-gang;XU Shao-hua;XIAO Dian-shi;DU Juan

作者机构：东北石油大学计算机与信息技术学院黑龙江大庆163318 山东科技大学计算机科学与工程学院山东青岛266590 中国石油大学(华东)非常规油气与新能源研究院山东青岛266580 

出 版 物：《电子科技大学学报》 (Journal of University of Electronic Science and Technology of China)

年 卷 期：2019年第48卷第1期

页      面：110-116页

核心收录：

学科分类：12[管理学] 13[艺术学] 0808[工学-电气工程] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 1305[艺术学-设计学（可授艺术学、工学学位）] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 0804[工学-仪器科学与技术] 0835[工学-软件工程] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(61170132 41330313) 黑龙江省自然科学基金(F2015021) 

主　　题：极限学习 广义逆 岩性识别 过程神经网络 脊波变换 

摘      要：为提高页岩的岩性识别精度,首先针对测井曲线连续变化、突变频繁的信号特征,利用脊波变换作为过程神经元的激励函数,提出一种脊波过程神经网络模型;其次通过Ada Boost的动态调整机制迭代调整模型和样本集权重,利用多个弱分类器的线性加权构建强分类器;最后为提高AdaBoost中的每个脊波过程神经网络模型的学习速度,提出一种基于满秩分解的极限学习算法,通过Moore-Penrose广义逆求解隐层输出权值。仿真实验以A区的B1井和B2井为例进行岩性识别,通过对比分析验证方法的有效性,识别效果优于其他过程神经网络模型,准确率最高可达90%左右。