罗浩然,尹 成,丁 峰,黄旭日

(西南石油大学地球科学与技术学院,四川成都610500)

概率神经网络的平滑参数分析及在地震属性分析中的应用

罗浩然,尹 成,丁 峰,黄旭日

(西南石油大学地球科学与技术学院,四川成都610500)

概率神经网络(PNN)因训练方法简单且具有较好的分类能力而广泛应用于储层参数预测、裂缝识别及地震属性模式识别。在勘探初期,往往会遇到小样本量的情况,为获得好的模式识别效果,有必要对平滑参数和训练样本的选取方法进行研究。在分析了平滑参数对网络分类符合率的影响后,利用取值试验得到样本归一化情况下平滑参数的最优取值区间。在此基础上进行训练样本选取的随机性、均匀性及数量试验,发现均匀选取各类训练样本时,小样本量能使网络获得较高的分类符合率,而大样本量则能得到更高的分类符合率。X工区的实际应用结果表明,概率神经网络在少井情况下具备一定的应用潜力,可作为勘探初期利用地震属性进行模式识别的一种选择。

概率神经网络;训练样本;平滑参数;地震属性分析;模式识别

概率神经网络(Probabilistic Neural Network,PNN)是1990年由SPECHT[1]提出的一种前馈分类网络,它以贝叶斯决策和概率密度函数估计为理论基础,在运算过程中通过Parzen窗估计得到类条件概率密度,从而提供对样本的分类。该方法由平滑参数σ,隐含层神经元个数,隐含层中心矢量(隐中心矢量,即训练样本)等要素确定,其拓扑结构简单,算法设计容易,被广泛应用于模式识别领域[2]。……