钮永莉，陈 晖，魏光杏

（1.滁州职业技术学院 信息工程系，安徽 滁州239000；2.福州大学 数学与计算机科学学院，福建 福州350019）

模糊神经网络是模糊逻辑和神经网络的有机结合，它汇集了模糊推理和神经网络的优点，为处理带有模糊不确定性质的模式识别问题提供了一种有效的手段.在实际应用过程中，模糊神经网络的一个难点问题是如何确定隐层节点数，隐层节点个数的多少对神经网络有举足轻重的作用，甚至直接决定了网络的学习和泛化能力［1］.隐层节点数的选取有很多方法，包括根据经验选取、进化法和奇异值分解法等方式，其中进化法的计算量比较大且不够直观，奇异值分解法的好坏依赖于初始节点数和阀值，在计算隐层节点数时也有可能导致结果不唯一，使得网络设定失败［2］.

笔者在研究了多种方法优缺点的基础上，使用BP网络，构造出一个基于模糊C均值法的模糊神经网络模型，首先使用模糊C均值法对样本进行特征抽取，确定隐层节点数后，可根据训练集得到所需的网络结构，然后使用测试集进行分类验证.本文使用此模型对塔里木盆地地质测井资料进行油气预测，取得了较好的效果.

1 模糊C均值法

对样本带有不确定性的聚类问题，通常采用模糊聚类算法.在各种模糊聚类算法中，模糊C均值算法（即FCM算法）及其各种优化算法被广泛使用.FCM算法是 Bezdek提出的一种基于目标函数的动态优化算法，能实现对数据的自动聚类……