基于轻量化卷积神经网络的隧道勘察地层岩性划分方法
2021-11-01丁海英
微型电脑应用 2021年10期
关键词:方法
丁海英
(陕西能源职业技术学院 煤炭与化工产业学院, 陕西 咸阳 712000)
0 引言
岩性是指地层岩石构造、颜色、结构和成分等特征的总和,隧道勘察地层岩性划分是指通过一些方法区别和认识岩性的过程[1]。在地质学中如何直观地对地层岩性分布进行描述是重要问题。隧道勘察资料处理与解释中都对地层岩性进行了准确的辨识,在隧道勘察与开发过程中地层岩性划分是重要的基础工作[2]。对油藏描述、储层识别、沉积相分析、地层评价和储层划分具有重要意义,在隧道勘察过程中只有明确地层岩性才可以进行下一步工作。
贾军伟等[3]提出基于激光诱导击穿光谱技术的地层岩性划分方法,该方法选择K、Mg、Na、Si、Ca、Fe、Al7种元素构成激光诱导击穿光谱,结合有监督Kohonen神经网络、软独立建模分类方法和主成分分析方法3种化学计量方法对地层岩性进行划分,该方法没有对地层图像进行增强处理,在划分过程中容易受到噪声的干扰,导致划分结果准确率低。李国和等[4]提出基于深度信念网络的地层岩性划分方法,该方法将地层岩性数据作为输出,将多个相邻采样点的数据作为输入,通过受限玻尔兹曼机方法提取数据的特征,根据提取的特征建立深度信念网络,在随机梯度下降算法的基础上反向传递学习误差,建立地层岩性识别模型,实现地层岩性的划分,该方法没有对地层图像进行分割处理,在特征提取过程中容易受到岩屑颗粒重叠现象或无关背景的影响,导致划分结果召回率低。……
登录APP查看全文
