用，測(cè)試 精度高，效率好，使用環(huán)境友好，能夠推廣應(yīng)用。
【附圖說(shuō)明】：
[0027] 圖1為本發(fā)明設(shè)及的人工神經(jīng)網(wǎng)絡(luò)模型的主體結(jié)構(gòu)原理示意圖。
[0028] 圖2為本發(fā)明設(shè)及的人工神經(jīng)網(wǎng)絡(luò)模型判定礦層或巖層的流程示意圖。
【具體實(shí)施方式】：
[0029] 下面通過(guò)實(shí)施例結(jié)合附圖對(duì)本發(fā)明作進(jìn)一步說(shuō)明。
[0030] 實(shí)施例1:
[0031] 本實(shí)施例設(shè)及的深部礦層和巖層的判定方法包括建立人工神經(jīng)網(wǎng)絡(luò)模型和判定 深部礦層兩個(gè)步驟：
[0032] (1)、建立人工神經(jīng)網(wǎng)絡(luò)模型：
[0033] 人工神經(jīng)網(wǎng)絡(luò)模型由輸入層、輸出層和隱含層Ξ部分組成，其中輸入層的建立過(guò) 程是：輸入主要是砂巖礦層的某煤礦區(qū)的視電阻率、人工伽馬值和自然伽馬值，輸入層為 [25,585,28]，泥巖層為[10,900,78]，煤層為[75,8100，110]，石灰?guī)r層[90,747,35]，組成 測(cè)井曲線值的初始矩陣(P):
[0034]
[003引將初始矩陣（P)帶入歸一化公式是X'ij = (Xi廣Xjmin)/陸max-Xjmin)進(jìn)行歸一化，初 始矩陣(P)變?yōu)椋?br>[0036]
[0037] 輸出層的建立過(guò)程是:定義[砂巖層，泥巖層，特殊礦層，石灰?guī)r層]中接近1或者等 于1的數(shù)據(jù)為對(duì)應(yīng)的識(shí)別結(jié)果，識(shí)別砂巖層的結(jié)果為[1，0,0,0]，識(shí)別泥巖層的結(jié)果為[0，1， 0,0]，識(shí)別特殊礦層的結(jié)果為[0,0，1，0]，識(shí)別石灰?guī)r層的結(jié)果為[0,0,0，1]，將識(shí)別結(jié)果輸 入常規(guī)的矩陣實(shí)驗(yàn)室(matlab)進(jìn)行計(jì)算得到目標(biāo)矩陣(T):
[003引
[0039] 隱含層的建立過(guò)程是:針對(duì)輸入層建立的算法，根據(jù)公式= + a確定P值， 選取不同的隱含層神經(jīng)元數(shù)目進(jìn)行測(cè)試運(yùn)算，分別記錄每種情形的實(shí)際輸出與期望輸出的 訓(xùn)練步長(zhǎng)和網(wǎng)絡(luò)誤差，采用矩陣實(shí)驗(yàn)室中專口構(gòu)建人工神經(jīng)網(wǎng)絡(luò)模型的函數(shù)計(jì)算確定訓(xùn)練 步長(zhǎng)較少和網(wǎng)絡(luò)誤差較小的1000次為隱含層內(nèi)部單元數(shù)目；實(shí)現(xiàn)人工神經(jīng)網(wǎng)絡(luò)模型的建 立；
[0040] (2)、深部礦層和巖層的判定：按照0.5m的間距讀取未取忍鉆孔的測(cè)井曲線數(shù)據(jù)， 將每一層數(shù)據(jù)輸入步驟（1)建立的人工神經(jīng)網(wǎng)絡(luò)模型后計(jì)算得出結(jié)果，再對(duì)計(jì)算結(jié)果進(jìn)行 分析，按照每行接近于1的數(shù)據(jù)反饋數(shù)據(jù)所代表的礦層和巖層的礦性和巖性，判定礦層和巖 層。
【主權(quán)項(xiàng)】
1. 一種深部礦層和巖層的判定方法，其特征在于包括建立人工神經(jīng)網(wǎng)絡(luò)模型和判定深 部礦層和巖層兩個(gè)步驟： (1) 、建立人工神經(jīng)網(wǎng)絡(luò)模型：人工神經(jīng)網(wǎng)絡(luò)模型由輸入層、輸出層和隱含層三部分組 成，其中輸入層的建立過(guò)程是:輸入礦層或巖層的視電阻率、人工伽馬值和自然伽馬值組成 測(cè)井曲線值的初始矩陣，初始矩陣的行數(shù)越多越好，對(duì)初始矩陣進(jìn)行歸一化，統(tǒng)一無(wú)量綱 化，消除不同影響，把輸入數(shù)據(jù)歸一化在【O，1】之間，歸一化公式是X ' i j = (Xi j-Xjmin) / (Xjmax-父_1〇，式中1 = 1、2-_'\￥，」=1、2-111，其中，'\￥和1]1的值根據(jù)測(cè)井曲線值的個(gè)數(shù)和礦層或巖層的 類型確定，Xjmx=HiaxiXi] ,Xjmin=HiiniXi]，Xjmax和\*分別是各變量的最大值和最小值，歸 一化后的數(shù)據(jù)X' U e [〇，1 ]，數(shù)據(jù)代碼為： For i = l:r P(i, :) = (P(i, :)-min(P(i,:)) )/(max(P(i , :))-min(P(i,:))) End； r為測(cè)井?dāng)?shù)據(jù)條數(shù)，每一條對(duì)應(yīng)一個(gè)巖性，min(P(i，：）代表不同巖石類型的某一種類型 測(cè)井?dāng)?shù)據(jù)的最小值，max(P(i，：）代表不同巖石類型的某一種類型測(cè)井?dāng)?shù)據(jù)的最大值； 輸出層的建立過(guò)程是：定義歸一化后的數(shù)據(jù)X'U，接近1或者等于1的為對(duì)應(yīng)的識(shí)別結(jié) 果，將識(shí)別結(jié)果輸入矩陣實(shí)驗(yàn)室進(jìn)行計(jì)算得到目標(biāo)矩陣，實(shí)現(xiàn)輸出層的建立； 隱含層的建立過(guò)程是：針對(duì)輸入層建立的算法，根據(jù)人工神經(jīng)網(wǎng)絡(luò)計(jì)算公式確定，式中P為輸出層結(jié)點(diǎn)數(shù)，η為輸入層神經(jīng)元數(shù)，q為輸出層神經(jīng)元數(shù)，a取0 ~10之間的常數(shù)，選取不同輸入層神經(jīng)元數(shù)和輸出層神經(jīng)元數(shù)進(jìn)行運(yùn)算并確定輸出層結(jié)點(diǎn) 數(shù)； 采用常規(guī)的矩陣實(shí)驗(yàn)室中專門構(gòu)建人工神經(jīng)網(wǎng)絡(luò)模型的函數(shù)： net = newff (minmax(P), [No(i), I], {'tansig',' logsig'},'trainlm')； for i = l:4 net = newff(minmax(P)，[No(i)，I]，{'tansig'，' logsig'}，'trainlm'）； net · trainParam · epochs = 1000，表不訓(xùn)練步長(zhǎng)； net · trainParam. goad = 0.00013，表不網(wǎng)絡(luò)誤差； net = train(net,P,T)； Temp = sim(net ,P_test)； error(i , 1:4) =Temp-T； 實(shí)現(xiàn)人工神經(jīng)網(wǎng)絡(luò)模型的建立； (2) 、深部礦層和巖層的判定：按照0.5m的間距讀取未取芯鉆孔的測(cè)井曲線數(shù)據(jù)，將每 一層數(shù)據(jù)輸入步驟(1)建立的人工神經(jīng)網(wǎng)絡(luò)模型后計(jì)算得出結(jié)果，再對(duì)計(jì)算結(jié)果進(jìn)行分析， 按照每行接近于1的數(shù)據(jù)反饋數(shù)據(jù)所代表的礦層和巖層的礦性和巖性，判定礦層和巖層。2. 根據(jù)權(quán)利要求1所述的深部礦層和巖層的判定方法，其特征在于所述礦層或巖層包 括特殊礦層、砂巖、泥巖和石灰?guī)r，特殊礦層包括煤層、石膏層和巖鹽層，泥巖視電阻率為5-60 Ω ·ηι，致密砂巖為20-1000 Ω ·ηι，特殊礦層有較大差異，煤層為0.001-50 Ω ·ηι，石膏層 為109Ω ·ηι，巖鹽層為104-106 Ω ·ηι，泥巖和煤層的人工伽馬值較低，砂巖和石灰?guī)r的人工 伽馬值相對(duì)較高，自然伽馬值來(lái)自于巖石的放射性元素，放射性較高的為海相泥巖，放射性 中等的為淺海或陸相泥巖和煤層，放射性較低的為砂巖、石灰?guī)r、石膏層和巖鹽層。3. 根據(jù)權(quán)利要求1所述的深部礦層和巖層的判定方法，其特征在于在輸入層建立過(guò)程 中，矩陣行數(shù)越多越好，砂巖層在同一鉆孔不同層位的測(cè)井曲線值存在差異，記錄所有測(cè)井 曲線值，將巖性細(xì)化成粗砂巖、中砂巖和細(xì)砂巖，記錄粗砂巖、中砂巖和細(xì)砂巖的測(cè)井曲線 值，將煤分為無(wú)煙煤和有煙煤，記錄無(wú)煙煤和有煙煤的測(cè)井曲線值，以便增加矩陣的行數(shù)； 隱含層針對(duì)輸入層設(shè)計(jì)的算法，內(nèi)部單元數(shù)目與要求、輸入和輸出層的數(shù)目直接關(guān)聯(lián)，根據(jù) 實(shí)驗(yàn)或經(jīng)驗(yàn)確定內(nèi)部單元數(shù)目，內(nèi)部單元數(shù)目少，獲取的測(cè)井曲線值就少，內(nèi)部單元數(shù)目 多，增加訓(xùn)練步長(zhǎng)，導(dǎo)致計(jì)算時(shí)間過(guò)長(zhǎng)，不能保證網(wǎng)絡(luò)誤差的準(zhǔn)確性；根據(jù)公式確定P值，為了得到合適的內(nèi)部單元數(shù)目，選取不同的隱含層神經(jīng)元數(shù)目進(jìn)行 測(cè)試運(yùn)算，分別記錄每種情形的實(shí)際輸出與期望輸出的訓(xùn)練步長(zhǎng)和網(wǎng)絡(luò)誤差，采用矩陣實(shí) 驗(yàn)室中專門構(gòu)建人工神經(jīng)網(wǎng)絡(luò)模型的函數(shù)計(jì)算確定訓(xùn)練步長(zhǎng)少和網(wǎng)絡(luò)誤差小的數(shù)據(jù)為隱 含層內(nèi)部單元數(shù)目，矩陣實(shí)驗(yàn)室多次計(jì)算確定的最佳內(nèi)部單元數(shù)目為1000次。4. 根據(jù)權(quán)利要求1所述的深部礦層和巖層的判定方法，其特征在于驗(yàn)證時(shí)選取沒(méi)有參 與人工神經(jīng)網(wǎng)絡(luò)模型建立的同一地區(qū)的數(shù)據(jù)作為驗(yàn)證記錄，選取數(shù)據(jù)的原則是數(shù)據(jù)對(duì)應(yīng)的 巖石是參與人工神經(jīng)網(wǎng)絡(luò)模型建立的數(shù)據(jù)中的一種，要涵蓋所有巖石類型；選取預(yù)測(cè)區(qū)已 有測(cè)井曲線值的8個(gè)鉆孔作為基本參數(shù)，其中6個(gè)鉆孔巖石性質(zhì)針對(duì)某種巖性為主，某個(gè)鉆 孔中泥巖含量相對(duì)高，作為一個(gè)樣本，或某個(gè)鉆孔中砂巖含量較高，作為一個(gè)樣本，基于6個(gè) 鉆孔測(cè)井曲線值構(gòu)建人工神經(jīng)網(wǎng)絡(luò)模型，利用其余2個(gè)鉆孔測(cè)井曲線值作為誤差校正數(shù)據(jù)， 將另外2個(gè)鉆孔測(cè)井曲線值輸入到人工神經(jīng)網(wǎng)絡(luò)模型，工作信號(hào)由輸入層經(jīng)隱含層傳向輸 出層的正向傳播，在輸出端產(chǎn)生實(shí)際輸出值，實(shí)際輸出值與期望輸出值的差值大于設(shè)定值 0.001時(shí)，誤差信號(hào)由輸出層經(jīng)隱含層向輸入層反向傳播并逐層修正連接權(quán)，工作信號(hào)正向 傳播和誤差信號(hào)反向傳播反復(fù)交替進(jìn)行到實(shí)際輸出值與期望輸出值的差值小于設(shè)定值 0.001時(shí)結(jié)束，根據(jù)計(jì)算結(jié)果驗(yàn)證人工神經(jīng)網(wǎng)絡(luò)模型的判定結(jié)果。
【專利摘要】本發(fā)明屬于地質(zhì)勘探技術(shù)領(lǐng)域，涉及一種深部礦層和巖層的判定方法，首先輸入礦層和巖層的視電阻率、人工伽馬值和自然伽馬值組成測(cè)井曲線值的初始矩陣，對(duì)初始矩陣進(jìn)行歸一化，再定義歸一化后的數(shù)據(jù)接近1或者等于1的為對(duì)應(yīng)的識(shí)別結(jié)果，將識(shí)別結(jié)果輸入矩陣實(shí)驗(yàn)室進(jìn)行計(jì)算得到目標(biāo)矩陣，然后根據(jù)公式運(yùn)算并確定輸出層結(jié)點(diǎn)數(shù)，采用矩陣實(shí)驗(yàn)室中專門構(gòu)建人工神經(jīng)網(wǎng)絡(luò)模型的函數(shù)建立人工神經(jīng)網(wǎng)絡(luò)模型，最后讀取未取芯鉆孔的測(cè)井曲線數(shù)據(jù)，將每一層數(shù)據(jù)輸入人工神經(jīng)網(wǎng)絡(luò)模型后計(jì)算得出結(jié)果，分析并判定礦層和巖層；其設(shè)計(jì)原理科學(xué)可靠，操作簡(jiǎn)便實(shí)用，測(cè)試精度高，效率好，使用環(huán)境友好，能夠推廣應(yīng)用。
【IPC分類】G06F17/50, E21B49/00
【公開(kāi)號(hào)】CN105488248
【申請(qǐng)?zhí)枴緾N201510796396
【發(fā)明人】呂大煒, 李增學(xué), 劉海燕, 王緒冰, 勇朋林
【申請(qǐng)人】山東科技大學(xué)
【公開(kāi)日】2016年4月13日
【申請(qǐng)日】2015年11月18日