买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：河北工业大学

摘要：本发明为基于HHO‑RCNN的石油测井油气层识别方法。首先获取石油井的多种测井数据，其次对测井数据进行预处理，并对预处理后的测井数据进行归一化处理；然后构建RCNN网络模型，RCNN网络模型包含多个RCNN残差单元；最后利用哈里斯鹰优化算法优化RCNN网络模型的参数，得到HHO‑RCNN模型；对HHO‑RCNN模型进行训练，将训练后的HHO‑RCNN模型用于石油测井的油气层识别；RCNN网络模型的参数包含RCNN残差单元数量、卷积核大小、滤波器数量和Adam优化算法的学习率、超参数ε、权重衰减因子。该方法通过HHO优化建模得到一个最佳的RCNN网络模型，因此HHO‑RCNN模型的识别精度高。

主权项：1.一种基于HHO-RCNN的石油测井油气层识别方法，其特征在于，具体步骤包括：步骤1：获取石油井的多种测井数据；步骤2：对测井数据进行预处理，并对预处理后的测井数据进行归一化处理；步骤3：构建RCNN网络模型，RCNN网络模型包含多个RCNN残差单元；步骤4：利用哈里斯鹰优化算法优化RCNN网络模型的参数，得到HHO-RCNN模型；对HHO-RCNN模型进行训练，将训练后的HHO-RCNN模型用于石油测井的油气层识别；RCNN网络模型的参数包含RCNN残差单元数量、一维因果扩张卷积层的卷积核大小、一维因果扩张卷积层的滤波器数量和Adam优化算法的学习率、超参数ε、权重衰减因子；优化RCNN网络模型参数的具体过程为：1RCNN网络模型待优化的每个参数代表搜索空间的一个维度，设置种群规模、最大迭代次数以及搜索空间每个维度的上界和下界，其中一维因果扩张卷积层的卷积核大小、一维因果扩张卷积层的滤波器数量、RCNN残差单元数量、学习率、超参数ε、权重衰减因子的上界为{6,10,12,0.01,0.000001,0.01}，下界为{3,2,1,0.0001,0.0000000001,0}；2初始化哈里斯鹰个体的位置，根据式1的适应度函数fitness计算哈里斯鹰个体的适应度值； 式中，m为样本数量，fxi为第i个样本的预测标签，yi为第i个样本的真实标签，Ifxi＝yi为判断函数，如果fxi＝yi，则Ifxi＝yi的取值为1，否则取值为0；3将适应度值最小的哈里斯鹰个体记为最优个体，记录最优个体的位置信息，将最优个体所在的位置设为猎物位置，进行下一次迭代并对种群进行位置更新，计算位置更新后的哈里斯鹰个体的适应度值，并与最优个体的适应度值进行比较，将最优个体的位置作为新的猎物位置，以此重复迭代，直到达到最大迭代次数，输出当前最优个体的位置，得到RCNN网络模型参数的最优解，得到HHO-RCNN模型。

全文数据：

权利要求：

百度查询： 河北工业大学 基于HHO-RCNN的石油测井油气层识别方法