Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种基于神经网络解释岩石物理模型中多参数贡献的方法 

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:中南大学

摘要:本发明提供了一种基于神经网络解释岩石物理模型中多参数贡献的方法,所述方法包括:首先,使用神经网络代理岩石物理模型预测纵波速度和衰减耗散逆品质因子;然后,利用已经训练好的神经网络所保存的网络参数,提取各输入参数所涉及的神经元权重信息,单独计算每个参数的预测值;接着,以每加入一个新的参数所得的预测结果减去未加入该参数的预测结果的差值为该参数的贡献,将所有涉及该参数的贡献累加求和,即可得到该参数对最终预测结果的贡献;最后,通过对所有参数的贡献求和,即可得到原本神经网络的预测结果;至此,可间接解释神经网络所代理的岩石物理模型中各参数对预测结果的贡献情况。

主权项:1.一种基于神经网络解释岩石物理模型中多参数贡献的方法,其特征在于,包括以下步骤:步骤1,准备数据,随机生成一批岩石物理数据,根据岩石物理模型计算纵波速度和衰减耗散逆品质因子,分别对各个输入输出参数进行归一化,整体按比例划分为训练集、验证集;步骤1所述岩石物理模型,为White、Johnson、Tuncay、CRM或者BR;所述输入参数包括地震波频率、岩石孔隙度、固体体积模量KS、固体剪切模量μS、固体密度ρ、流体饱和度Sw和渗透率κ;所述归一化方法为min-max标准化线性函数归一化;步骤2,训练网络,采用全连接网络,隐藏层中加入激活函数和批量归一化,定义损失函数,选择优化器,确定初始学习率和学习率更新策略,加入正则化和早停法防止过拟合,每进行完一次训练使用验证集对网络进行测试;步骤3,预测结果,将新的待预测的岩石物理数据进行归一化后输入训练好的神经网络,实现神经网络代理岩石物理模型对纵波速度和衰减耗散逆品质因子的预测,并将预测结果进行逆归一化还原;步骤4,提取权重,以所有输入参数为特征,通过组合的方式获得特征全集,基于已训练好的神经网络,提取包含每个特征子集的神经元权重信息,单独计算每个特征子集所对应的预测值;步骤5,计算贡献,子集每加入一个新的特征所得预测结果与未加入该特征所得预测结果之间的差值,即为该特征对预测结果的局部贡献,当把某个输入参数的所有局部贡献求和即为该参数对预测结果的全局贡献;步骤6,解释验证,将所有全局贡献求和,得到原本使用神经网络预测的纵波速度和衰减耗散逆品质因子的值,即可间接解释神经网络所代理的岩石物理模型中各参数对预测纵波速度和衰减耗散逆品质因子的贡献情况。

全文数据:

权利要求:

百度查询: 中南大学 一种基于神经网络解释岩石物理模型中多参数贡献的方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。