結構風險最小混合型神經元網絡油氣預測

基于統計學習理論中的結構風險最小化原理,從理論上給出了神經網絡的結構設計方法和實現過程.該方法能自適應地擴展神經網絡的容量,從而完成網絡的結構設計,并且在有限樣本的情況下,最大限度地提高網絡的訓練精度和泛化能力,進而提高神經網絡預測結果的可靠性.此外,本方法可使神經網絡同時具有多種類型的特性函數,增強了網絡的信息處理能力.文中給出了該方法在大慶油田某開發區塊儲層油氣檢測的應用實例.

作 者： 張向君 李幼銘 劉洪   作者單位： 中國科學院地質與地球物理研究所,北京,100101  刊 名： 地球物理學報  ISTIC SCI PKU 英文刊名： CHINESE JOURNAL OF GEOPHYSICS  年，卷(期)： 2002 45(z1)  分類號： P631  關鍵詞： 神經網絡   結構風險最小   串行訓練   混合型神經元   預測誤差  

【結構風險最小混合型神經元網絡油氣預測】相關文章：

我國海洋災害的風險預測研究04-26

洪災綜合風險的結構特征分析04-26

具有任意概率結構隨機利率風險模型04-26

極端海況下海洋石油結構的風險評估04-27

基于景觀結構的區域生態風險評價研究04-26

論油氣系統與油氣系統動力學04-26

基于逼近算法的結構共振震害定量風險分析04-26

基于人工神經網絡的結構腐蝕損傷定量預測04-27

植物翻譯控制腫瘤蛋白的分子結構特征與功能預測分析04-26

油氣的膜處理技術04-25