期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于一维卷积神经网络的岩石物理相识别
被引量：
6
1
作者
李盼池
李文杰
《吉林大学学报（信息科学版）》
CAS
2022年第1期51-63,共13页
为解决岩石物理相识别问题,提出了一种基于可解释一维卷积神经网络的识别方法。该方法通过引入全局平均池化层,突出了测井曲线波形的动态变化部分;并且通过分类激活映射增强了方法的可解释性;通过引入扩张卷积和批量归一化,弥补了由全...
为解决岩石物理相识别问题,提出了一种基于可解释一维卷积神经网络的识别方法。该方法通过引入全局平均池化层,突出了测井曲线波形的动态变化部分;并且通过分类激活映射增强了方法的可解释性;通过引入扩张卷积和批量归一化,弥补了由全局平均池化层引起的性能下降。实验结果表明,测试集中4种岩石物理相的平均F1分数为0.97,相比其他同类方法提升了0.15左右。研究表明,该方法可用于识别岩石物理相,并可提高分类过程中的可解释性,从而为预测优质致密砂岩储层提供了一种新的深度学习方法。
展开更多
关键词
岩石物理相
可解释一维卷积神经网络
全局平均池化层
扩张卷积
批量归一化
下载PDF
职称材料
题名
基于一维卷积神经网络的岩石物理相识别
被引量：
6
1
作者
李盼池
李文杰
机构
东北石油大学计算机与信息技术学院
出处
《吉林大学学报（信息科学版）》
CAS
2022年第1期51-63,共13页
基金
黑龙江省优秀青年科学基金资助项目(YQ2020D001)
中国石油科技创新基金资助项目(2020D-5007-0102)。
文摘
为解决岩石物理相识别问题,提出了一种基于可解释一维卷积神经网络的识别方法。该方法通过引入全局平均池化层,突出了测井曲线波形的动态变化部分;并且通过分类激活映射增强了方法的可解释性;通过引入扩张卷积和批量归一化,弥补了由全局平均池化层引起的性能下降。实验结果表明,测试集中4种岩石物理相的平均F1分数为0.97,相比其他同类方法提升了0.15左右。研究表明,该方法可用于识别岩石物理相,并可提高分类过程中的可解释性,从而为预测优质致密砂岩储层提供了一种新的深度学习方法。
关键词
岩石物理相
可解释一维卷积神经网络
全局平均池化层
扩张卷积
批量归一化
Keywords
petrophysical
facies
interpretable
one
-
dimensional
convolutional
neural
networks
global
average
pooling
layer
dilated
convolut
ion
batch
normalization
分类号
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于一维卷积神经网络的岩石物理相识别
李盼池
李文杰
《吉林大学学报（信息科学版）》
CAS
2022
6
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
