[发明专利]一种有理式函数神经网络构建方法、系统及可读存储介质

权利要求书

1.一种有理式函数神经网络地球物理建模方法，其特征在于，包括：

S1、获取样本集合，并将样本集合划分为有标签样本集合和无标签样本集合；

所述样本集合为采集某一深度的地球物理测井曲线组成测井数据样本如果沿深度有n个深度点的测井曲线，即可得到样本集合也可表示为的矩阵形式，n为样本总数，d为特征维度；

通过人工分析岩心和岩屑对样本进行标记，标签的物理意义包括泥质含量、孔隙度、渗透率这些地质信息；为部分样本打上标签则有标签样本集合为无标签的样本集合为其中l为有标签样本数量，为无标签样本数量；

S2、设定集成系数向量ζ，全局迭代次数t为1，输出权重向量求解的迭代次数k为1，输出权重向量求解的最大迭代次数K0以及全局最大迭代次数T0；

S3、执行输出权重向量求解的迭代循环，直至kK，则令然后执行步骤S4；

S4、对集成系数向量进行更新，然后执行步骤S5；

S5、令t自增1，并判断是否满足t≤T，若是执行步骤S6，若否执行步骤S7；

S6、令伪标签向量并更新然后执行步骤S3，其中为多元单向式特征矩阵，H为扩展的多元单向式特征矩阵，H_u为H的后u个行向量组成的矩阵，为最优的输出权重向量，y_l为样本x_l的标注，ρ为全为1的向量，diag()为对角矩阵；

S7、停止全局迭代并输出最优的输出权重向量构建有理式函数神经网络；

其中，所述执行输出权重向量求解的迭代循环，直至kK，则令包括：

令

令中间向量并求解出Ω_k，其中，Lipschitz系数L_z0，Ω_k-1为第k-1次迭代的输出权重向量，为目标函数前置项，为关于实时迭代更新后的输出权重向量Ω的导数；

令k自增1，并判断是否满足kK；

若是，则令并执行所述步骤S4；

若否，则重新令中间向量并求解出Ω_k；

所述目标函数前置项的表示形式为：

所述关于Ω的导数的表示形式为：

求解的Ω_k表示形式为：

其中，与z^c分别表示Ω_k与z的第c个分量，超参数λ_ζ,λ₁,λ₂,λ₃0，y为标签向量，W_e为对样本集合的第e个加权矩阵，m为采用不同概率分布函数得到的样本加权矩阵的数量，ζ_e为在最优的样本加权矩阵中W_e对应的系数，即ζ的第e个元素，表示H转置，表示Ω转置，L为根据所述样本集合求解样本的相似矩阵得到的Laplacian矩阵，为二范数的平方。

2.如权利要求1所述的有理式函数神经网络地球物理建模方法，其特征在于，所述对集成系数向量进行更新，包括：

令j`为1，令j为j`+1；

求解ζ_j`,ζ_j更新后的如下：

其中，W<sub>j`</sub>、W<sub>j</sub>分别为样本集合的第j`个加权矩阵和第j个加权矩阵，y为标签向量，超参数λ_ζ0，ζ<sub>j`</sub>、ζ<sub>j</sub>分别为集成系数向量ζ的第j`个分量和第j个分量，所述集成系数向量ζ的其他分量视为已知常数，若则令若则令

使用更新后的替换集成系数向量ζ＝[ζ₁,ζ₂,…,ζ_m]中对应分量，对集成系数向量进行更新；

令j自增1，若j≤m，则重新求解更新后的并使用更新后的替换集成系数向量ζ＝[ζ₁,ζ₂,…,ζ_m]中对应分量，否则令j`自增1；

若j`m，则令j为j`+1，并重新求解更新后的并使用更新后的替换集成系数向量ζ＝[ζ₁,ζ₂,…,ζ_m]中对应分量，否则执行所述步骤S5。