[发明专利]基于条件随机场和BP神经网络的孔隙度预测方法

摘要

本发明公开了一种基于条件随机场和BP神经网络的孔隙度预测方法，包括以下步骤：S1、构建BP神经网络；S2、利用条件随机场模型，结合神经网络对标签数据的拟合残差，在置信度回归算法中对隐藏层的相循环性修正。本发明把条件随机场和神经网络两种模型结合在一起，借鉴了EM算法的思想，两个模型参数循环迭代求解模型参数和条件随机场隐藏层，构成一种半监督机器学习方法，能够使用较少的标记孔隙度数据和阻抗数据对孔隙度和岩相分布进行预测。

主权项

1.基于条件随机场和BP神经网络的孔隙度预测方法，其特征在于，包括以下步骤：S1、构建BP神经网络，BP神经网络由输入层、一个或多个隐藏层和输出层组成，每个层由多个神经元组成，隐藏层和输出层上的神经元的输出由以下公式决定：fj(Netj)＝fj(kijxj+θj)   (1)其中fj为神经元j的激励函数，设激励函数为：其中θj为神经元的阈值，xj为神经元j的输入，kij为神经元链接的权重；给出标签数据集为：非标签数据集为：其中为输入变量，代表输入的声波阻抗值，表示D维实数域；为输出变量，代表孔隙度的值，表示实数域，m表示非标签点的数量，n表示标签点的数量；隐藏层数分两个相，对输入声波阻抗数据使用K‑means的聚类结果，把标签数据分为两个集合：把两个标签数据集合通过网络训练得到两个不同的BP神经网络模型model1和model2；S2、利用条件随机场模型，结合神经网络对标签数据的拟合残差，在置信度回归算法中对隐藏层的相循环性修正。