基于小波包分析和过程神经元网络的水淹层识别方法

摘要：

针对复杂时变信号模式识别,提出一种采用小波包变换和过程神经元网络进行水淹层识别的方法. 该方法利用小波包分析具有的多分辨率特性,能有效滤掉噪声信号,从而保证有用信号时-频特征完整提取. 根据过程神经元网络具有的时空二维信息处理及非线性映射能力,以其作为模式分类器,将滤波后的时变信号输入分类器中,可直接对时变信号进行模式分类. 将该方法应用于油田开发测井曲线油层水淹状况识别,并给出具体的算法步骤. 应用结果表明,该方法的识别效果较好.

关键词：小波包变换、过程神经元网络、水淹层识别、测井曲线

所属期刊栏目：32

分类号：TP391(计算技术、计算机技术)

在线出版日期：2008-05-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：74-76