结构风险最小混合型神经元网络油气预测

结构风险最小混合型神经元网络油气预测

基于统计学习理论中的结构风险最小化原理,从理论上给出了神经网络的结构设计方法和实现过程.该方法能自适应地扩展神经网络的容量,从而完成网络的结构设计,并且在有限样本的情况下,最大限度地提高网络的训练精度和泛化能力,进而提高神经网络预测结果的可靠性.此外,本方法可使神经网络同时具有多种类型的特性函数,增强了网络的信息处理能力.文中给出了该方法在大庆油田某开发区块储层油气检测的应用实例.

作 者： 张向君 李幼铭 刘洪   作者单位： 中国科学院地质与地球物理研究所,北京,100101  刊 名： 地球物理学报  ISTIC SCI PKU 英文刊名： CHINESE JOURNAL OF GEOPHYSICS  年，卷(期)： 2002 45(z1)  分类号： P631  关键词： 神经网络   结构风险最小   串行训练   混合型神经元   预测误差  

【结构风险最小混合型神经元网络油气预测】相关文章：

我国海洋灾害的风险预测研究04-26

洪灾综合风险的结构特征分析04-26

具有任意概率结构随机利率风险模型04-26

极端海况下海洋石油结构的风险评估04-27

基于景观结构的区域生态风险评价研究04-26

论油气系统与油气系统动力学04-26

基于逼近算法的结构共振震害定量风险分析04-26

基于人工神经网络的结构腐蚀损伤定量预测04-27

植物翻译控制肿瘤蛋白的分子结构特征与功能预测分析04-26

油气的膜处理技术04-25