Page 259 - 4703
P. 259

Відомо, що існує 4 типи тришарових кривих МТЗ: А, Q,
           K,  H.  Точність  кількісної  інтерпретації  буде  значно  вищою,
           якщо створювати нейронні мережі окремо для  кожного типу
           кривих  МТЗ.  Для  прикладу  розглянемо  процедуру  моделю-
           вання  і  навчання  нейронних  мереж  для  інтерпретації  кривих
           типу А. Для інших типів кривих процедури моделювання бу-
           дуть повністю індетичні.
                Моделювання кривих МТЗ зручно виконанувати в пакеті
           Mathcad.  Для нашого прикладу всьго розраховано 2000 амплі-
           тудних і фазових кривих в інтервалі періодів (0.01÷50 с.), де
           потужності і опори пластів змінювались випадково за рівномі-
           рним законом в інтервалах (0.2÷1.0 км)  і (10÷150 Омм) відпо-
           відно.
                Відомо, що для тришарових кривих МТЗ діє принцип ек-
           вівалентності:
                -  еквівалентність по S:

                                         h
                                    S   2   2    const
                                          2
           (криві для розрізів з рівним значенням  S співпадають);
                                                    2

                -  еквівалентність по h:

                                      h  const ;
                                       2
           ( зміна   при h   const дає еквівалентні криві).
                    2
                           2

                Для зменшення впливу принципу еквівалентності до па-
           раметрів  геоелектричного  розрізу  включено  параметр  сумар-
           ної поздовжньої провідності  S   S .
                                          1
                                              2
                Розглянемо  окремі  етапи  підготовки  даних,  створення
           нейроних  класифікаційних  і  регресійних  мереж  та  кількісної
           інтерпретації нових даних.

                                        Етап 1
                       (моделювання і підготовка даних для
                     класифікаційного аналізу кривих МТЗ)



                                         259
   254   255   256   257   258   259   260   261   262   263   264