基于元素组成的多层感知器神经网络岩性识别

利用元素俘获谱测井法得到的主要造岩元素信息,区分被测地层的岩性成因大类属性。通过收集、分析大量的沉积岩和岩浆岩的主要造岩元素含量实测数据,构建并训练多层感知器人工神经网络模型,最终得到了利用岩石主要元素组成数据区分样品本身岩性成因的一种方法。模型通过完全不参与人工神经网络构建与训练的实测数据测试,平均分类准确率达到94%以上,在元素俘获谱测井岩性解释方面具有较好的应用前景。

结肠非霍奇金淋巴瘤误诊一例

1病例资料男,38岁。因下腹部胀痛伴黑便1月余入院。查体:生命体征平稳,心肺未见异常。右下腹可触及一10.0 cm×5.0 cm大小包块,边界不清,质硬,压痛,活动度差。肝肾区无叩痛,肠鸣音5～6/min。血白细胞7.8×109/L,中性粒细胞0.74,淋巴细胞0.62;尿白细胞1～3/HP;血生化、肝功能、甲胎蛋白、癌胚抗原等未见明显异常。腹部彩超检查示:腹腔内实质性占位;胆囊炎;

面向复杂储层的非均衡测井数据的岩性识别

针对常规岩性识别方法在复杂储层的非均衡测井数据准确率不高的问题,本文提出了一种面向复杂储层非均衡测井数据的多层BP神经网络的岩性识别算法.根据测井数据的特点及测井数据间的非线性关系,对测井数据进行均衡化处理,利用多层BP神经网络进行逐层岩性识别.在13个含油气盆地的7793个地层元素测井数据中测试表明,本文提出的方法在数据非均衡比达到1∶6的情况下,岩性识别的符合率仍能达到92%以上,在复杂储层的岩性识别方面具有很好的应用前景.