一、有学习神经网络程序.doc

一、有学习神经网络程序 有学习神经网络识别软件是一套单独的软件，用的是bp算法，软件介绍如下： 源程序dh.bp.c是综合了学习和输出两个部分，涉及初始文件有：bp.ini,bp1.ini,bp2.ini 1）学习参数文件bp.ini格式： 第1行：学习步长，一般为0.9 第2行：学习率，一般为0.7 第3行：学习总误差，一般为0.00001 第4行：学习次数，一般为100000 第5行：各隐含层单元个数，最多15个隐含层 2）学习样本参数文件bp1.ini格式： 第1行：学习样本任务名（任务为.dat文件，任务名这里不加后缀.dat） 第2行：输入单元特征个数 第3行：输出单元个数 第4行：学习样本个数 3）输出初始化参数文件bp2.ini格式： 第1行：待处理数据文件名(包括后缀全名) 第2行：自然伽马截止值 第3行：待处理的数据起始深度 第4行：待处理的数据终止深度 第5行：待处理的数据采样间隔 第6行：处理结果输出文件名(全名) 1-6-9井例子供参考 参数文件：bp.ini, bp1.ini, bp2.ini bp.ini： 0.9 /*学习步长 0.7 /*学习率 0.0000001 /*学习总误差 1000000 /*学习次数 15 /*隐含层单元个数 bp1.ini： /*学习样本任务名 /*输入单元特征个数 1 /*输出单元个数 79 /*学习样本个数 bp2.ini： 169.txt /*待处理数据文件名 70. /*自然伽马截止值 5711.506 /*待处理的数据起始深度 5840.970 /*待处理的数据终止深度 0.076 /*待处理的数据采样间隔 169_out.dat /*处理结果输出文件名 学习样本(169.dat) 学习样本排列顺序为IGR、△DEN、△SP、△RT、aa , 其中IGR、△DEN、△SP、△RT为将GR、DEN、SP、RT四条曲线做归一化处理得到，归一化公式报告部分有说明，aa为水淹级别。 题头文件(题头.TXT)为学习样本曲线名称及排放次序 学习得到模型有： 训练结果放在169_v.dat文件中 权系数放在169_w.dat文件中 最大最小值放在bpmax文件中 待处理数据文件名（169.txt） 待处理文件169.txt为五列排放，排放次序为： DEPTH IGR △DEN △SP △RT DEPTH为深度 处理结果放在169_out.dat文件中 处理结果为两列排放数据，第一列为深度数据，第二列为该深度对应水淹级别： 表示为未水淹 表示为弱水淹 表示为中水淹 表示为强水淹 169aaa.wis是由处理结果169_out.dat文件生成的wis文件，可以在Forward下作出其可视化曲线。 三、水淹层识别软件分形模糊数学模块 MOHU_ID 分形模糊数学识别水淹层解释模块 MOHU_ID分测井曲线输入、参数输入和计算结果输出三部分，原理和有关计算公式看报告部分。 输入测井资料： AC 声波时差曲线 CALI 井径曲线 GR 自然伽马曲线 RHOB 密度曲线 RT 地层电阻率曲线（深电阻率） SP 自然电位曲线 输入参数 ACMN 声波时差最小值 ACMX 声波时差最大值 CUNO 判别曲线的条数 GRCT 自然伽马截止值 GRMN 自然伽马最小值 GRMX 自然伽马最大值 R1 第一条曲线的权重 R11 第一条曲线对未水淹级别的隶属程度 R12 第一条曲线对弱水淹级别的隶属程度 R13 第一条曲线对中水淹级别的隶属程度 R14 第一条曲线对强水淹级别的隶属程度 R2 第二条曲线的权重 R21 第二条曲线对未水淹级别的隶属程度 R22 第二条曲线对弱水淹级别的隶属程度 R23 第二条曲线对中水淹级别的隶属程度 R24 第二条曲线对强水淹级别的隶属程度 R3 第三条曲线的权重 R31 第三条曲线对未水淹级别的隶属程度 R32 第三条曲线对弱水淹级别的隶属程度 R33 第三条曲线对中水淹级别的隶属程度 R34 第三条曲线对强水淹级别的隶属程度 R4 第四条曲线的权重 R41 第四条曲线对未水淹级别的隶属程度 R42 第四条曲线对弱水淹级别的隶属程度 R43 第四条曲线对中