BP神经网络(地震数据反推测井曲线)

最近做了一个BP神经网络,分享一下

头文件和库文件下载地址:  http://download.csdn.net/detail/sdust_dx/9537656

使用随机x 识别 y=sin(x)关系的例子,效果还基本不错。

BP神经网络(地震数据反推测井曲线)_第1张图片


测试数据: 
 
  
int main()
{
      int InLayerNodesNum = 1;  //输入层节点数
    int MidLayerNodesNum = 8; //隐层节点数
    int OutLayerNodesNum = 1;

    cout <<  "输入层节点数(8): \r\n";
    cin >> InLayerNodesNum;

    int tLoop = 20000;         // 训练次数
    cout <<  "训练次数(10000): \r\n";
    cin >> tLoop;

      /* 造一组数据进行测试 */
    BPNet bpNet(InLayerNodesNum, MidLayerNodesNum, OutLayerNodesNum);
    const int N=50; 
    const float Pi=3.1415926;

    srand(time(0));
    float** a = new float*[N];
    float** a2 = new float*[N];
    float** a3 = new float*[N];
    float** b = new float*[N];
    float** b2 = new float*[N];
    float** b3 = new float*[N];    //实际结果
    float** b3_bp = new float*[N];  //识别结果
    for(int i=0; i "<
 
  


使用真实数据进行BP计算的时候,吻合度就没有这么好,因为x[]和y之间没有明确的函数关系甚至有的时候还是一对多的。

(而且也没有对x[]进行特别的预处理,没有将其映射到更好的特征空间里,做了映射的话效果应该会更好,后续计划做k-l或类似于自动聚类的预处理)。


地震数据体反推测井曲线,实际上地震数据体代表了反射结果,测井曲线代表地层特征。与地震波动相关的测井曲线才会在理论上与地震数据体有关,而且这种关系是非线性的。 在试验中,输入层采用了6个输入节点(6维特征)

下图是实际数据的结果

BP神经网络(地震数据反推测井曲线)_第2张图片

BP神经网络(地震数据反推测井曲线)_第3张图片 

你可能感兴趣的:(模式识别,BP网络,模式识别)