改进遗传算法与BP神经网络结合的煤岩层对比新方法

本研究论文于2012年发表在《华北科技学院学报》第9卷第4期，由徐亚飞等人探讨了基于改进的反向传播神经元网络在复杂煤岩层对比中的应用。面对复杂地区煤岩层对比的准确性问题，传统的BP神经元网络由于连接权值和阈值的初始值选择困难，可能导致无解。为解决这个问题，作者将遗传算法（GA）与传统的梯度法相结合，形成一种创新方法。 首先，通过遗传算法寻求BP神经元网络权值和阈值的全局最优解近似值，这是一种优化策略，能够找到更优的参数配置。然后，这个近似最优解被用作初始值，对神经网络进行训练，使其能够更好地理解和学习复杂的煤岩层关系。这种方法的优势在于它既能找到全局范围内的潜在最优解，又能在局部区域提供精确的调整。 论文中还引入了小波变换分析沉积旋回的技术，这是一种强大的信号处理工具，用于解析测井曲线中的关键信息，帮助进行煤岩层对比。通过这种方式，研究人员能够在复杂情况下提高对比的精度和可靠性，如钱营孜煤矿的实例中，新方法相较于常规的单方法和简单的组合方法表现出了更好的效果。 关键词包括煤层对比、全局最优解、遗传算法和反向传播神经元网络，表明了这项研究的核心技术及其在实际应用中的价值。这篇论文对提高复杂煤岩层对比的科学性和实用性具有重要意义，为煤田地质勘探提供了新的理论支持和技术手段。