粗糙集与神经网络技术预测煤厚及小断层的方法

详细信息 本馆镜像全文    |  推荐本文 | | 获取馆网全文

英文篇名：Method to predict coal seam thickness and small fault using RS and NN 中文刊名：煤田地质与勘探 英文刊名：Coal Geology & Exploration 作者：王新 ; 崔若飞 ; 陈同俊 英文作者：WANG Xin1 ; CUI Ruofei ; CHEN TongJun2(1.School of Computer Science ; China University of Mining and Technology ; Xuzhou 221116 ; China ; 2.School of Resource and Earth Science ; China University of Mining and Technology ; Xuzhou 221116 ; China) 中文关键词：粗糙集 ; 神经网络 ; 断层预测 ; 煤层厚度预测 英文关键词：rough sets ; neural network ; detecting small fault ; predicting coal seam thickness 出版日期：2010-06-25 机构：中国矿业大学计算机学院;中国矿业大学资源与地球科学学院; 年：2010 期：03 出版单位：煤田地质与勘探

摘要

提出了基于分析三维地震数据的粗糙集(RS)—神经网络(NN)技术,预测采区断层和煤层厚度变化。利用粗糙集对地震数据中所包含的大量干扰数据进行约简,生成低噪音数据;将约简后的数据输入神经网络进行训练获得断层识别和煤层厚度预测。实际数据验证表明,该方法具有较高的精度。
The thesis put forward a new method of Rough Sets(RS) and Neural Network(NN) technique to detect small faults and coal seam thickness by analyzing 3D seismic data.This method uses RS to reduce seismic data noise,and after reduction,low noise seismic data can be hold.After inputting those reduced data to NN,a predicting model which can detect small faults and predict coal seam thickness can be achieved after NN’s training.After this step,this model was used to detect small fault by 3D seismic data.We find that this method has high precision.

引文

[1]BUSZKOWSKI W.Rough sets and learning by unification[J].Fundament Informaticae,2007,75(1):107-121.
    [2]王珍.基于粗糙集和神经网络的属性约简方法研究[D].郑州:中国人民解放军信息工程大学,2006.
    [3]苗夺谦,李道国.粗糙集理论、算法与应用[M].北京:清华大学出版社,2008.
    [4]董长虹.Matlab神经网络与应用[M].北京:清华大学出版社,2007.