论文部分内容阅读
在用BP神经网络进行试井问题模式识别的过程中，若将现场试井数据简单地以点对方的方式送入BP神经网络进行识别，则与训练模式无法对应；若在用BP神经网络学习和识别曲线之前进行归一化处理，则会引起曲线的尺度变化和空间位移。结合试井问题对Hough变换进行了改进，提出了改进Hough变换相应的比例和空间压缩方法。用比例变换和空间压缩方法及改进Hough变换法对试井曲线进行预征处理后再送入BP神经网络，可以大大改善识别能力。实例说明，改进Hough变换与BP神经网络相结合的方法（ＭＨＴ－ＢＰ）对试井模式识别的准确性