论文部分内容阅读
为解决油田测井解释中的水淹层识别问题,研究了一种量子自组织网络模型以及应用在油田水淹层的识别效果。首先样本数据由量子比特进行描述,将描述后的量子比特映射到Bloch球面上,竞争层权值则表示为Bloch球面上的任意分布的量子比特,然后根据球面坐标求得样本与权值之间的最短距离,距离最短的节点为获胜节点。针对油田水淹层水淹程度的识别问题,研究了一种量子自组织网络算法。最后以实际数据为例,进行了水淹层识别处理并与普通过程神经网络对比。结果表明,本文提出的量子自组织网络算法在水淹层识别的问题上具有较高精度。