论文部分内容阅读
概率神经网络（PNN）因训练方法简单且具有较好的分类能力而广泛应用于储层参数预测、裂缝识别及地震属性模式识别.在勘探初期,往往会遇到小样本量的情况,为获得好的模式识别效果,有必要对平滑参数和训练样本的选取方法进行研究.在分析了平滑参数对网络分类符合率的影响后,利用取值试验得到样本归一化情况下平滑参数的最优取值区间.在此基础上进行训练样本选取的随机性、均匀性及数量试验,发现均匀选取各类训练样本时,小样本量能使网络获得较高的分类符合率,而大样本量则能得到更高的分类符合率.X工区的实际应用结果表明,概率神经网络