多元线性回归模型与多层感知器神经网络在铀矿测井泥质含量预测中的应用OACSTPCD
在铀矿资源勘探工作中,泥质含量的测定对于确定地下岩层的性质和砂岩型铀矿床的分布具有重要意义。文章旨在避免常规测井解释计算方法受到希尔奇系数选取准确性的限制,提出了利用多元线性回归模型和多层感知器(MLP,Multilayer Perceptron)神经网络对测井数据进行分析与预测的方法。通过选取某地区的测井数据,采用多元线性回归模型和MLP神经网络进行了泥质含量关系模型的构建和验证。结果显示,多元线性回归模型在泥质含量低层位出现过拟合现象,而ML…查看全部>>
张喆安;刘龙成;王书黎;白云龙;谢廷婷
核工业北京化工冶金研究院,北京101149核工业北京化工冶金研究院,北京101149河海大学,江苏南京210000核工业北京化工冶金研究院,北京101149核工业北京化工冶金研究院,北京101149
铀矿测井泥质含量多元线性回归模型多层感知器神经网络
《铀矿地质》 2024 (5)
P.1007-1013,7
中核集团基础研究项目“电驱动强化地浸机理研究”(编号:CNNC-JCYJ-202333)资助。
评论