基于量子衍生布谷鸟的脊波过程神经网络及TOC预测

为提高总有机碳含量(TOC)的预测精度,针对测井曲线的时变、奇异性特征,选用脊波函数作为过程神经元的激励函数,提出一种连续脊波过程神经元网络.模型训练方面首先给出基于正交基展开的梯度下降法;其次为提高模型训练收敛能力,提出一种沿Bloch球面纬线实施莱维飞行的量子衍生布谷鸟算法,并用于模型参数优化;最后将训练好的脊波过程神经网络应用于泥页岩TOC预测,通过相关性选取对TOC响应敏感的测井曲线作为模型特征输入.实验对比结果表明,该方法的预测精度较高,较其他过程神经网络提高7个百分点.