BP神经网络在随钻超声成像测井数据处理中的方法研究

摘要

采用现有方法提取超声回波的到时和幅度不能有效避免随钻超声信号的局部干扰,导致随钻超声成像测井仪在井下自主提取的回波到时和幅度精度较差。本文采用解调算法对随钻超声模拟信号进行预处理,然后设计BP神经网络模型来拟合波形数据与幅度和到时之间的关系。本文建立超声成像测井模型,利用有限元仿真软件进行正演模拟,通过改变模型参数来模拟不同的测量条件时的响应,将其作为神经网络模型的输入层;将超声回波信号看作是由高频载波信号调制而成的低频信号,设计低通滤波器将高频信号去除,得到低频包络信号;随后提取包络信号的幅度及其对应的时间作为人工神经网络模型的输出层。对比了6种训练方法的应用效果,认为共轭梯度下降法最适合用于求解该神经网络模型。通过11组模拟测试数据对该神经网络的性能进行了测试,验证了该模型的有效性,为进一步实际应用奠定了基础。