摘要：针对油藏测井解释中的水淹层计算机自动识别问题,本文首先提出一种基于量子神经网络的识别方法.首先构造了一个量子神经网络模型,该模型可以接收多维离散序列样本,隐层为量子神经元,输出层为普通神经元.采用梯度下降法设计了该模型的学习算法.然后设计了基于量子神经网络的水淹层识别方法.该方法精选了描述水淹级别的九个特征,直接采用这些特征的离散数值构造训练样本,实施网络训练,训练后的网络即可用于同类地区的水淹层识别.最后以辽河油田某区块258个地层样本为例,进行了水淹层识别处理,识别率可达88%.实验结果揭示出,量子神经网络对于水淹层自动识别问题具有良好的适应性和实用性.

摘要：针对油藏测井解释中的水淹层识别问题,提出一种量子神经网络模型。该模型用量子旋转门更新量子比特的相位,用受控旋转门实现网络的非线性映射功能。网络可调参数为量子旋转门的旋转角度和受控非门的控制参数。基于梯度下降法设计了学习算法。仿真结果表明,该模型的预测能力优于普通BP网络、模糊神经网络和过程神经网络等其他方法。