TechniqueandMethod

改进的遗传BP神经网络数据挖掘算法及应用

胡剑策1，吴国平2

（1.温州医学院，浙江温州325035；2.中国地质大学，湖北武汉430074）

摘要：介绍了数据挖掘的定义和常用方法，研究了基于遗传BP神经网络的数据挖掘算法，并对其交叉算子进行了改进，提高算法训练速度。实验结果表明，将该方法应用于油气识别中，效果良好，具有一定的实际应用价值。

关键词：数据挖掘；遗传BP神经网络；油气识别

中图分类号：TP311；TE325

文献标识码：A

文章编号：1674-7720(2011)02-0082-03

Researchandapplicationofdataminingalgorithmbased

onimprovedgeneticBP-neuralnetwork

HuJiance1，WuGuoping2

(1.WenzhouMedicalCollege,Wenzhou325035，China;2.ChinaUniversityofGeosiences,Wuhan430074，China)

Abstract：Thedefinitionsandcommonlyusedmethodsofdataminingwereintroduced.AndthedataminingalgorithmbasedonimprovedgeneticBP-neuralnetworkwasbroughtforward.Then,theimprovementtoitsoverlappingoperatorwasmadetoraiseitstrainingspeed.Finally,thealgorithmwasappliedinOil-gasrecognition,theresultsofwhichprovedthattheapplicationef-fectsweresatisfactoryandtheapproacheswereprovidedwithparticularpopularizedvalues.

Keywords：datamining；geneticBP-neuralnetwork；oil-gasrecognition

随着互联网技术和数据库技术的飞速发展，人们获取信息的渠道越来越多样化，所拥有的数据也越来越庞大，这对数据信息的存储、管理和分析提出了更高的要求，传统的统计方法面临着巨大的挑战。尤其在油气田生产实践中，开采所获得的数据更是惊人，如何从海量的开采数据中提取地层特征模式，以便对油气做出更精确的描述，是实现油气识别的关键。而数据挖掘技术正是解决这一问题的关键技术。

数据挖掘是从大量的、有噪声的、不完全的、随机的、模糊的数据中提取隐含其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。数据挖掘技术是解决数据量大而知识匮乏的有效途径。它包括分类、聚类、可视化、关联、模糊评判、决策树、遗传算法、神经网络和不确定性处理等技术方法。近年，数据挖掘技术在油气田开发中得到了广泛应用。

本文在对数据挖掘定义和常用方法研究的基础上，研究了基于改进的遗传BP神经网络的数据挖掘算法，并应用于油气识别中，取得了一定实效。

1改进的遗传BP神经网络数据挖掘算法

1.1算法概述

遗传神经网络GNN（GeneticNeuralNetwork）的主要思想是利用遗传算法GA(GeneticAlgorithm)的全局性优点来克服误差反向传播BP(BackPropagation)算法的易局部收敛和收敛慢的缺陷。同时，GA与BP算法的结合也解决了单独利用GA只能在短时间内寻找到最优解的近似解这一问题，引入BP的梯度下降算法将会避免这种现象。本文以遗传算法优化BP神经网络的方式将两者组合在一起：先用GA优化神经网络的权值组合，直到适应函数的平均误差达到一定的精度值。在此基础上再用BP算法进行局部优化。基本思想是先用GA粗选神经网络权值，再用BP算法精细与优化。

1.2算法步骤

遗传BP神经网络的算法步骤：

(1)随机产生一组分布，然后采用实数编码方案对该

组中的每个权值进行编码，进而构造出一个个染色体（每个染色体代表神经网络的一种权值分布），在网络结

82

《微型机与应用》2011年第30卷第2期