| 摘要 | 第1-3页 |
| ABSTRACT | 第3-4页 |
| 目录 | 第4-6页 |
| 第1章 绪论 | 第6-12页 |
| ·国内外研究现状 | 第6-10页 |
| ·论文选题、研究内容和研究思路 | 第10-12页 |
| ·论文选题 | 第10页 |
| ·研究内容 | 第10-11页 |
| ·研究思路 | 第11-12页 |
| 第2章 测井储层特性智能反演技术 | 第12-20页 |
| ·地球物理测井反演概述 | 第12-15页 |
| ·智能反演理论和发展概况 | 第15-17页 |
| ·智能反演的研究对象 | 第15-16页 |
| ·智能反演的主要特点 | 第16页 |
| ·智能反演研究的数学工具 | 第16-17页 |
| ·测井储层特性智能反演技术 | 第17-20页 |
| 第3章 人工神经网络方法研究 | 第20-41页 |
| ·人工神经网络概述 | 第20-30页 |
| ·人工神经网络的基本概念 | 第20-22页 |
| ·人工神经网络的基本模型 | 第22-24页 |
| ·前向型人工神经网络 | 第24-30页 |
| ·改进的多层前向神经网络学习算法 | 第30-37页 |
| ·基于LEVENBERG-MARQUARDT算法的多层前向网络算法(LMBP) | 第30-32页 |
| ·用PSO算法优化神经网络 | 第32-37页 |
| ·多层前向神经网络的结构设计 | 第37-41页 |
| 第4章 储层物性参数和地层特征识别过程 | 第41-48页 |
| ·网络模型的确定和预测 | 第41-42页 |
| ·数据的预处理 | 第42-43页 |
| ·资料预处理 | 第42页 |
| ·测井曲线资料的归一化 | 第42-43页 |
| ·学习样本的选取 | 第43-44页 |
| ·网络的泛化能力 | 第44-48页 |
| ·训练样本的数量 | 第45-46页 |
| ·网络学习的精度 | 第46-48页 |
| 第5章 实际预测及效果分析 | 第48-62页 |
| ·孔隙度的预测 | 第48-53页 |
| ·渗透率的预测 | 第53-58页 |
| ·岩性的识别 | 第58-62页 |
| 第6章 结论 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 附录：硕士研究生学习期间发表和完成的论著 | 第68页 |