地震反演中的非线性优化方法及应用研究
| 1 绪论 | 第1-19页 |
| 1．1 非线性优化方法概述 | 第9-12页 |
| 1．1．1 演化计算 | 第9页 |
| 1．1．2 人工神经网络 | 第9-10页 |
| 1．1．3 模糊逻辑论 | 第10-11页 |
| 1．1．4 模拟退火 | 第11页 |
| 1．1．5 非线性优化方法的特点 | 第11-12页 |
| 1．2 地震反演及其意义 | 第12-14页 |
| 1．2．1 地震反演概述 | 第12-13页 |
| 1．2．2 地震反演的深远意义 | 第13-14页 |
| 1．3 地震反演中的非线性优化方法研究现状 | 第14-15页 |
| 1．4 本文主要研究内容及贡献 | 第15-19页 |
| 1．4．1 选题依据及课题来源 | 第15-16页 |
| 1．4．2 主要研究内容 | 第16页 |
| 1．4．3 本文的主要贡献 | 第16-19页 |
| 2 非线性忧化方法的理论基础 | 第19-49页 |
| 2．1 几种常用优化算法 | 第19-27页 |
| 2．1．1 梯度下降法 | 第19-21页 |
| 2．1．2 牛顿法 | 第21-22页 |
| 2．1．3 共轭梯度法 | 第22-25页 |
| 2．1．4 拉格郎日乘子法 | 第25-27页 |
| 2．2 模拟退火法的基本原理 | 第27-31页 |
| 2．2．1 退火算法的核心思想 | 第27页 |
| 2．2．2 退火算法的原理 | 第27-29页 |
| 2．2．3 退火算法的实现步骤 | 第29-30页 |
| 2．2．4 甚快模拟退火算法 | 第30-31页 |
| 2．3 遗传算法的基本原理 | 第31-40页 |
| 2．3．1 遗传算法概要 | 第31-32页 |
| 2．3．2 遗传算法的基本思路 | 第32-35页 |
| 2．3．3 遗传算法的实现技术 | 第35-38页 |
| 2．3．4 遗传算法的理论基础 | 第38-40页 |
| 2．4 神经网络原理概述 | 第40-49页 |
| 2．4．1 神经元及其特性 | 第40-41页 |
| 2．4．2 神经网络的基本结构 | 第41-43页 |
| 2．4．3 基本BP学习算法 | 第43-46页 |
| 2．4．4 BP算法的改进 | 第46-49页 |
| 3 非线性混合全局优化技术 | 第49-63页 |
| 3．1 非线性混合全局优化的提出 | 第49-50页 |
| 3．2 退火遗传算法 | 第50-55页 |
| 3．2．1 退火遗传算法的基本思想 | 第50-51页 |
| 3．2．2 退火遗传算法的实现步骤 | 第51页 |
| 3．2．3 退火遗传算法的若干改进 | 第51-54页 |
| 3．2．4 退火遗传算法的仿真计算 | 第54-55页 |
| 3．3 演化神经网络学习方法 | 第55-62页 |
| 3．3．1 常规BP算法存在的问题 | 第55-56页 |
| 3．3．2 演化神经网络学习原理 | 第56-59页 |
| 3．3．3 演化神经网络的实现步骤与流程 | 第59-60页 |
| 3．3．4 应用实例与效果 | 第60-62页 |
| 3．4 小结 | 第62-63页 |
| 4 混合优化自动剩余静校正研究 | 第63-80页 |
| 4．1 静校正综述 | 第63-68页 |
| 4．1．1 基准面静校正 | 第63-64页 |
| 4．1．2 折射静校正 | 第64-65页 |
| 4．1．3 剩余静校正 | 第65-68页 |
| 4．2 剩余静校正量的非线性反演方法 | 第68-70页 |
| 4．2．1 静校正问题的非线性本质 | 第68页 |
| 4．2．2 叠加能量最大法 | 第68-70页 |
| 4．3 混合优化自动剩余静校正 | 第70-72页 |
| 4．3．1 适应度函数的确定 | 第71页 |
| 4．3．2 静校正量的实值编码 | 第71-72页 |
| 4．3．3 混合优化自动剩余静校正的实现 | 第72页 |
| 4．4 模型数据试算 | 第72-76页 |
| 4．5 实际资料处理及效果分析 | 第76-79页 |
| 4．6 小结 | 第79-80页 |
| 5 储层和线性反演与预测 | 第80-104页 |
| 5．1 概述 | 第80-81页 |
| 5．2 基于模型的波阻抗反演方法 | 第81-85页 |
| 5．2．1 基本原理 | 第81-83页 |
| 5．2．2 关键技术 | 第83-85页 |
| 5．3 混合全局优化波阻抗反演 | 第85-89页 |
| 5．3．1 混合反演技术的基本原理与思路 | 第85-87页 |
| 5．3．2 模型数值计算 | 第87-89页 |
| 5．4 多属性储层非线性预测方法 | 第89-96页 |
| 5．4．1 常规波阻抗交会图分析 | 第89-90页 |
| 5．4．2 地震属性分析 | 第90-91页 |
| 5．4．3 多属性变换与建模 | 第91-93页 |
| 5．4．4 神经网络建模 | 第93-96页 |
| 5．5 达尔其构造三维地震反演与储层预测 | 第96-103页 |
| 5．5．1 地质概况 | 第96页 |
| 5．5．2 波阻抗反演 | 第96-97页 |
| 5．5．3 储层厚度及物性参数预测 | 第97页 |
| 5．5．4 预测成果分析 | 第97-103页 |
| 5．6 小结 | 第103-104页 |
| 6 地层压力随钻预测技术研究 | 第104-138页 |
| 6．1 概述 | 第104-106页 |
| 6．1．1 研究目的与意义 | 第104页 |
| 6．1．2 国内外研究现状 | 第104-106页 |
| 6．2 地层压力测井检测技术 | 第106-114页 |
| 6．2．1 地层压力基本概念 | 第106-107页 |
| 6．2．2 地层压力检测方法 | 第107-111页 |
| 6．2．3 提高测井压力检测精度的方法技术 | 第111-113页 |
| 6．2．4 建立地层压力检测模型 | 第113-114页 |
| 6．3 井底以下地层压力预测研究 | 第114-125页 |
| 6．3．1 井底以下地层压力预测的现有方法 | 第114-115页 |
| 6．3．2 神经网络压力随钻预测的研究思路 | 第115页 |
| 6．3．3 地震属性提取 | 第115-122页 |
| 6．3．4 属性优选 | 第122-124页 |
| 6．3．5 井底以下声波曲线重建外推 | 第124-125页 |
| 6．4 成果及应用 | 第125-136页 |
| 6．4．1 基本概况 | 第125页 |
| 6．4．2 压力检测与模拟预测 | 第125-129页 |
| 6．4．3 地层压力随钻检预测 | 第129-136页 |
| 6．5 小结 | 第136-138页 |
| 7 结论与建议 | 第138-140页 |
| 致谢 | 第140-141页 |
| 攻读博士学位期间发表论文及参加科研项目情况 | 第141-142页 |
| 参考文献 | 第142-149页 |
