薄层测井曲线校正方法及储层识别模型研究
| 1 绪言 | 第1-12页 |
| ·研究的目的和意义 | 第6-7页 |
| ·国内外研究现状 | 第7-10页 |
| ·研究目标和思路 | 第10-11页 |
| ·主要研究内容 | 第11页 |
| ·主要研究成果及创新点 | 第11-12页 |
| 2. 测井曲线分层技术研究 | 第12-18页 |
| ·测井资料计算机自动分层 | 第12-18页 |
| ·层内差异法 | 第13-15页 |
| ·活度分层理论 | 第15-18页 |
| 3. 密度测井响应定量校正方法研究 | 第18-28页 |
| ·密度测井原理 | 第18-19页 |
| ·测井曲线的纵向分辨率 | 第19-20页 |
| ·密度测井研究现状 | 第20-21页 |
| ·密度测井曲线响应校正研究 | 第21-28页 |
| ·分辨率匹配法 | 第21-22页 |
| ·提高补偿密度曲线垂直分辨率的方法 | 第22-26页 |
| ·密度测井曲线分辨率低的原因 | 第22页 |
| ·高分辨率处理原理 | 第22-24页 |
| ·提高补偿密度曲线垂直分辨率模型 | 第24-25页 |
| ·提高垂直分辨率模型改进 | 第25-26页 |
| ·密度曲线校正实例 | 第26-28页 |
| 4 伽马测井曲线响应校正 | 第28-35页 |
| ·自然伽马射线强度分布 | 第29-30页 |
| ·高分辨率处理模型 | 第30-33页 |
| ·高分辨率处理方法原理 | 第30页 |
| ·构造单元体权函数 | 第30-32页 |
| ·单元体体积计算 | 第31页 |
| ·单元体重心距探测器距离的计算 | 第31页 |
| ·构造权函数 | 第31-32页 |
| ·高分辨率处理方法 | 第32-33页 |
| ·伽马曲线应用实例 | 第33-35页 |
| 5 电阻率测井响应曲线校正 | 第35-40页 |
| ·响应函数的匹配 | 第36-37页 |
| ·分配率匹配 | 第37-38页 |
| ·电阻率曲线校正实例 | 第38-40页 |
| 6. 概率神经网络在识别油水判别中的应用 | 第40-55页 |
| ·神经网络概述 | 第41-44页 |
| ·BP神经网络 | 第41-44页 |
| ·网络结构 | 第42页 |
| ·前馈算法 | 第42-43页 |
| ·反向调整权矩阵 | 第43-44页 |
| ·PNN模型理论和方法 | 第44-49页 |
| ·PNN的优越性 | 第44-45页 |
| ·Parzen窗函数法 | 第45-47页 |
| ·PNN模型 | 第47-49页 |
| ·PNN在油水层识别中的应用 | 第49-54页 |
| ·模式特征曲线选择 | 第49页 |
| ·测井曲线预处理 | 第49-50页 |
| ·标准样本模式的选取 | 第50页 |
| ·概率神经网络的建立 | 第50-51页 |
| ·概率神经网络识别效果的检验 | 第51-52页 |
| ·油水层识别 | 第52-53页 |
| ·与 BP网络的对比实验 | 第53-54页 |
| ·结论 | 第54-55页 |
| 结论与建议 | 第55-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-60页 |
