基于静态电成像的砂砾岩储层岩性识别研究
摘要 | 第1-5页 |
Abstract | 第5-9页 |
第一章 绪论 | 第9-15页 |
·论文研究的目的和意义 | 第9-10页 |
·成像技术的发展概况 | 第10-11页 |
·国内外岩性识别的研究现状 | 第11-12页 |
·研究的主要内容和技术路线 | 第12-15页 |
第二章 电阻率成像测井原理及图像处理方法 | 第15-36页 |
·成像测井的发展和测量原理 | 第15-21页 |
·成像测井仪器(FMI)原理 | 第15-17页 |
·FMI的具体参数 | 第17-18页 |
·FMI测井的影响因素 | 第18-19页 |
·FMI测井获取的数据信息 | 第19-21页 |
·电成像资料的预处理方法 | 第21-23页 |
·规范化处理 | 第21页 |
·速度校正 | 第21-22页 |
·水平均衡校正 | 第22页 |
·深度对齐 | 第22-23页 |
·坏电极剔除 | 第23页 |
·FMI测井图像的标定 | 第23-26页 |
·静态标定法 | 第24页 |
·浅侧向测井标定法 | 第24-25页 |
·动态标定法 | 第25-26页 |
·FMI图像的生成和显示 | 第26-30页 |
·标定图像的色标 | 第27-28页 |
·生成图像格式的选择 | 第28页 |
·BMP文件的特点 | 第28-29页 |
·BMP文件结构 | 第29页 |
·成像测井图像的生成 | 第29-30页 |
·静态图像的预处理方法 | 第30-36页 |
·填充极板间隔 | 第30-33页 |
·图像滤波 | 第33-35页 |
·图像增强 | 第35-36页 |
第三章 砂砾岩储层的岩性特征及成像模式研究 | 第36-52页 |
·研究区域的地质背景 | 第36页 |
·深层砂砾岩的岩性特征 | 第36-40页 |
·砂砾岩的测井响应特征 | 第37-38页 |
·深层砂砾岩储层“四性”关系研究 | 第38-40页 |
·砂砾岩相的静态电成像解释模式 | 第40-43页 |
·建立图像模式 | 第40-41页 |
·岩性特征与图像模式之间的联系 | 第41-43页 |
·岩性分类及区块内的岩性特征 | 第43-52页 |
·主要岩性分类 | 第43-46页 |
·利用岩心刻度研究区内的主要岩性 | 第46-52页 |
第四章 电成像测井图像的特征提取及定量分析 | 第52-66页 |
·图像识别原理 | 第52-53页 |
·基于图像的识别算法 | 第53-58页 |
·统计特征法 | 第53-54页 |
·模板匹配法 | 第54-55页 |
·模糊模式识别法 | 第55-56页 |
·神经网络识别法 | 第56-58页 |
·图像的特征 | 第58-60页 |
·图像特征的概念 | 第58-59页 |
·图像特征提取 | 第59页 |
·特征的选定原则 | 第59-60页 |
·静态测井图像的特征提取 | 第60-66页 |
·成像测井图像的直方图 | 第60-63页 |
·图像的灰度共生矩阵 | 第63-66页 |
第五章 人工神经网络模型 | 第66-81页 |
·BP神经网络 | 第68-71页 |
·BP神经网络的拓扑结构 | 第68-69页 |
·BP神经网络的算法 | 第69-71页 |
·BP神经网络的改进 | 第71页 |
·Hopfield神经网络 | 第71-76页 |
·Hopfield网络的拓扑结构 | 第72-75页 |
·Hopfield神经网络的学习算法 | 第75-76页 |
·自组织神经网络 | 第76-81页 |
·自组织神经网络概述 | 第76-77页 |
·SOM神经网络的拓扑结构 | 第77页 |
·SOM网的学习规则 | 第77-79页 |
·SOM网络的算法 | 第79-81页 |
第六章 BP神经网络识别砂砾岩岩性 | 第81-91页 |
·系统设计 | 第81页 |
·预处理模块 | 第81页 |
·图像特征提取模块 | 第81页 |
·岩性识别模块 | 第81页 |
·系统流程 | 第81-82页 |
·建立BP神经网络 | 第82-84页 |
·BP网络设置 | 第82-83页 |
·BP神经网络的改进 | 第83-84页 |
·应用实例分析 | 第84-91页 |
·技术路线 | 第84页 |
·神经网络学习样本 | 第84-87页 |
·预测岩性 | 第87-90页 |
·结果分析 | 第90-91页 |
结论 | 第91-92页 |
参考文献 | 第92-95页 |
致谢 | 第95页 |