塔河油田六区奥陶系碳酸盐岩裂缝网络模型研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 前言 | 第10-17页 |
| 1.1 研究目的及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 裂缝识别及预测研究现状 | 第11-13页 |
| 1.2.2 裂缝性建模研究现状 | 第13-14页 |
| 1.3 主要研究内容 | 第14-15页 |
| 1.3.1 裂缝识别特征及表征参数描述 | 第14-15页 |
| 1.3.2 基于神经网络的裂缝密度预测 | 第15页 |
| 1.3.3 裂缝建模 | 第15页 |
| 1.4 研究思路和技术路线 | 第15-16页 |
| 1.5 主要研究成果 | 第16-17页 |
| 第二章 区域地质背景 | 第17-26页 |
| 2.1 研究区位置 | 第17页 |
| 2.2 构造特征 | 第17-22页 |
| 2.2.1 构造演化 | 第17-19页 |
| 2.2.2 断裂发育特征 | 第19-21页 |
| 2.2.3 裂缝发育特征 | 第21-22页 |
| 2.3 地层发育特征 | 第22-24页 |
| 2.4 岩性特征 | 第24-26页 |
| 第三章 裂缝识别特征及表征参数 | 第26-47页 |
| 3.1 裂缝识别特征 | 第26-40页 |
| 3.1.1 露头裂缝特征 | 第26-27页 |
| 3.1.2 岩心裂缝特征 | 第27-30页 |
| 3.1.3 裂缝测井响应 | 第30-38页 |
| 3.1.4 裂缝地震响应 | 第38-39页 |
| 3.1.5 裂缝钻井显示 | 第39-40页 |
| 3.2 裂缝表征参数 | 第40-47页 |
| 3.2.1 裂缝的位置、方位和延伸长度 | 第40-45页 |
| 3.2.2 裂缝的密度 | 第45-47页 |
| 第四章 基于神经网络的裂缝密度预测 | 第47-58页 |
| 4.1 BP神经网络 | 第47-49页 |
| 4.1.1 BP神经网络的模型组成 | 第47-49页 |
| 4.1.2 BP神经网络的工作步骤 | 第49页 |
| 4.2 BP神经网络预测裂缝密度 | 第49-55页 |
| 4.2.1 基本思路 | 第49-50页 |
| 4.2.2 学习样本的选择及处理 | 第50-52页 |
| 4.2.3 网络模型的建立和训练 | 第52-53页 |
| 4.2.4 网络模型的检验和预测 | 第53-55页 |
| 4.3 预测结果及分析 | 第55-58页 |
| 第五章 裂缝网络模型的实现 | 第58-77页 |
| 5.1 裂缝网络模型的技术流程 | 第58-59页 |
| 5.2 建模数据的准备 | 第59-60页 |
| 5.3 三维构造模型和网格设计 | 第60-62页 |
| 5.3.1 层面构造建模 | 第60-61页 |
| 5.3.2 模型三维网格设计 | 第61-62页 |
| 5.4 大尺度裂缝建模 | 第62-68页 |
| 5.4.1 蚂蚁追踪技术的方法原理 | 第62-63页 |
| 5.4.2 蚂蚁追踪技术的工作流程 | 第63-64页 |
| 5.4.3 塔河六区大尺度裂缝建模的实现 | 第64-68页 |
| 5.5 小尺度裂缝建模 | 第68-74页 |
| 5.5.1 裂缝产状统计数据 | 第68-69页 |
| 5.5.2 裂缝密度分布模型 | 第69-71页 |
| 5.5.3 塔河六区小尺度裂缝建模实现 | 第71-74页 |
| 5.6 模型融合及检验 | 第74-77页 |
| 5.6.1 模型融合 | 第74页 |
| 5.6.2 模型检验 | 第74-77页 |
| 结论与认识 | 第77-78页 |
| 参考文献 | 第78-84页 |
| 致谢 | 第84页 |
