自组织竞争神经网络在砂岩型铀矿测井数据解释中的应用研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第10-14页 |
| 1.1 引言 | 第10页 |
| 1.2 伽马测井基础技术的发展现状 | 第10-11页 |
| 1.3 岩性识别技术的研究现状 | 第11-12页 |
| 1.4 本课题研究内容及技术路线 | 第12-14页 |
| 2 某盆地地区地质概况 | 第14-23页 |
| 2.1 地理位置及自然地理条件 | 第14页 |
| 2.2 区域地质概述 | 第14-15页 |
| 2.3 矿区地质特征 | 第15-23页 |
| 2.3.1 层间氧化带发育概况 | 第15-17页 |
| 2.3.2 地层结构与砂体特征 | 第17-19页 |
| 2.3.3 铀矿化特征 | 第19-20页 |
| 2.3.4 铀成矿控矿因素 | 第20-21页 |
| 2.3.5 放射性元素分布特征 | 第21-22页 |
| 2.3.6 矿区地下水形成条件及特征 | 第22-23页 |
| 3 自组织竞争神经网络原理 | 第23-29页 |
| 3.1 自组织竞争神经网络简介 | 第23页 |
| 3.2 自组织竞争神经网络的基本结构 | 第23-24页 |
| 3.3 自组织竞争神经网络的算法 | 第24-26页 |
| 3.4 自组织竞争神经网络的训练过程 | 第26-27页 |
| 3.5 自组织竞争神经网络岩性预测模型的建立 | 第27-29页 |
| 4 测井解释方法原理 | 第29-41页 |
| 4.1 砂岩型铀矿床的特点 | 第29-30页 |
| 4.2 铀镭的放射性平衡系数及平衡位移 | 第30-31页 |
| 4.3 测井技术方法 | 第31-34页 |
| 4.3.1 测井仪器 | 第31-32页 |
| 4.3.2 测井仪工作原理 | 第32-34页 |
| 4.4 反褶积分层定量解释方法原理 | 第34-41页 |
| 4.4.1 地质脉冲函数与反褶积法原理 | 第34-36页 |
| 4.4.2 特征参数 a 的现场测定方法 | 第36-41页 |
| 5 自组织神经网络在测井数据解释的应用 | 第41-50页 |
| 5.1 基于自组织竞争神经网络的岩性识别 | 第41-47页 |
| 5.1.1 岩性识别流程 | 第41-42页 |
| 5.1.2 测井数据的选择 | 第42页 |
| 5.1.3 数据的标准化 | 第42-43页 |
| 5.1.4 测井数据的岩性识别 | 第43-47页 |
| 5.2 反褶积法分层解释 | 第47-50页 |
| 5.2.1 相关参数及负值处理 | 第47-48页 |
| 5.2.2 特征参数计算的程序框图 | 第48-49页 |
| 5.2.3 矿层含量的反褶积法计算 | 第49-50页 |
| 6 结论与建议 | 第50-52页 |
| 6.1 结论 | 第50-51页 |
| 6.2 建议 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 致谢 | 第56-57页 |
