| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-23页 |
| 1.1 选题依据 | 第10页 |
| 1.2 研究的目的和意义 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-19页 |
| 1.4 主要研究内容与技术路线 | 第19-21页 |
| 1.5 完成主要工作量 | 第21页 |
| 1.6 主要认识与创新 | 第21-23页 |
| 第二章 含油气岩层元素与矿物关系研究与数据的收集与整理 | 第23-43页 |
| 2.1 含油气岩层主要元素组成与主要矿物组成研究 | 第23-37页 |
| 2.1.1 引言 | 第23页 |
| 2.1.2 岩浆岩与沉积岩元素与矿物组成 | 第23-28页 |
| 2.1.3 某井的实测元素与矿物数据 | 第28-37页 |
| 2.2 用于神经网络训练与测试的数据收集与整理 | 第37-43页 |
| 2.2.1 沉积岩数据的收集与整理 | 第37-40页 |
| 2.2.2 岩浆岩数据的收集与整理 | 第40页 |
| 2.2.3 沉积岩与岩浆岩在主要元素组成方面的关系图版的创建 | 第40-43页 |
| 第三章 人工智能与人工神经网络现状及在岩性解释中的应用 | 第43-59页 |
| 3.1 人工智能研究现状及在石油地质中的应用 | 第43-47页 |
| 3.1.1 人工智能的概念与概况 | 第43页 |
| 3.1.2 人工智能的发展史 | 第43-44页 |
| 3.1.3 人工智能的发展方向 | 第44-45页 |
| 3.1.4 人工智能的研究方向 | 第45-46页 |
| 3.1.5 人工智能与油气勘探 | 第46-47页 |
| 3.2 人工神经网络的研究现状及在岩性识别中的应用 | 第47-59页 |
| 3.2.1 人工神经网络的概况 | 第47-48页 |
| 3.2.2 人工神经网络的发展史 | 第48-49页 |
| 3.2.3 神经元模型和网络结构 | 第49-55页 |
| 3.2.4 人工神经网络在岩性解释中的应用 | 第55-59页 |
| 第四章 神经网络区分岩浆岩与沉积岩 | 第59-80页 |
| 4.1 多层感知器人工神经网络 | 第59-62页 |
| 4.1.1 单层感知器人工神经网络 | 第59-60页 |
| 4.1.2 多层感知器人工神经网络 | 第60-61页 |
| 4.1.3 多层感知器的主要训练算法 | 第61-62页 |
| 4.2 地学中区分岩浆岩与沉积岩的方法与意义 | 第62-65页 |
| 4.2.1 常见的区分岩浆岩与沉积岩的方法概述 | 第62-64页 |
| 4.2.2 特殊条件下区分沉积岩与岩浆岩岩性的困难之处 | 第64页 |
| 4.2.3 常见的数理分类方法与神经网络分类的优势 | 第64-65页 |
| 4.3 基于多层感知器的沉积岩和岩浆岩分类模型的建立与测试 | 第65-80页 |
| 4.3.1 多层感知器在沉积岩与岩浆岩分类方面的基本方法 | 第65-66页 |
| 4.3.2 利用多层感知器进行沉积岩与岩浆岩分类的具体过程 | 第66-74页 |
| 4.3.3 多层感知器网络测试 | 第74-80页 |
| 第五章 沉积岩矿物模型的构建与测试 | 第80-111页 |
| 5.1 BP人工神经网络 | 第80-88页 |
| 5.1.1 BP神经网络的概念 | 第80页 |
| 5.1.2 BP神经网络主要原理 | 第80-83页 |
| 5.1.3 BP神经网络设计 | 第83-85页 |
| 5.1.4 BP人工神经网络的改进方法 | 第85-87页 |
| 5.1.5 BP神经网络的优缺点 | 第87-88页 |
| 5.2 沉积岩中主要造岩元素与主要造岩矿物复杂的对应关系 | 第88-94页 |
| 5.2.1 根据主要造岩矿物对沉积岩进行分类的方案 | 第88-90页 |
| 5.2.2 沉积岩元素与矿物之间复杂的关系 | 第90-94页 |
| 5.3 利用BP人工神经网络建立矿物含量预测模型 | 第94-111页 |
| 5.3.1 样本的整理 | 第94页 |
| 5.3.2 根据元素预测矿物含量的BP神经网络模型的构建 | 第94-96页 |
| 5.3.3 BP神经网络的训练与测试 | 第96-111页 |
| 第六章 岩性识别软件的设计与测试 | 第111-133页 |
| 6.1 岩性识别软件的设计 | 第111-128页 |
| 6.1.1 岩性识别软件流程图 | 第111-112页 |
| 6.1.2 应用程序开发过程 | 第112-124页 |
| 6.1.3 应用程序注册嵌入LEAD软件的过程 | 第124-128页 |
| 6.2 岩性识别软件的测试 | 第128-133页 |
| 6.2.1 嵌入到LEAD的界面 | 第128-129页 |
| 6.2.2 L井实测矿物与预测矿物含量对比 | 第129-130页 |
| 6.2.3 Y1井与Y2井部分矿物预测结果与哈里伯顿公司处理结果对比 | 第130-131页 |
| 6.2.4 岩性定性表示界面 | 第131-133页 |
| 第七章 结论与认识 | 第133-135页 |
| 7.1 取得的成果与认识 | 第133页 |
| 7.2 问题和下一步工作 | 第133-135页 |
| 参考文献 | 第135-144页 |
| 攻读博士学位期间取得的研究成果 | 第144-145页 |
| 1. 攻读博士学位期间取得的学术成果 | 第144页 |
| 2. 攻读博士学位期间参与的主要科研项目 | 第144-145页 |
| 致谢 | 第145-146页 |
| 作者简介 | 第146页 |
