| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 前言 | 第9-14页 |
| 1.1 研究目的及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 横波预测的研究现状 | 第10-11页 |
| 1.2.2 BFO-BP神经网络研究现状 | 第11-12页 |
| 1.3 研究技术路线及主要研究内容 | 第12-13页 |
| 1.4 研究成果及创新点 | 第13-14页 |
| 第2章 基于岩石弹性参数的正演法 | 第14-20页 |
| 2.1 岩石弹性参数正演流程 | 第14-15页 |
| 2.2 岩石物理模型参数设定及影响因素研究 | 第15-20页 |
| 2.2.1 理论值岩石基质对碳酸盐岩横波速度的影响 | 第16-17页 |
| 2.2.2 理论值孔隙纵横比对碳酸盐岩横波速度的影响 | 第17-18页 |
| 2.2.3 理论值孔隙度对碳酸盐岩横波速度的影响 | 第18页 |
| 2.2.4 理论值流体饱和度对碳酸盐岩横波速度的影响 | 第18-20页 |
| 第3章 自适应XU-PAYNE模型法 | 第20-33页 |
| 3.1 碳酸盐岩XU-PAYNE模型的构建 | 第20-25页 |
| 3.1.1 经典Xu-Payne模型搭建 | 第20-24页 |
| 3.1.2 交会图分析技术 | 第24-25页 |
| 3.2 碳酸盐岩自适应XU-PAYNE模型的构建 | 第25-33页 |
| 3.2.1 构建自适应Xu-Payne模型的步骤 | 第25-29页 |
| 3.2.2 孔隙纵横比及孔隙度的估算 | 第29-33页 |
| 第4章 BFO-BP神经网络预测法 | 第33-45页 |
| 4.1 BP神经网络 | 第33-39页 |
| 4.1.1 Tensorflow基本概念及模型搭建 | 第33-34页 |
| 4.1.2 神经网络原理 | 第34-38页 |
| 4.1.3 BP神经网络优化中的挑战 | 第38-39页 |
| 4.2 BFO-BP神经网络模型 | 第39-45页 |
| 4.2.1 细菌觅食优化算法 | 第39-42页 |
| 4.2.2 利用BFO算法训练BP神经网络 | 第42-45页 |
| 第5章 碳酸盐岩横波预测精度分析 | 第45-61页 |
| 5.1 研究工区概况 | 第45-46页 |
| 5.2 基础数据集研究 | 第46-50页 |
| 5.2.1 基础数据集分析 | 第46-47页 |
| 5.2.2 岩石物理分析 | 第47-49页 |
| 5.2.3 模型评估及误差公式 | 第49-50页 |
| 5.3 实际横波速度预测结果 | 第50-61页 |
| 5.3.1 基于岩石弹性参数正演法的横波预测 | 第50-56页 |
| 5.3.2 自适应Xu-Payne模型法的横波预测 | 第56-57页 |
| 5.3.3 BFO-BP神经网络预测法的横波预测 | 第57-59页 |
| 5.3.4 三种模型横波预测结果对比分析 | 第59-61页 |
| 第6章 认识与建议 | 第61-63页 |
| 6.1 认识 | 第61页 |
| 6.2 问题与建议 | 第61-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 个人简介 | 第67-68页 |
