地化数据智能解释与评价研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 创新点摘要 | 第7-10页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 课题背景及研究意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 神经网络 | 第10-12页 |
| 1.2.2 模糊推理 | 第12-13页 |
| 1.2.3 储层预测的研究概述 | 第13-14页 |
| 1.3 论文组织结构 | 第14-15页 |
| 1.4 本章小结 | 第15-16页 |
| 第二章 地化数据归一化研究 | 第16-26页 |
| 2.1 地化数据分析校正 | 第16-22页 |
| 2.1.1 地化数据 | 第16-18页 |
| 2.1.2 热解参数的损失因素分析 | 第18页 |
| 2.1.3 热解分析值校正方法 | 第18-21页 |
| 2.1.4 含油岩屑上返过程中烃类损失量校正方法 | 第21-22页 |
| 2.2 地化数据归一化方法研究 | 第22-25页 |
| 2.2.1 数据归一化原理 | 第22-23页 |
| 2.2.2 地化数据归一化流程 | 第23页 |
| 2.2.3 地化数据归一化方法 | 第23-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第三章 基于神经模糊推理的储层参数识别 | 第26-42页 |
| 3.1 模糊神经网络融合原理 | 第26-31页 |
| 3.1.1 模糊神经网络原理 | 第26-27页 |
| 3.1.2 神经网络-模糊推理融合结构 | 第27-31页 |
| 3.2 神经网络-模糊推理融合模型 | 第31-36页 |
| 3.2.1 基于BP算法的模糊神经网络模型 | 第31-34页 |
| 3.2.2 模糊神经元模型 | 第34-35页 |
| 3.2.3 模糊神经元网络 | 第35页 |
| 3.2.4 神经网络-模糊推理谱分布 | 第35-36页 |
| 3.3 神经网络模糊推理算法研究 | 第36-40页 |
| 3.3.1 NNFR神经模糊推理模型 | 第36-37页 |
| 3.3.2 NNFR神经模糊推理算法实现 | 第37-40页 |
| 3.4 应用实例 | 第40-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第四章 基于模糊神经网络算法的产能预测方法 | 第42-51页 |
| 4.1 产能预测准备条件 | 第42-43页 |
| 4.2 产能预测方法 | 第43-45页 |
| 4.2.1 产能预测方程 | 第43-44页 |
| 4.2.2 产能因子预测 | 第44页 |
| 4.2.3 结合解释图版产能预测 | 第44-45页 |
| 4.3 基于模糊推理的神经网络的产能预测方法 | 第45-48页 |
| 4.3.1 函数链神经网络 | 第45-47页 |
| 4.3.2 模糊自适应变权重算法 | 第47-48页 |
| 4.4 应用实例 | 第48-50页 |
| 4.5 本章小结 | 第50-51页 |
| 第五章 地化数据智能解释评价设计与实现 | 第51-64页 |
| 5.1 系统的总体设计 | 第51-53页 |
| 5.2 系统的数据库设计 | 第53-55页 |
| 5.2.1 子系统表关系 | 第53页 |
| 5.2.2 子系统数据字典 | 第53-55页 |
| 5.3 系统的功能设计 | 第55-62页 |
| 5.3.1 地化数据导入 | 第55页 |
| 5.3.2 成果数据导出 | 第55-56页 |
| 5.3.3 解释图版图例制作 | 第56-57页 |
| 5.3.4 解释模型的导出和导入 | 第57页 |
| 5.3.5 地化解释应用 | 第57-61页 |
| 5.3.6 产能预测应用 | 第61-62页 |
| 5.4 系统应用测试 | 第62-63页 |
| 5.5 本章小结 | 第63-64页 |
| 结论 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 发表文章目录 | 第68-69页 |
| 致谢 | 第69-70页 |
