致密砂岩储层裂缝最优识别方法及软件开发
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 前言 | 第10-14页 |
| ·选题依据和意义 | 第10页 |
| ·国内外研究现状 | 第10-11页 |
| ·研究思路和研究内容 | 第11-12页 |
| ·取得主要认识 | 第12-14页 |
| 第2章 裂缝分类及特征简述 | 第14-18页 |
| ·裂缝的分类及特征 | 第14-16页 |
| ·天然裂缝 | 第15页 |
| ·人工诱导裂缝 | 第15-16页 |
| ·诱导裂缝与天然裂缝区别 | 第16页 |
| ·其它地质现象的形态特征 | 第16-18页 |
| 第3章 裂缝识别方法的研究及应用 | 第18-54页 |
| ·BP 神经网络算法 | 第18-26页 |
| ·BP 神经网络算法基本概念 | 第18-22页 |
| ·BP 神经网络分类器的设计 | 第22-23页 |
| ·BP 神经网络单井裂缝识别 | 第23-26页 |
| ·概率神经网络算法 | 第26-31页 |
| ·概率神经网络结构 | 第26-29页 |
| ·概率神经网络训练 | 第29-30页 |
| ·概率神经网络单井裂缝识别 | 第30-31页 |
| ·支持向量机法 | 第31-38页 |
| ·支持向量机的工作原理 | 第32-35页 |
| ·支持向量机的训练法 | 第35-37页 |
| ·支持向量机单井裂缝识别 | 第37-38页 |
| ·小波神经网络算法 | 第38-46页 |
| ·小波变换基本理论 | 第38-41页 |
| ·多尺度分析 | 第41-42页 |
| ·小波神经网络 | 第42-46页 |
| ·小波神经网络单井裂缝识别 | 第46页 |
| ·灰色理论系统方法 | 第46-50页 |
| ·灰色系统分析基本原则 | 第46-47页 |
| ·灰色系统理论原理 | 第47-49页 |
| ·灰色系统理论单井裂缝识别 | 第49-50页 |
| ·识别方法的测试应用 | 第50-54页 |
| ·新场地区储层地质特征 | 第50-51页 |
| ·识别算法模型在新场地区的应用 | 第51-54页 |
| 第4章 识别算法的软件开发与设计 | 第54-70页 |
| ·软件需求分析 | 第54页 |
| ·软件开发可行性分析 | 第54-55页 |
| ·软件结构设计 | 第55-67页 |
| ·软件体系结构 | 第55-56页 |
| ·主模块详细设计 | 第56-67页 |
| ·软件构架模式 | 第67页 |
| ·开发环境和开发技术 | 第67-68页 |
| ·开发环境 | 第67页 |
| ·开发技术 | 第67-68页 |
| ·软件运行环境 | 第68页 |
| ·数据文件输入格式要求 | 第68-70页 |
| 结论及建议 | 第70-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-76页 |
| 攻读学位期间取得学术成果 | 第76页 |
