基于常规测井资料的储层微观孔隙结构评价方法
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 创新点摘要 | 第6-9页 |
| 前言 | 第9-14页 |
| 0.1 论文研究的目的意义 | 第9页 |
| 0.2 储层微观孔隙结构研究现状 | 第9-12页 |
| 0.3 论文研究的主要内容及技术路线 | 第12-14页 |
| 0.3.1 本文研究的主要内容 | 第12页 |
| 0.3.2 本文的技术路线 | 第12-14页 |
| 第一章 储层微观孔隙结构研究方法 | 第14-24页 |
| 1.1 室内实验方法 | 第14-19页 |
| 1.1.1 毛管压力曲线法 | 第14-18页 |
| 1.1.2 铸体薄片法 | 第18页 |
| 1.1.3 扫描电镜法 | 第18-19页 |
| 1.2 测井资料研究孔隙结构 | 第19-21页 |
| 1.2.1 利用电阻率测井资料研究岩石孔隙结构 | 第19-20页 |
| 1.2.2 利用核磁共振测井研究孔隙结构 | 第20-21页 |
| 1.3 理论模拟研究 | 第21-22页 |
| 1.4 物理实验研究 | 第22-24页 |
| 第二章 储层微观孔隙结构特征及分类 | 第24-29页 |
| 2.1 储层微观孔隙结构表征参数 | 第24-26页 |
| 2.2 储层微观孔隙结构分类 | 第26-27页 |
| 2.3 各类微观孔隙结构特征 | 第27-29页 |
| 第三章 人工神经网络识别孔隙结构方法 | 第29-37页 |
| 3.1 人工神经网络技术的基本原理 | 第29-32页 |
| 3.1.1 人工神经网络的基本特征 | 第29-30页 |
| 3.1.2 人工神经网络的基本数学模型 | 第30-31页 |
| 3.1.3 人工神经网络的学习方法 | 第31-32页 |
| 3.2 反向传播（BP）算法 | 第32-37页 |
| 3.2.1 BP算法的原理 | 第32页 |
| 3.2.2 BP算法的流程 | 第32-34页 |
| 3.2.3 BP算法的优缺点及改进 | 第34-36页 |
| 3.2.4 微观孔隙结构识别程序的编制 | 第36-37页 |
| 第四章 储层微观孔隙结构类型测井识别 | 第37-62页 |
| 4.1 测井资料预处理 | 第37-40页 |
| 4.1.1 测井资料标准化 | 第37-39页 |
| 4.1.2 测井资料归一化 | 第39-40页 |
| 4.2 神经网络法识别孔隙结构类型 | 第40-60页 |
| 4.2.1 储层微观孔隙结构测井响应特征 | 第40-47页 |
| 4.2.2 神经网络建模 | 第47-53页 |
| 4.2.3 实际资料处理 | 第53-60页 |
| 4.3 孔隙结构识别结果导入数据库 | 第60-62页 |
| 结论 | 第62-64页 |
| 参考文献 | 第64-67页 |
| 发表文章目录 | 第67-68页 |
| 致谢 | 第68-69页 |
