| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 研究内容 | 第14-15页 |
| 1.4 论文的组织结构 | 第15-17页 |
| 第二章 地层识别相关基础知识 | 第17-33页 |
| 2.1 随钻测井 | 第17-23页 |
| 2.1.1 随钻测井技术发展 | 第17-18页 |
| 2.1.2 随钻测井技术基本原理 | 第18-22页 |
| 2.1.3 随钻测井技术的优势 | 第22-23页 |
| 2.2 测井信息的地层特征 | 第23-25页 |
| 2.3 人工神经网络 | 第25-32页 |
| 2.3.1 人工神经网络的发展 | 第25页 |
| 2.3.2 人工神经元模型 | 第25-28页 |
| 2.3.3 人工神经网络的主要模型 | 第28-30页 |
| 2.3.4 人工神经网络的学习方法 | 第30-32页 |
| 2.4 本章总结 | 第32-33页 |
| 第三章 基于随钻测井信息的地层识别方法研究 | 第33-59页 |
| 3.1 自动分层前处理 | 第33-35页 |
| 3.1.1 测井曲线数据滤波处理 | 第33-34页 |
| 3.1.2 测井曲线归一化处理 | 第34-35页 |
| 3.2 常用地层识别方法 | 第35-43页 |
| 3.2.1 极值方差聚类分析法 | 第35-38页 |
| 3.2.2 活度函数法 | 第38-40页 |
| 3.2.3 测井曲线拐点法 | 第40-43页 |
| 3.3 人工智能地层识别方法 | 第43-58页 |
| 3.3.1 BP神经网络地层识别方法 | 第44-51页 |
| 3.3.2 融合遗传算法的弹性BP神经网络地层识别方法 | 第51-58页 |
| 3.4 本章总结 | 第58-59页 |
| 第四章 随钻地层识别系统的设计与实现 | 第59-75页 |
| 4.1 系统需求分析和总体设计 | 第59-61页 |
| 4.2 系统详细设计 | 第61-65页 |
| 4.2.1 地层识别系统功能模块 | 第61-63页 |
| 4.2.2 地层识别系统类结构描述 | 第63-65页 |
| 4.3 系统关键算法实现 | 第65-66页 |
| 4.4 系统测试与应用 | 第66-74页 |
| 4.5 本章总结 | 第74-75页 |
| 第五章 实验结果与分析 | 第75-90页 |
| 5.1 实验环境 | 第75页 |
| 5.2 传统方法识别地层 | 第75-80页 |
| 5.3 BP算法识别地层 | 第80-84页 |
| 5.4 RPROP算法以及结合遗传算法识别地层 | 第84-88页 |
| 5.5 实验结果分析 | 第88-89页 |
| 5.6 本章总结 | 第89-90页 |
| 总结与展望 | 第90-91页 |
| 工作总结 | 第90页 |
| 不足与展望 | 第90-91页 |
| 参考文献 | 第91-95页 |
| 致谢 | 第95页 |