| 摘要 | 第4-7页 |
| Abstract | 第7-9页 |
| 第1章 前言 | 第14-26页 |
| 1.1 油砂的定义 | 第15页 |
| 1.2 选题依据及意义 | 第15-17页 |
| 1.2.1 选题依据 | 第15-17页 |
| 1.2.2 研究意义 | 第17页 |
| 1.3 国内外研究现状及存在问题 | 第17-23页 |
| 1.3.1 国外研究现状 | 第17-20页 |
| 1.3.2 国内研究现状 | 第20-21页 |
| 1.3.3 研究区研究现状及存在问题 | 第21-23页 |
| 1.4 研究内容、思路及创新点 | 第23-25页 |
| 1.4.1 研究内容 | 第23-24页 |
| 1.4.2 研究思路 | 第24页 |
| 1.4.3 创新点 | 第24-25页 |
| 1.5 实物工作量 | 第25-26页 |
| 第2章 油砂成藏地质条件 | 第26-40页 |
| 2.1 区域地质概况 | 第26-30页 |
| 2.1.1 构造特征 | 第26-28页 |
| 2.1.2 地层特征 | 第28-30页 |
| 2.2 油砂成藏地质条件 | 第30-38页 |
| 2.2.1 油砂烃源岩的地球化学特征及油源分析 | 第31-32页 |
| 2.2.2 储层、盖层及储盖配置关系 | 第32-33页 |
| 2.2.3 油气运移条件 | 第33-35页 |
| 2.2.4 油砂成藏破坏作用及油砂成因 | 第35页 |
| 2.2.5 油砂油粘度及保存条件 | 第35-36页 |
| 2.2.6 油砂成藏过程及主控因素 | 第36-38页 |
| 2.3 前人研究的油砂分布规律 | 第38-40页 |
| 第3章 油砂储层空间岩性与孔隙类型 | 第40-52页 |
| 3.1 岩性确定 | 第40-44页 |
| 3.2 粘土矿物特征 | 第44-48页 |
| 3.2.1 X 射线衍射分析法确定粘土矿物类型及含量 | 第44-45页 |
| 3.2.2 扫描电镜观测粘土矿物类型及产状特征 | 第45-48页 |
| 3.3 储层孔隙类型 | 第48-51页 |
| 3.4 小结 | 第51-52页 |
| 第4章 油砂储层测井评价 | 第52-65页 |
| 4.1 孔隙度计算模式 | 第54-57页 |
| 4.2 饱和度计算模式 | 第57-59页 |
| 4.3 渗透率计算模式 | 第59-62页 |
| 4.4 小结 | 第62-65页 |
| 第5章 油砂储层精细对比 | 第65-78页 |
| 5.1 沉积相类型与特征 | 第65-68页 |
| 5.2 沉积相分布规律 | 第68-73页 |
| 5.3 沉积微相与储层特征 | 第73-74页 |
| 5.4 储层精细对比 | 第74-77页 |
| 5.5 小结 | 第77-78页 |
| 第6章 利用 BP 神经网络预测油砂层 | 第78-106页 |
| 6.1 BP 神经网络的原理及设计 | 第80-89页 |
| 6.1.1 BP 神经网络的结构 | 第80-82页 |
| 6.1.2 BP 神经网络的学习算法 | 第82-84页 |
| 6.1.3 BP 神经网络的设计 | 第84-88页 |
| 6.1.4 BP 神经网络的局限性 | 第88-89页 |
| 6.2 利用 BP 神经网络预测油砂层 | 第89-100页 |
| 6.2.1 技术路线 | 第90-91页 |
| 6.2.2 数据准备 | 第91-93页 |
| 6.2.3 学习样本的选取 | 第93-96页 |
| 6.2.4 BP 神经网络构建与编程 | 第96-100页 |
| 6.3 应用效果及分析 | 第100-104页 |
| 6.4 未知区油砂层预测 | 第104-106页 |
| 第7章 结论 | 第106-108页 |
| 参考文献 | 第108-118页 |
| 攻读博士学位期间的学术成果及参加会议 | 第118-119页 |
| 致谢 | 第119页 |