基于人工神经网络的超深井储层敏感性预测
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 前言 | 第9-14页 |
| ·选题的背景及意义 | 第9-10页 |
| ·国内外研究现状 | 第10-13页 |
| ·主要研究内容 | 第13-14页 |
| 第二章 人工神经网络原理及实现技术 | 第14-32页 |
| ·神经网络的学习 | 第14页 |
| ·神经网络的信息处理能力 | 第14-17页 |
| ·BP 神经网络 | 第17-22页 |
| ·网络的模型结构 | 第17-18页 |
| ·BP 网络的学习规则 | 第18页 |
| ·BP 网络的算法 | 第18-19页 |
| ·BP 网络的设计和训练 | 第19-21页 |
| ·BP 学习算法的改进 | 第21-22页 |
| ·基于MATLAB 的神经网络设计与分析 | 第22-31页 |
| ·MATLAB 简介 | 第22页 |
| ·MATLAB 神经网络工具箱 | 第22-23页 |
| ·MATLAB 用户接口及功能函数 | 第23-24页 |
| ·常用函数及参数设置分析 | 第24-31页 |
| ·小结 | 第31-32页 |
| 第三章 基于神经网络工具储层敏感性预测原理 | 第32-44页 |
| ·神经网络预测模式技术方案 | 第32-35页 |
| ·系统总体结构 | 第32-33页 |
| ·胜利油区超深井概况 | 第33-35页 |
| ·储层敏感性影响因素 | 第35-40页 |
| ·神经网络模型的建立 | 第40-42页 |
| ·网络结构的确定 | 第40页 |
| ·输入与输出层的确定 | 第40页 |
| ·隐层数的确定及优化 | 第40-42页 |
| ·样本数据预处理方法 | 第42-43页 |
| ·数据预处理方法 | 第42-43页 |
| ·引入补充节点 | 第43页 |
| ·小结 | 第43-44页 |
| 第四章 基于神经网络工具的预测系统实现 | 第44-53页 |
| ·引言 | 第44页 |
| ·敏感性预测数据的归一化处理 | 第44页 |
| ·敏感性诊断模型的建立 | 第44-48页 |
| ·BP 网络程序设计的MATLAB 实现 | 第48-50页 |
| ·MATLAB 与VC++应用程序接口的设计 | 第50-51页 |
| ·模型的仿真预测 | 第51页 |
| ·小结 | 第51-53页 |
| 第五章 储层敏感性预测系统的应用 | 第53-66页 |
| ·储层潜在敏感性预测软件界面 | 第53-54页 |
| ·超深井储层敏感性预测步骤 | 第54-55页 |
| ·敏感性预测软件的现场应用 | 第55-65页 |
| ·小结 | 第65-66页 |
| 结论 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 攻读硕士学位期间取得的学术成果 | 第70-71页 |
| 致谢 | 第71页 |
