模糊模式识别在储层精细评价中的应用
| 1 前言 | 第1-11页 |
| 1．1、 立题依据 | 第6页 |
| 1．2、 国内外研究现状 | 第6-8页 |
| 1．3、 研究资料与问题的分析 | 第8-9页 |
| 1．3．1、 资料来源 | 第8页 |
| 1．3．2、 研究范围 | 第8页 |
| 1．3．3、 研究层位 | 第8-9页 |
| 1．3．4、 问题的提出 | 第9页 |
| 1．3．5、 问题的解决 | 第9页 |
| 1．4、 任务及预期成果 | 第9-11页 |
| 1．4．1、 研究任务 | 第9-10页 |
| 1．4．2、 预期研究成果 | 第10-11页 |
| 2 模糊模式识别的原理 | 第11-21页 |
| 2．1、 模糊数学的原理 | 第11-12页 |
| 2．2、 模糊概念在实际中的应用——模糊决策 | 第12-15页 |
| 2．2．1、 模糊目标与模糊约束 | 第12-13页 |
| 2．2．2、 多目标模糊决策 | 第13-15页 |
| 2．3、 模糊性与灰色性的比较 | 第15页 |
| 2．4、 模糊模式识别的原理 | 第15-21页 |
| 2．4．1、 个体识别 | 第16-17页 |
| 2．4．2、 群体的识别 | 第17-21页 |
| 3 自适应多维非线性隶属函数的构造 | 第21-28页 |
| 3．1、 模糊模式识别原则 | 第21页 |
| 3．2、 隶属度与模糊统计 | 第21-22页 |
| 3．3、 隶属函数的构造原理 | 第22-23页 |
| 3．4、 隶属函数构造的一般原则 | 第23-24页 |
| 3．5、 自适应多维非线性隶属函数的构造方法 | 第24-26页 |
| 3．5．1、 建立初始的多维非线性隶属函数 | 第24-26页 |
| 3．5．2、 自适应的过程 | 第26页 |
| 3．6、 构造自适应多维非线性隶属函数流程图 | 第26-28页 |
| 4 模糊模式识别在砂体精细评价中的应用 | 第28-48页 |
| 4．1、 建立一个智能的储层数据库 | 第28页 |
| 4．2、 砂体的储集性分布预测 | 第28-30页 |
| 4．2．1、 问题的提出 | 第28-29页 |
| 4．2．2、 模式组建 | 第29-30页 |
| 4．3、 模式训练 | 第30-38页 |
| 4．3．1、 特征变量的选取 | 第30页 |
| 4．3．2、 归一化变化 | 第30-31页 |
| 4．3．3、 计算流程图如下 | 第31-32页 |
| 4．3．4、 隶属函数的“训练”过程 | 第32-34页 |
| 4．3．5、 隶属函数的“训练”结果 | 第34-38页 |
| 4．4、 外推评价 | 第38-48页 |
| 4．4．1、 预测计算流程图 | 第38-39页 |
| 4．4．2、 砂体的平面分布图 | 第39-44页 |
| 4．4．3、 小层的平面分布图 | 第44-45页 |
| 4．4．4、 大层的平面分布图 | 第45-46页 |
| 4．4．5、 砂体的厚度三维图 | 第46-48页 |
| 5 模糊模式识别软件系统 | 第48-55页 |
| 5．1、 软件使用环境和设置 | 第48页 |
| 5．2、 软件主要功能 | 第48-49页 |
| 5．3、 系统结构 | 第49-50页 |
| 5．4、 系统的操作及相应的交互界面 | 第50-55页 |
| 6 结论与建议 | 第55-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-59页 |
| 附录1 实现算法的核心代码 | 第59-62页 |
| 附录2 预测核心代码 | 第62-65页 |
