| 中文摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 引言 | 第9-17页 |
| 1.1 核磁共振测井技术研究综述 | 第9-12页 |
| 1.1.1 核磁共振测井技术研究的历史、现状与发展 | 第9-10页 |
| 1.1.2 储层物性识别评价技术研究的历史、现状与发展 | 第10-12页 |
| 1.2 研究目的及意义 | 第12-13页 |
| 1.3 研究思路、内容及方法 | 第13-15页 |
| 1.3.1 研究思路和内容 | 第13-14页 |
| 1.3.2 研究方法 | 第14-15页 |
| 1.4 论文的创新点和主要工作量 | 第15-17页 |
| 1.4.1 论文的创新点 | 第15-16页 |
| 1.4.2 论文的主要工作量 | 第16-17页 |
| 第2章 核磁共振测井技术的物理基础 | 第17-29页 |
| 2.1 核磁性 | 第17-18页 |
| 2.1.1 核磁矩 | 第17页 |
| 2.1.2 自旋角动量 | 第17-18页 |
| 2.1.3 Larmor进动 | 第18页 |
| 2.1.4 宏观磁化强度 | 第18页 |
| 2.2 核磁共振 | 第18-29页 |
| 2.2.1 量子力学观点 | 第19-20页 |
| 2.2.2 经典力学观点 | 第20-21页 |
| 2.2.3 经典矢量模型 | 第21-22页 |
| 2.2.4 弛豫过程 | 第22-25页 |
| 2.2.5 岩石中流体的核磁弛豫机制 | 第25-29页 |
| 第3章 人工神经网络的基本原理 | 第29-42页 |
| 3.1 人工神经网络技术发展简介 | 第29-30页 |
| 3.2 人工神经网络基本原理 | 第30-35页 |
| 3.2.1 大脑神经网络 | 第30页 |
| 3.2.2 人工神经元 | 第30-31页 |
| 3.2.3 激活转移函数 | 第31-32页 |
| 3.2.4 M-P神经元模型 | 第32-33页 |
| 3.2.5 人工神经网络系统 | 第33-34页 |
| 3.2.6 人工神经网络的学习规则 | 第34-35页 |
| 3.3 BP神经网络及MATLAB神经网络工具箱 | 第35-42页 |
| 3.3.1 BP神经网络基本原理 | 第35-37页 |
| 3.3.2 标准BP神经网络的优缺点及改进类型 | 第37-39页 |
| 3.3.3 Matlab人工神经网络工具箱 | 第39-42页 |
| 第4章 基于核磁共振T_2谱的渗透率计算 | 第42-67页 |
| 4.1 思路 | 第42-44页 |
| 4.2 岩心数据的校深 | 第44-45页 |
| 4.3 训练点的选择 | 第45-48页 |
| 4.4 训练数据点的进一步优化 | 第48-49页 |
| 4.5 神经网络类型的选择和网络参数的确定 | 第49-51页 |
| 4.6 神经网络层数和节点数的确定 | 第51-54页 |
| 4.7 成果展示 | 第54-67页 |
| 4.7.1 基于BP神经网络方法的渗透率拟合 | 第54-62页 |
| 4.7.2 岩心分析渗透率和BP神经网络拟合渗透率相关性分析 | 第62-65页 |
| 4.7.3 BP神经网络拟合渗透率和Coates模型渗透率曲线对比 | 第65-67页 |
| 第5章 基于核磁共振测井的储层含油性评价 | 第67-107页 |
| 5.1 基本理论和方法 | 第67-73页 |
| 5.1.1 地层流体的极化过程 | 第67-68页 |
| 5.1.2 核磁信号的探测 | 第68页 |
| 5.1.3 原始回波信号信噪比增强处理和环境校正 | 第68-73页 |
| 5.2 核磁仪器的刻度和校验 | 第73-75页 |
| 5.3 应用核磁共振技术进行含油气评价 | 第75-107页 |
| 5.3.1 Waxman-Smits模型 | 第75-76页 |
| 5.3.2 双水模型 | 第76-77页 |
| 5.3.3 T_2谱差分油气评价技术 | 第77-83页 |
| 5.3.4 谱位移技术进行油水评价 | 第83-88页 |
| 5.3.5 基于核磁的油气定量解释新技术 | 第88-107页 |
| 第6章 结论与认识 | 第107-108页 |
| 致谢 | 第108-109页 |
| 参考文献 | 第109-118页 |
| 附录 | 第118页 |
