基于神经网络的地质钻探工况判别模型研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 地质钻探工况判别的目的及意义 | 第10-11页 |
| 1.2 研究现状与存在问题 | 第11-14页 |
| 1.3 研究内容及研究思路 | 第14-15页 |
| 1.4 小结 | 第15-16页 |
| 第2章 工况类型及参数分析 | 第16-26页 |
| 2.1 地质岩心钻探工程特点 | 第16-17页 |
| 2.1.1 工作环境 | 第16页 |
| 2.1.2 钻探设备 | 第16-17页 |
| 2.1.3 循环体系 | 第17页 |
| 2.1.4 钻孔结构 | 第17页 |
| 2.2 孔内异常工况原因分析 | 第17-18页 |
| 2.3 钻探参数获取 | 第18-19页 |
| 2.4 钻探孔内典型工况类型及特征 | 第19-25页 |
| 2.4.1 正常工况 | 第19-20页 |
| 2.4.2 糊钻 | 第20页 |
| 2.4.3 卡钻 | 第20-21页 |
| 2.4.4 烧钻 | 第21-22页 |
| 2.4.5 断钻 | 第22-23页 |
| 2.4.6 泥浆漏失 | 第23页 |
| 2.4.7 孔溢 | 第23-24页 |
| 2.4.8 参数选用 | 第24-25页 |
| 2.5 小结 | 第25-26页 |
| 第3章 工况判别模型的神经网络选型 | 第26-48页 |
| 3.1 人工神经网络结构及类型 | 第26-31页 |
| 3.1.1 神经网络模型及函数 | 第27-29页 |
| 3.1.2 神经网络拓扑结构选择 | 第29-30页 |
| 3.1.3 神经网络学习方式选择 | 第30-31页 |
| 3.2 Matlab神经网络选型及创建方法 | 第31-38页 |
| 3.2.1 Matlab创建神经网络模型的方法 | 第32-37页 |
| 3.2.2 工况判别模型采用的神经网络类型 | 第37-38页 |
| 3.3 BP神经网络特性 | 第38-41页 |
| 3.3.1 BP神经网络结构 | 第38页 |
| 3.3.2 BP神经网络学习算法 | 第38-40页 |
| 3.3.3 BP神经网络设计方法及步骤 | 第40-41页 |
| 3.3.4 BP神经网络的局限性 | 第41页 |
| 3.4 径向基神经网络特性 | 第41-46页 |
| 3.4.1 径向基神经网络结构 | 第41-45页 |
| 3.4.2 径向基神经网络的学习算法 | 第45-46页 |
| 3.5 小结 | 第46-48页 |
| 第4章 工况判别模型的神经网络实现 | 第48-65页 |
| 4.1 甘肃阳山金矿区钻探工程概况 | 第48-49页 |
| 4.1.1 甘肃阳山金矿区工程地质特征 | 第48页 |
| 4.1.2 矿区井故特征 | 第48-49页 |
| 4.2 数据准备 | 第49-53页 |
| 4.2.1 井故资料分析 | 第49-50页 |
| 4.2.2 钻进参数变化趋势表示 | 第50-53页 |
| 4.3 BP神经网络模型实现 | 第53-60页 |
| 4.3.1 训练函数确定 | 第53-55页 |
| 4.3.2 隐藏层神经元个数确定 | 第55-58页 |
| 4.3.3 传递函数选择 | 第58-59页 |
| 4.3.4 自适应函数选择 | 第59页 |
| 4.3.5 BP神经网络结果分析 | 第59-60页 |
| 4.4 RBF神经网络实现 | 第60-62页 |
| 4.4.1 RBF神经网络设计 | 第60-62页 |
| 4.4.2 RBF神经网络结果分析 | 第62页 |
| 4.5 工况判别模型实现 | 第62-64页 |
| 4.6 小结 | 第64-65页 |
| 第五章 总结 | 第65-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-71页 |
| 附录 | 第71页 |
