基于神经网络的储层参数建模研究
| 第1章 绪论 | 第1-14页 |
| ·课题研究的目的和意义 | 第10页 |
| ·课题研究的历史和现状 | 第10-12页 |
| ·本文主要研究内容 | 第12-14页 |
| 第2章 神经网络储层参数建模的概念与思路 | 第14-32页 |
| ·神经网络时间序列预测 | 第14-19页 |
| ·时间序列预测 | 第14-15页 |
| ·时间序列的分类及模型 | 第15-18页 |
| ·神经网络时间序列预测特点 | 第18-19页 |
| ·神经网络预测基本概念 | 第19-27页 |
| ·神经网络样本的数据处理 | 第19-20页 |
| ·权值、阈值、网络拓扑结构的初始化 | 第20-22页 |
| ·响应函数的确定 | 第22-23页 |
| ·神经网络训练 | 第23-24页 |
| ·神经网络的泛化 | 第24-26页 |
| ·神经网络模型的验证 | 第26-27页 |
| ·神经网络预测步骤 | 第27-28页 |
| ·神经网络储层参数建模的思路 | 第28-31页 |
| ·需要建模的石油储层参数名词解释 | 第28-29页 |
| ·神经网络储层参数建模的总体思路 | 第29-31页 |
| ·本章小结 | 第31-32页 |
| 第3章 年代模型的建立 | 第32-45页 |
| ·数据准备 | 第32-35页 |
| ·数据的转换与剔除 | 第32-33页 |
| ·训练数据和验证数据的挑选 | 第33-34页 |
| ·数据的归一化 | 第34-35页 |
| ·神经网络结构设计 | 第35-37页 |
| ·神经网络的层数设计 | 第35-36页 |
| ·神经元个数的设计 | 第36-37页 |
| ·神经网络训练指标的选取 | 第37-38页 |
| ·BP算法的改进 | 第38-42页 |
| ·基本 BP算法的缺点 | 第38-40页 |
| ·BP算法的改进措施 | 第40-41页 |
| ·采用 LMBP算法训练的误差图 | 第41-42页 |
| ·神经网络模型结构的保存及验证 | 第42页 |
| ·建立年代模型过程中遇到的问题与改进设想 | 第42-43页 |
| ·建立神经网络年代模型时遇到的问题 | 第42-43页 |
| ·设想的一些解决措施 | 第43页 |
| ·本章小结 | 第43-45页 |
| 第4章 大数据量年代模型建立的研究 | 第45-64页 |
| ·利用 RBF网络建立储层参数年代模型 | 第45-52页 |
| ·RBF神经网络基本概念 | 第45-50页 |
| ·RBF网建立年代参数模型的仿真 | 第50-51页 |
| ·RBF网络与 BP网络的比较 | 第51-52页 |
| ·利用粒子群优化的方法建立年代模型 | 第52-61页 |
| ·基本粒子群算法概述 | 第53-55页 |
| ·粒子群优化算法的离散时间线性系统分析 | 第55-56页 |
| ·粒子群优化算法的改进措施 | 第56-57页 |
| ·粒子群算法的优化性能比较 | 第57-59页 |
| ·利用粒子群优化网络建立年代模型 | 第59-61页 |
| ·分块模拟的方法建立年代预测模型 | 第61-63页 |
| ·本章小结 | 第63-64页 |
| 第5章 储层参数预测模型的建立 | 第64-68页 |
| ·未知的参数值的确定 | 第64页 |
| ·预测模型的建立 | 第64-66页 |
| ·预测结果分析 | 第66-67页 |
| ·本章小结 | 第67-68页 |
| 结论 | 第68-69页 |
| 参考文献 | 第69-74页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第74-75页 |
| 致谢 | 第75页 |
