| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1 前言 | 第8-16页 |
| ·选题的目的和意义 | 第8页 |
| ·岩性识别技术研究及应用现状 | 第8-13页 |
| ·技术现状 | 第8-13页 |
| ·应用现状 | 第13页 |
| ·论文研究工作及取得的主要成果 | 第13-16页 |
| ·研究思路 | 第13-14页 |
| ·研究的主要内容 | 第14页 |
| ·完成的工作量 | 第14页 |
| ·取得的成果及创新点 | 第14-16页 |
| 2 彬长矿区地质概况及地层物性特征 | 第16-23页 |
| ·地层及测井曲线特征 | 第16-20页 |
| ·煤岩层物性特征 | 第20-22页 |
| ·伽玛伽玛 | 第21页 |
| ·自然伽玛 | 第21页 |
| ·三侧向电阻率 | 第21页 |
| ·自然电位 | 第21页 |
| ·声波时差 | 第21-22页 |
| ·岩性识别参数选取 | 第22-23页 |
| 3 测井数据预处理 | 第23-30页 |
| ·数据格式转换 | 第23页 |
| ·测井曲线的深度校正 | 第23页 |
| ·环境影响校正 | 第23-26页 |
| ·自然伽玛 | 第24页 |
| ·伽玛伽玛 | 第24-25页 |
| ·三侧向电阻率 | 第25页 |
| ·自然电位基漂移校正 | 第25-26页 |
| ·声波时差 | 第26页 |
| ·平滑滤波处理 | 第26-27页 |
| ·测井数据的标准化 | 第27-29页 |
| ·小结 | 第29-30页 |
| 4 遗传BP神经网络模型的建立 | 第30-45页 |
| ·BP神经网络的基本原理 | 第30-36页 |
| ·BP神经网络结构模型和特征 | 第30-31页 |
| ·BP神经网络模型学习算法 | 第31-33页 |
| ·BP模型存在的缺陷 | 第33-34页 |
| ·BP网络的改进 | 第34-35页 |
| ·BP神经网络的具体实施步骤 | 第35-36页 |
| ·遗传算法 | 第36-40页 |
| ·遗传算法的特征 | 第36-37页 |
| ·遗传算法关键参数确定 | 第37页 |
| ·遗传算法终止准则 | 第37-38页 |
| ·遗传算法的实现步骤 | 第38-40页 |
| ·遗传BP算法的基本思想 | 第40-41页 |
| ·遗传BP算法的实施方案 | 第41-42页 |
| ·建立岩性识别模型 | 第42-44页 |
| ·建立模型原则 | 第42-43页 |
| ·岩性识别模型的建立 | 第43-44页 |
| ·小结 | 第44-45页 |
| 5 遗传BP神经网络模型在测井数据岩性识别中的应用 | 第45-56页 |
| ·遗传BP神经网络模型的应用 | 第45-54页 |
| ·选择识别学习样本的原则 | 第45页 |
| ·取学习样本特征值方法 | 第45-46页 |
| ·训练样本数据库的建立 | 第46-48页 |
| ·网络的训练 | 第48-54页 |
| ·训练结果分析 | 第54页 |
| ·识别后自动分层 | 第54-55页 |
| ·小结 | 第55-56页 |
| 6 测井数据岩性识别软件系统的实现 | 第56-65页 |
| ·软件系统的特点 | 第56-60页 |
| ·软件系统的总体结构 | 第56-57页 |
| ·数据处理模块 | 第57-59页 |
| ·绘图模块 | 第59-60页 |
| ·系统主要功能 | 第60-64页 |
| ·数据管理模块 | 第60-62页 |
| ·绘图模块 | 第62-64页 |
| ·小结 | 第64-65页 |
| 7 结论 | 第65-67页 |
| 附录一 BP神经网络代码 | 第67-73页 |
| 附录二 遗传算法网络代码 | 第73-78页 |
| 参考文献 | 第78-81页 |
| 致谢 | 第81-82页 |
| 个人简介 | 第82页 |