文摘
英文文摘
1 前言
1.1 选题的目的和意义
1.2 岩性识别技术研究及应用现状
1.2.1 技术现状
1.2.2 应用现状
1.3 论文研究工作及取得的主要成果
1.3.1 研究思路
1.3.2 研究的主要内容
1.3.3 完成的工作量
1.3.4 取得的成果及创新点
2 彬长矿区地质概况及地层物性特征
2.1 地层及测井曲线特征
2.2 煤岩层物性特征
2.2.1 伽玛伽玛
2.2.2 自然伽玛
2.2.3 三侧向电阻率
2.2.4 自然电位
2.2.5 声波时差
2.3 岩性识别参数选取
3 测井数据预处理
3.1 数据格式转换
3.2 测井曲线的深度校正
3.3 环境影响校正
3.3.1 自然伽玛
3.3.2 伽玛伽玛
3.3.3 三侧向电阻率
3.3.4 自然电位基漂移校正
3.3.5 声波时差
3.4 平滑滤波处理
3.5 测井数据的标准化
3.6 小结
4 遗传BP神经网络模型的建立
4.1 BP神经网络的基本原理
4.1.1 BP神经网络结构模型和特征
4.1.2 BP神经网络模型学习算法
4.1.3 BP模型存在的缺陷
4.1.4 BP网络的改进
4.1.5 BP神经网络的具体实施步骤
4.2 遗传算法
4.2.1 遗传算法的特征
4.2.2 遗传算法关键参数确定
4.2.3 遗传算法终止准则
4.2.4 遗传算法的实现步骤
4.3 遗传BP算法的基本思想
4.4 遗传BP算法的实施方案
4.5 建立岩性识别模型
4.5.1 建立模型原则
4.5.2 岩性识别模型的建立
4.6 小结
5 遗传BP神经网络模型在测井数据岩性识别中的应用
5.1 遗传BP神经网络模型的应用
5.2 识别后自动分层
5.3 小结
6 测井数据岩性识别软件系统的实现
6.1 软件系统的特点
6.1.1 软件系统的总体结构
6.1.2 数据处理模块
6.1.3 绘图模块
6.2 系统主要功能
6.2.1 数据管理模块
6.2.2 绘图模块
6.3 小结
7 结论
附录一 BP神经网络代码
附录二 遗传算法网络代码
参考文献
致谢
个人简介