遗传BP神经网络模型在彬长矿区测井数据岩性识别中的应用研究

摘要

岩性解释是测井数据处理中最关键的一环，传统的岩性解释是采用人工解释，效率低，精度不高，而且丢掉了许多有用的信息。随着地球物理数字测井技术的不断发展，充分利用计算机信息处理技术，快速、准确地利用测井数据进行岩性自动识别，不断提高测井地质解释的精度，已成为煤田地质勘探技术发展的重要方向。论文在分析测井数据岩性识别的国内外研究现状，总结前人研究成果的基础上，选择应用广泛的神经网络技术作为论文研究的重点；在分析遗传算法(Genetic Algorithm，简称GA)与误差反向传播算法(Back-Propagation，简称BP)各自特性的基础上，针对BP算法在反演中测井数据识别样本大以及BP算法存在收敛速度慢、容易陷入局部最小等缺陷，提出利用GA算法来同时优化BP神经网络的结构和连接权值的解决方案，建立了基于GA优化BP神经网络的测井数据岩性识别模型。最后，编制了集测井基础数据管理、测井数据岩性识别以及测井柱状图自动绘制等功能为一体的测井数据处理软件系统。并应用陕西彬长矿区的实际基础数据，对该软件系统的岩性识别功能进行了检验，获得了较高的识别速度和准确率。应用结果表明，本文的研究成果具有一定的实用价值。

目录

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