神經(jīng)網(wǎng)絡(luò)方法及其在地層電參數(shù)提取中的應(yīng)用


本文共計61頁，24695字；

摘 要
關(guān)于神經(jīng)網(wǎng)絡(luò)的研究在近幾年取得了令人矚目的進(jìn)展，引起了包括計算機科學(xué)、腦神經(jīng)科學(xué)、人工智能等學(xué)科領(lǐng)域內(nèi)的科學(xué)家們的巨大熱情和廣泛興趣。神經(jīng)網(wǎng)絡(luò)是人類對其大腦信息處理機制的模擬，希望通過模擬人腦的結(jié)構(gòu)和思維來實現(xiàn)它的功能，其理論的應(yīng)用已滲透到各個領(lǐng)域。
非線性系統(tǒng)廣泛存在于自然界。由于經(jīng)典的方法存在一個局限性:就是要求預(yù)先知道被控對象的數(shù)學(xué)模型，但實際上許多對象具有復(fù)雜的不確定性和時變性;此外還具有復(fù)雜的非線性。雖然在一些理論中有系統(tǒng)辨識的手段，但是對于非線性時變系統(tǒng)尚無成熟的和系統(tǒng)的辨識理論與方法，要實行有效的系統(tǒng)控制就很難了。人工神經(jīng)元網(wǎng)絡(luò)有表示任意非線性關(guān)系和自學(xué)習(xí)等能力，給解決這些問題提供了新思想和新方法。
BP神經(jīng)網(wǎng)絡(luò)是目前神經(jīng)網(wǎng)絡(luò)理論發(fā)展最完善、應(yīng)用最為廣泛的網(wǎng)絡(luò)。
研究利用人工神經(jīng)網(wǎng)絡(luò)方法進(jìn)行陣列傳播電阻率測井解釋中有關(guān)儲層參數(shù)的測算和油層識別, 并實際地應(yīng)用于我國某油田的測井解釋問題中。應(yīng)用表明, 此方法在測井解釋問題上有廣闊的應(yīng)用前景。

關(guān)鍵詞：神經(jīng)網(wǎng)絡(luò)，BP算法，測井解釋，石油勘探
Abstract

In recent years, the research about artificial neural network have gotten important development. It inspires many scientists' enthusiasm and interest in the field of computer science，brain neural science and artificial intelligence. Artificial neural network is simulation to the information-processing mechanism of the brain. It is expected that realize the brain function by simulating the structure and thinking of brain. Its theory have been applied in many fields.
目 錄

摘 要 I
Abstract II
第1章 緒論 1
1.1 論文工作的背景和意義 1
第2章 人工神經(jīng)網(wǎng)絡(luò)基礎(chǔ) 5
2.1 生物神經(jīng)元網(wǎng)絡(luò) 5
2.2 人工神經(jīng)元網(wǎng)絡(luò)的基本原理 6
2.2.1 人工神經(jīng)元的一般描述 6
第3章 BP網(wǎng)絡(luò) 10
3.1 誤差反傳訓(xùn)練算法 10
3.2 BP算法的改進(jìn) 15
3.3 本章小結(jié) 18
第4章 基于BP網(wǎng)絡(luò)的儲層參數(shù)提取 19
4.1 電阻率測井的基本原理 19
4.2 VIKIZ簡介 19
4.2.1 VIKIZ的徑向探測特性 20
4.2.2 VIKIZ的縱向探測特性 21
4.3 VIKIZ資料徑向一維反演測井模型分析 21
4.4 運用BP網(wǎng)絡(luò)進(jìn)行儲層電參數(shù)的提取 23
4.4.1確定陣列傳播電阻率的儲層參數(shù) 23
4.4.2運用BP網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)訓(xùn)練 24
4.5 本章小結(jié) 25
第5章 BP網(wǎng)絡(luò)在石油勘探中的應(yīng)用 27
5.1 石油勘探信息的特點 27
5.2 BP網(wǎng)絡(luò)在石油勘探應(yīng)用中的特點 28
5.3 運用BP網(wǎng)絡(luò)在石油勘探中識別儲層特性 30
5.4 本章小結(jié) 36
結(jié) 論 37
參考文獻(xiàn) 38
基于BP網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練的源程序 40
BP網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練框圖 48
致謝 51
畢業(yè)設(shè)計（論文）成績評定表 52

參考文獻(xiàn)
1 海金（Simon Haykin）著；葉世偉等譯. 神經(jīng)網(wǎng)絡(luò)原理.北京：機械工業(yè)出版社，2004，1，1～72
2 王旭，王宏，王文輝.人工神經(jīng)元網(wǎng)絡(luò)原理與應(yīng)用.沈陽：東北大學(xué)出版社，2000，12，1～37
3 蔣宗禮.人工神經(jīng)網(wǎng)絡(luò)導(dǎo)論.北京：高等教育出版社，2001，8，15～16
4 王偉.人工神經(jīng)網(wǎng)絡(luò)原理—入門與應(yīng)用.北京：北京航空航天大學(xué)出版社，1995，10
5 郭艷兵.前向神經(jīng)網(wǎng)絡(luò)控制理論及其應(yīng)用.北京：機械工業(yè)出版社，2002，12，16～17
6 John J.Hopfield.Artificial Neural Networks.IEEE CIRCUIT AND DEVICES MAGAZINE,1998,12(4):3～10