神经模糊混合软计算用于油藏参数研究

摘要

随着油田勘探和开发，勘探开发难度日趋加大。这就要求地质工作者尽可能的掌握油藏参数，提高开发效益。因此，必须建立反映实际情况不同的地质模型，为了对油藏参数做出精确的预测及提高油藏的开采率。我们进行了神经模糊混合计算在岩石可钻性方面的研究和应用。岩石可钻性是钻头选型和提高钻井速度的基础，利用石油测井资料计算岩石的可钻性是一种行之有效的途径。但是常规的岩石可钻性测井预测模型都是基于回归分析而建立起来的，形式简单，精度不高。 本文将介绍利用神经模糊混合方法对测井资料进行岩石可钻性的研究成果。从测井信息与岩石可钻性的内在联系出发，选取与岩石可钻性密切相有关的参数，通过神经模糊技术利用测井资料能准确地计算出岩石可钻性，并同BP神经网络模型预测结果进行了比较，结果表明该方法比BP方法更准确。将该研究用于测井资料处理中，为新井钻头选型提供了较好的依据。

目录

文摘

英文文摘

声明

第一章绪论

1.1领域背景与课题意义

1.2岩石可钻性

1.3混合软计算

1.4本文组织结构

第二章软计算

2.1从传统人工智能到软计算

2.2软计算提出背景与动因

2.3软计算的定义、组成及研究方法

2.3.1神经网络

2.3.2模糊逻辑

2.3.3进化计算

2.3.4概率计算

2.4小结

第三章人工神经网络

3.1神经元结构

3.2神经网络的分类

3.3神经网络的学习方法

3.3.1神经网络的学习机理

3.3.2神经网络的学习方法

3.3.3神经网络的学习规则

3.4常见的神经网络模型

3.4.1感知器网络模型

3.4.2 BP神经网络模型

3.5小结

第四章模糊系统

4.1传统数学与模糊数学

4.2模糊概念与模糊集合

4.3模糊关系与模糊变换

4.4模糊推理

4.5模糊聚类算法

4.5.1 C均值聚类

4.5.2模糊C均值聚类

4.5.3减法聚类法

4.6模糊系统

4.7小结

第五章模糊系统和神经网络的混合

5.1模糊神经网络的发展概述

5.2模糊神经网络理论概述

5.3模糊推理网络

5.3.1模糊推理的神经网络实现方法

5.3.2模糊神经网络模型

5.4小结

第六章基于神经模糊混合方法的岩石可钻性测井计算的研究

6.1 matlab的介绍

6.2数据预处理

6.3岩石可钻性与测井参数的关系

6.4岩石可钻性的BP网络模型

6.5岩石可钻性的神经模糊混合方法的模型

6.5.1 Takagi-Sugeno模型

6.5.2 RBF神经网络的原理

6.5.3 TS模型与神经网络的混合方法

6.5.4实验过程及结果分析

6.6对几种测试方法的结果进行对比

6.7小结

第七章结论和展望

致谢

参考文献

附录