导读:本文包含了声波孔隙度论文开题报告文献综述及选题提纲参考文献，主要关键词:声波孔隙度,神经网络,LM算法,BP算法
声波孔隙度论文文献综述
郭巧占[1]（2007）在《基于神经网络的LM算法预测储层声波孔隙度》一文中研究指出精确确定储层的声波孔隙度是测井解释中的一个难题。传统方法在使用时的局限性,提出基于神经网络的LM算法预测储层的声波孔隙度。其主要步骤包括样本的选取与预处理,网络结构的设计,基于Matlab神经网络工具箱编程实现的LM算法的网络训练、声波孔隙度预测。经与BP算法比较,该算法迭代速度快且计算精度高,能较准确地实现声波孔隙度的预测任务。(本文来源于《石油钻采工艺》期刊2007年S1期）
郭巧占[2]（2006）在《神经计算在确定地层声波孔隙度中的应用》一文中研究指出地层孔隙度是反映储集层油气储量的重要参数,准确度量这一参数对评价地层有着十分重要的意义。在声波测井中,为了精确确定地层声波孔隙度、进而为油气储量的评价与预测提供解释依据,研究优于传统理论方法的神经计算方法来确定地层声波孔隙度具有重要的应用价值。本文所作的主要工作如下:(1)详细分析了确定地层声波孔隙度的传统方法并指出其使用的局限性;阐述了声波测井时差与地层孔隙度之间是一个非线性的对应关系,由声波时差来确定岩层孔隙度属于非线性系统建模问题。由于神经计算技术非常适合于非线性系统建模,因此采用神经计算技术来确定地层孔隙度是一种切实可行的方法。(2)讨论了基于BP算法的神经网络、基于LM算法的神经网络、RBF神经网络和支持向量机等四种具体模型,进行了仿真实验,结果表明RBF神经网络和支持向量机具有很强的预测功能。(3)针对典型油井井段的测井资料进行了实际应用,主要包括样本集(含声波时差和岩芯孔隙度等参数)的选取与预处理,BP神经网络隐含层节点数的选取、RBF神经网络和支持向量机的模型参数的设计,以及待识地层声波孔隙度的预测等过程。应用结果表明,基于神经计算的地层孔隙度的求取方法远优于传统方法,其中RBF神经网络和支持向量机具有很强的预测能力,尤其是支持向量机的预测精度最高。(本文来源于《河北工业大学》期刊2006-10-01）
郭巧占,杜红斌[3]（2006）在《利用神经网络的LM算法确定碳酸盐岩声波孔隙度》一文中研究指出确定碳酸盐岩声波孔隙度是测井解释中的一个难题,传统方法是利用平均时差公式经过适当校正或使用声波、中子、密度等两种以上的测井资料求取,在具体使用中误差较大且很不方便。为此,基于Levenberg-Marquardt算法,提出一种确定碳酸盐岩声波孔隙度的神经网络方法,主要步骤包括样本信息的预处理、网络结构的设计、采用LM算法的网络学习训练、碳酸盐岩声波孔隙度的确定。仿真实验和比较分析表明,该方法快速稳定,其结果与真实值吻合程度高。(本文来源于《石油仪器》期刊2006年01期）
夏克文,宋建平,李昌彪[4]（2004）在《应用人工神经网络确定声波孔隙度》一文中研究指出利用声波测井获得的时差求取地层孔隙度是石油测井解释中一项重要任务 ,传统的方法主要是利用 Wyllie实验得到的时间平均公式以及其改进形式或经验公式 ,均为统计学方法 ,在具体应用上是很不方便的 .优越于统计学理论的人工神经网络方法具有高度的自学习、自适应和抗干扰性等优点 ,采用带有非线性连接权的二层前馈神经网络能够取代叁层 BP网络的功能 ,实际应用表明 ,应用神经网络能够很好地确定声波孔隙度(本文来源于《小型微型计算机系统》期刊2004年04期）
夏克文,陈文辉,朱军[5]（1996）在《应用神经网络确定声波孔隙度》一文中研究指出一、传统方法测量井剖面声波传播速度,以判断岩性并估算储集层的孔隙度,是石油测井预测油田储量的重要方法之一。利用声波时差△t确定孔隙度Φ的经典公式是i956年根据实验得到的时间平均公式。目前确定声波孔隙度的公式大都是它的一些改进形式,以及针对具体地区或岩性总结得到的一些经验公式。它们均基于统计学理论。从数学角度看,其确定声波孔隙度的公式归纳起来有如下两种模型:(本文来源于《1996年中国地球物理学会第十二届学术年会论文集》期刊1996-10-01）
周远田[6]（1991）在《一种新的声波孔隙度计算方法》一文中研究指出一种新的声波孔隙度计算方法——声波孔隙度同态解释系统已经研制出来。它仅通过几块岩芯样品的孔隙度分析值,就能求准整个井的孔隙度。非取芯井的孔隙度能使用邻近井的反褶积因子确定,精度不低于数理统计方法的结果。本文讨论了该系统的原理和结构,给出了取芯井和非取芯井的应用实例。(本文来源于《石油物探》期刊1991年01期）
陈寿先,俞明淑[7]（1991）在《用新的统计法确定声波孔隙度》一文中研究指出根据怀利时间平均公式,采用声波时差差值与岩心模拟孔隙度(φ_m)之间的关系,建立了计算声波孔隙度的新经验公式。它比直接用怀利时间平均公式算出的声波孔隙度更精确.文中列举了川东卧龙河气田Tc_1~5～Tc_3~4气藏利用新经验公式的结果,其绝对误差值90%的点子小于1.5%。(本文来源于《地球物理测井》期刊1991年01期）
张建朝,楚泽涵[8]（1982）在《关于砂泥岩储集层声波—孔隙度关系的探讨》一文中研究指出本文分析了直接应用岩心孔隙度与声波时差值建立的关系式的缺陷,提出了改进的方案。同时,通过在冀中下第叁系四个油田部分层段的应用验证表明,对于下第叁系砂泥岩储集层,本文所建议的声波时差—孔隙度新关系式,具有较好的普遍性,其计算的孔隙度亦具有较高的精度。(本文来源于《测井技术》期刊1982年06期）
声波孔隙度论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
地层孔隙度是反映储集层油气储量的重要参数,准确度量这一参数对评价地层有着十分重要的意义。在声波测井中,为了精确确定地层声波孔隙度、进而为油气储量的评价与预测提供解释依据,研究优于传统理论方法的神经计算方法来确定地层声波孔隙度具有重要的应用价值。本文所作的主要工作如下:(1)详细分析了确定地层声波孔隙度的传统方法并指出其使用的局限性;阐述了声波测井时差与地层孔隙度之间是一个非线性的对应关系,由声波时差来确定岩层孔隙度属于非线性系统建模问题。由于神经计算技术非常适合于非线性系统建模,因此采用神经计算技术来确定地层孔隙度是一种切实可行的方法。(2)讨论了基于BP算法的神经网络、基于LM算法的神经网络、RBF神经网络和支持向量机等四种具体模型,进行了仿真实验,结果表明RBF神经网络和支持向量机具有很强的预测功能。(3)针对典型油井井段的测井资料进行了实际应用,主要包括样本集(含声波时差和岩芯孔隙度等参数)的选取与预处理,BP神经网络隐含层节点数的选取、RBF神经网络和支持向量机的模型参数的设计,以及待识地层声波孔隙度的预测等过程。应用结果表明,基于神经计算的地层孔隙度的求取方法远优于传统方法,其中RBF神经网络和支持向量机具有很强的预测能力,尤其是支持向量机的预测精度最高。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
声波孔隙度论文参考文献
[1].郭巧占.基于神经网络的LM算法预测储层声波孔隙度[J].石油钻采工艺.2007
[2].郭巧占.神经计算在确定地层声波孔隙度中的应用[D].河北工业大学.2006
[3].郭巧占,杜红斌.利用神经网络的LM算法确定碳酸盐岩声波孔隙度[J].石油仪器.2006
[4].夏克文,宋建平,李昌彪.应用人工神经网络确定声波孔隙度[J].小型微型计算机系统.2004
[5].夏克文,陈文辉,朱军.应用神经网络确定声波孔隙度[C].1996年中国地球物理学会第十二届学术年会论文集.1996
[6].周远田.一种新的声波孔隙度计算方法[J].石油物探.1991
[7].陈寿先,俞明淑.用新的统计法确定声波孔隙度[J].地球物理测井.1991
[8].张建朝,楚泽涵.关于砂泥岩储集层声波—孔隙度关系的探讨[J].测井技术.1982