测井孔隙度解释中的神经网络技术应用

由于地层的非均质性,造成了测井解释中其特征极难用一种方程作出准确描述,因而传统方法解释结果始终不甚理想。神经网络技术的快发展为测井解释提供了一种新的思路,研究证明,采用该技术,有望在参数解释中获得理想的结果。     

径向基函数神经网络在计算天然气水合物饱和度中的应用研究

天然气水合物饱和度的计算通常采用阿尔奇公式、双水模型、Wood 方程等方法,这些方法均基于孔隙度的求取,并需要配合岩心分析来获得公式中的有关参数,存在误差传递导致结果不正确的问题.由于天然气水合物是以固态形式赋存于地层当中,因此研究适用于含天然气水合物储层的评价模型也是解决准确评价天然气水合物储层需考虑的因素.针对沿用油气测井评价方法计算天然气水合物的孔隙度和饱和度中存在的问题,采用径向基函数作为人工神经网络,计算了我国首次采获水合物样品的神狐海域某井天然气水合物的饱和度,以其中一口井的分析数据为样本训练并建立径向基函数神经网络,有效地求出了另一口井的天然气水合物饱和度,其结果与现场孔隙水分析的饱和度基本吻合.避开了天然气水合物饱和度的模型建立及参数求取难题.     

测井资料在地震储层有效厚度预测中的应用研究

应用测井资料进行储层有效厚度预测是最直接的预测手段。从地球物特征研究出发,寻找能反应岩性的测井敏感性参数,用这些敏感性参数与地震联合进行反演,得到岩性反演剖面,通过岩性剖面与所确定的门槛沿目的层值拾取砂岩厚度,最后转换成储层有效厚度预测平面图。该方法通过实际应用表明,利用测井资料预测地震储层有效厚度效果较明显。     

神经网络技术在多元图谱插值中的应用

工程上常规的插值方法为一元函数插值或二元函数插值。而在船舶与海洋工程中运用的图谱通常都有多个自变量,是超空间函数,因而对其进行插值必须连续做多个一（或二）元插值,十分浪费时间。ＢＰ算法是神经网络技术中应用得最普遍的方法,但在实际应用中还存在着许多问题。本文将一种改进的ＢＰ算法应用到海洋与船舶工程中的图谱插值计算中,与常规的用一元全区间插值法连续对多元图谱插值的方法相比,速度有较大幅度的提高。     

透射电镜技术在好氧污泥颗粒超微结构研究中的应用

利用透射电镜观察研究SBR反应器中的好氧污泥颗粒。结果显示,不同成熟度的好氧污泥颗粒呈现不同的超微结构特征:成熟度高的污泥颗粒中细菌的微群落化程度高,细菌密度大,颗粒中富含构成细菌之间及微群落之间连接结构的胞外多聚物。而在成熟度低的污泥颗粒中细菌微群落化程度较低,细菌密度相对较小,构成菌间及微群落之间连接的胞外多聚物结构松散或缺失;以电镜钌红染色技术标记好氧污泥颗粒中的多糖,显示了好氧污泥颗粒中多糖的分布与结构特点,为进一步研究污泥颗粒的形成机制、多糖对污泥颗粒稳定性和沉降性能的作用机理提供了形态学依据。     

多属性优选的神经网络技术在鄂尔多斯盆地L区块煤层储层预测中的应用

研究区煤层较为发育,且煤层厚度差异大,导致目的层属性值存在区域性差异,采用同一种参数提取属性不能有效表征该区地质体特征;同时由于地震属性值是地质体特征(沉积特征,岩性特征、孔隙结构等)的综合反映,单属性参数具有多解性。在地质体分区的基础上,利用多地震属性优化下的神经网络技术对研究区进行分区砂岩储层预测。实践表明, 该技术有效避免了单属性多解性和多属性综合判别精度低的缺点, 提高了利用地震属性预测砂岩储层的精度。     

基于T-S模糊神经网络的信息融合在赤潮预测预警中的应用

基于T-S模型的模糊神经网络不但具有模糊逻辑和神经网络两者的优点,又具有很好的学习能力。将基于T-S模型的模糊神经网络的信息融合算法应用在赤潮的预测预警中,研究各种理化因子与赤潮藻类浓度间非线性对应规律和有效预测赤潮藻类浓度。仿真实验表明这种方法具有有效的赤潮预测预警功能。     

曲线重构技术在鄂尔多斯盆地岩性圈闭储层预测中的应用

在井约束的随机反演过程中,通常利用单一测井曲线来指示储层,这种方法使用的曲线类型单一,不能完整地反映储层特征。因此,提出利用多种测井曲线来重构一种更接近储层真实特性的曲线,相比较伽马、中子等曲线而言,重构后的曲线与波阻抗具有更好的相关性,反演出来的岩性剖面更加真实。针对D区实际资料,利用曲线重构反演技术进行目标区储层预测,取得了相对常规单一曲线岩性反演更好的效果,证明了该方法的有效性。     

基于决策树与二分分割算法的BP神经网络在赤潮等级预测中的应用研究

针对赤潮灾害等级预测难的现状,提出了一种基于C4.5决策树与二分分割算法优化的BP(反向传播)神经网络赤潮等级预测模型。该模型针对传统BP神经网络输入参数难以选择和隐含层节点数量难以确定的问题,通过决策树分类获取最优的属性组合,来解决输入参数难以选择的问题;通过"二分分割算法",来解决隐含层节点数难以确定的问题。实验结果表明,该模型在青岛近海海域赤潮灾害等级预测中,预测结果的均方根误差(RMSE)小于传统BP神经网络的预测误差,并且在网络训练时间上有所缩短,预测精度上有所提高,能够获得良好的预测结果,可为赤潮等级预测提供新的解决方法。     

错流超滤技术在海水胶体态铀、钍、镭同位素和有机碳研究中的应用

建立了由预过滤装置、蠕动泵、中空纤维超滤膜(AmiconH10P10-20,标称截留分子量10KDa)和连接管组成的错流超滤系统,利用荧光标记的40KDa葡聚糖和已知放射性活度的234Th示踪剂评估了超滤膜的截留和吸附性质,探讨了234Th在超滤过程中的渗透行为,考查了该系统用于实际海水样品时铀、钍、镭同位素和有机碳的质量平衡状况.结果表明,10Kda中空纤维超滤膜对40Kda葡聚糖具有良好的截留效率(85%),而吸附损失率为18%.铀、钍、镭同位素和有机碳在超滤过程中均达到极佳的质量平衡,回收率R=95%～98%,优于大多数文献报道的值.234Th在超滤过程中的渗透行为可以很好地用渗透模型加以描述.研究组分胶体态含量占“溶解”态含量的份额大小顺序如下:钍同位素、有机碳、镭同位素约等于铀同位素,这与钍为强颗粒活性元素、铀和镭为水溶性元素的地球化学性质相吻合.     

人工神经网络技术在台风浪预报中的应用

利用人工神经网络中的BP算法，结合南海硇洲岛海区近30年的台风及台风浪资料，经预期因子的选择并作对比试验，建立了本海区较为理想的台风浪人工神经网络预报模型。结果表明：人工神经网络方法在台湾浪的预报上，有较好的拟合历史台风浪高的能力，利用该模型对台风浪高的预报也达到了一定的精度。为实际台风浪浪的预报增加了新方法、新思路。     

ANN在海洋预报中的应用

人工神经网络通过神经元之间的相互作用来完成整个网络的信息处理,具有自学习和自适应等一系列优点,因而用它来进行海洋预报是可行的。针对海洋预报问题,初步建立了基于神经网络的预报分析系统,给出了应用实例。     

BP网络海上石油平台溢油污染等级评估方法

通过分析与溢油污染程度有关的影响因素,首次构建了海上石油平台溢油污染程度评价指标体系.针对模型无样本的难题,对评价指标进行分级,利用Rand函数在各分级标准内随机生成足够数量的训练和测试样本,建立了较合理的网络结构,构建了石油平台溢油污染等级BP网络模型.研究结果表明BP网络模型具有很强的泛化能力,能够用于评判未知样本...     

人工神经网络在闵北断块低阻油层识别上的应用

随着油气勘探程度的不断深化,非常规油气藏在油气勘探中不断被发现,在实际的勘探过程中低阻油层的储量和产量都在不断增加。低阻油层作为一种非常规储层,其含油性受多个因素影响。常规测井解释方法评价低阻油层有很大的困难。针对闵桥油田断裂构造错综复杂、油层低阻特征典型、测井解释难度大等特点,利用BP人工神经网络算法,对已知样本进行学习获得识别模式,并使用自编软件,成功识别了闵北断块阜宁组三段低阻油层。识别结果显示,该层新增油井8口,含油面积增加0.53 km2,新增石油地质储量23.62万t,经济效益显著;同时深化了对该断块油气分布规律与油藏类型的认识,理论意义重要。     

并矢相关谱分析方法在非线性资料分析中的应用

本文利用到率并矢相关谱估计方法,对青岛月平均气温（1896年1月—1992年12月）足赤道局部地区日表层水温（0°±0．5°S,165°±0．5°E;1986年12月6日—1991年11月16日）进行了谱分析,结果表明：青岛气温除具有1年周期的主频振荡和二倍峰频处0．5年周期二阶非线性耦合效应外,还隐含有2年周期的低频耦合振荡及0．4年周期的高频耦合振荡;赤道局部地区日表层水温含有90天,63天,50天,40天和29天等几个主要的低频周期振荡。     

谱分解技术在文昌A油田油气储层预测中的应用

文昌A油田主力油组ZH1-2L油组储层以临滨滩、坝沉积为主,砂岩与泥岩多呈薄互层,砂岩中泥质杂基含量较高,常规方法无法对储层进行有效识别。利用连续小波的时频分解技术,在该区较为准确的圈定了有利储层的发育范围,与已钻井有很好的吻合度,为下一步的勘探开发提供了有利的技术支持。     

基于BP神经网络的湖南镇水库叶绿素a浓度预测模型的研究

以湖南镇水库2006-2007年间的监测资料为基础,利用插值和主成分分析法,运用BP人工神经网络方法构建预测模型,探求叶绿素a浓度与总氮、总磷、溶解氧等5项环境因子之间的关系,选出最佳预测模型,并对模型进行敏感度分析.结果显示:(1)BP神经网络模型对叶绿素a浓度预测值与实测值之间拟合程度良好,相关系数达到了0.95,...     

南海磁异常场分区研究──应用人工神经网络方法

首次提出用人工神经网络理论处理磁测资料，进行磁异常场分区的定量计算方法。并将该方法应用于南海研究。该方法将研究区域划分为若干统计单元，确定各统计单元中的特征变量、选择标准模型，并对BP神经网络进行训练。用学习成功的网络识别、分析整个研究区的磁异常场，从而将南海的磁异常场划分为12个特征区。     

神经网络在松辽盆地深层火山岩岩性预测中的应用

基于松辽盆地深层火山岩岩心分析,通过模型正演分析发现,深层火山岩产生的重、磁异常不是很大,表现为叠加在强背景之上的次级异常。 提出了积分—迭代延拓平化曲线新方法来增强火山岩磁异常信息,以达到均衡磁异常,消除深度的影响。通过对松辽盆地区域磁异常的处理与解释,提取反映深层火山岩的磁异常信息,利用斜导数、欧拉反褶积等多种方法圈定了深层火山岩的分布,指出火山岩的视密度、视磁化率与其两者的相关系数是最佳的三参数组合。神经网络模糊识别是判别火山岩岩性的有效方法, 应用该方法在井约束下建立判别网络, 完成了深层火山岩岩性的识别。应用神经网络判别火山岩岩性的方法对其他地区深层火山岩的预测有一定的参考和借鉴作用。