动态聚类分析在储层分级中的应用

在油气田，特别是海上油气田勘探开发工作中，为了提高经济效益，通常需要对储层进行分级，以便合理地制定勘探开发方案，然而，目前普遍使用的测井解释方法都无法提供储层分级的级别，通用的聚类分析也只能进行样本分类，为了从测井资料中获取储层分级信息，作者在动态聚类分析的基础上，将聚类中心的特征值之和定义为分级指数，从而成功地解决了储层分级问题，通过南海某油田ST36井的测井资料处理，并经多种资料验证，证明了用该方法进行储层分级是有效的。     

混沌理论及其在地学中的应用前景

混沌理论作为一种普适性很强的新理论，在地球科学中的应用日前广泛，其意义已渐为人们所认识和关注。本文介绍了混沌在地球中的部分应用，认为混沌理论开阔了人们研究地学中复杂问题的思路；同时，地学中一些重大问题的解决也必将丰富和混沌理论。     

基于神经网络的聚类分析在储层流动单元划分中的应用

以苏里格气田盒8段为研究对象,在细分层和精细沉积学研究基础上,通过对关键井详细研究,以流动层段指标为储层流动单元划分标准,将目的层分为3类流动单元.通过相关性分析结合专家经验,从诸多电性、物性、岩性等参数中优选出表征流动单元的10个特征变量作为预测模型的输入,应用基于神经网络算法的聚类分析方法建立储层流动单元非线性识别模型.通过对其他关键井的回判预测表明,建立的流动单元预测模型可以更全面地考虑各类地质因素与流动单元之间的结构性复杂映射关系,气井产能与流动单元具有较高的对应关系,为气田精细描述与开发井网的优化部署提供可靠基础.     

聚类分析方法及其在水文地质分析中的应用

聚类分析是研究分类问题的一种多元统计方法。在水文地质工作中,采用聚类分析方法进行含水层富水性（带）划分、地下水水质类型划分与评价等,突破传统地质学所建立的一些定性分类系统,形成一些定量的分类关系,能够取得较理想的效果     

相空间小波网络模型及其在水文中长期预测中的应用

简述了相空间小波网络模型原理和算法,并通过实例讨论了其在水文中的应用。研究结果初步表明,小波分析及由其发展出的小波网络模型在水文分析中是可行的、合理的。数学分析工具更为先进,将混沌重建相空间理论和小波网络模型相结合,对揭示水文动力系统复杂的非线性结构是很有效的,在水文中长期预测中具有较大优越性。     

BP、Hopfield神经网络在位场反演中的应用比较

比较了BP、Hopfield二种神经网络模型的特性及其运行机制,分别用于位场反演,还比较了各自在位场反演中的应用效果。结果表明:这二种神经网络模型虽然都可用于位场反演,但由于Hopfield网络缺乏学习能力,不能较好地利用已知地质、地球物理信息而受到限制。而BP神经网络具有较强的学习能力,能从已知的信息中得到有利于解决最优化问题的结论,比Hopfield神经网络更加适合于位场的反演问题。     

灰色聚类分析在煤矿瓦斯分区中的应用

以灰色理论为依据,结合南屯煤矿瓦斯分布规律的研究,探索了利用灰色聚类分析进行煤矿瓦斯分布规律研究的一般方法。     

退火遗传算法在边坡稳定性分析中的应用

在边坡稳定分析中,折线滑面的搜索是一个非常重要的环节.将模拟退火算法与遗传算法相结合,既发挥了遗传算法强大的全局搜索能力,同时利用模拟退火算法加强了遗传算法的局部求精能力.通过引入退火遗传算法很好地解决了滑坡临界折线滑动面搜索问题,为边坡的滑动面搜索提供一个新的解决方法,克服了常规方法的种种弊端.     

模糊神经网络算法及其在油气储层判识中的应用

文章在综合利用模糊模式识别剔除噪音信息和ＢＰ神经网络拟合优势的基础上,设计了模糊神经网络新算法。该算法利用综合隶属度矩阵和模拟专家意见阵,强化模式分类的主体信息,大大提高了网络的收敛速度。在应用于某气田测井资料的储层识别表明,该算法不仅计算速度快,而且预测精度也得到了较大的提高     

BP网络的改进及模拟退火神经网络在地学中应用

本文针对ＢＰ神经网络收敛速度慢的缺点，提出了改进方案。还引进了模拟退火理论，将模拟退火算法与ＢＰ神经网络计算方法结合，并通过对正弦函数岩性识别及跨孔地震层析成象的试验，证明模拟退火ＢＰ算法是有效的、大范围收敛的。而且，具有良好的收敛速度和很高的精确度。     

自组织竞争神经网络在决策分析中的应用

在油气田的勘探过程中,通常有多种方法可以采用,每种方法所需要的经济成本均不同,因此需要利用数学工具为油气开采选择一种最为经济的方法。这里充分利用了人工神经网络的高度智能性,给出了网络训练权值及网络训练以后的权值拓扑结构,并从理论上保证了其分类的可靠性。结合该工程中具体的数据进行了分类处理,实现了三维数据下的聚类分析,得到了良好的分类效果。最好对该算法进行了总结和分析,表明该算法具有很大的灵活性和可扩展性。     

热传导有限元的神经计算原理及应用

根据热传导有限元分析方法的特点，把有限元计算问题转化为带约束的非线性优化问题，并给出求解该问题的改进Hopfield(TH）网络，最后对一个简单温度场神经计算进行数值仿真，仿真结果表明，神经网络能完成有限元模型的求解。     

补偿模糊神经网络在储层参数预测中的应用

为了克服常规BP神经网络法在预测储层参数中出现学习速度慢、无法结合专家知识等不足，我们引入了补偿模糊神经网络。它是一个结合了补偿模糊逻辑和神经网络的混合系统，由面向控制和面向决策的神经元组成，其模糊运算采用动态的、全局优化运算，学习速度快、学习过程稳定，将其用于储层参数预测效果良好。     

PNN及其在储层物性参数预测中的应用

概率神经网络(PNN)实际上是一种数学插值手段，它的实现引用了神经网络的结构但它通过研究数学规则，可以比多层前馈神经网络更好地实现插值功能，因而具有潜在的优势，这里简要介绍了PNN的基本原理并用于储层物性参数的预测。实践表明该方法是有效的。     

BP神经网络在区域滑坡危险性预测中的应用

由于区域滑坡危险性评价复杂性,在已知量和所求量之间往往存在着一种很强的非线性关系,而BP神经网络具备高度的非线性映射能力,因此采用BP神经网络来分析区域滑坡的危险性,可以取得良好的效果。本文结合具体区域滑坡危险性评价,使用Matlab神经网络工具箱中的相关函数建立具体BP神经网络,检验和预测区域滑坡的危险性。     

裂变径迹定年方法的进展及应用

裂变径迹分析方法利用裂变径迹年龄及裂变径迹长度分布形态来反映随时间产生的裂变径迹积累及由温度控制的退火(裂变径迹缩短或消失)两种因素综合作用的结果。近几年来,有关磷灰石的退火特征进行了大量实验和野外研究,取得了较大进展。本文通过对80年代以来国内外裂变径迹研究状况的追踪调研结果,简要介绍裂变径迹定年方法的主要进展及应用情况。