古潜山火成岩裂缝带划分与孔隙度计算

针对火成岩岩性成分复杂，常规测井难以正确划分岩性，严重阻碍了储层参数的定量计算。本文提出模糊聚类划分岩性，采用综合概率法与混合体积模型计算裂缝孔隙度、有效孔隙度等参数。其测井解释结果与井壁取心和地质描述资料对照，完全吻合。     

神经网络模式识别沉积微相

本文介绍用于沉积微相智能识别的神经网络模式识别方法。该方法利用关键井研究建立了测井相与地质相的对应关系作为识别模式，通过向识别模式学习获得模式识别智能知识，从而利用这些智能知识识别未知井，未知点微相类型。本文方法成功地应用于中原油田文留；地区沙四段海相的识别与划分。     

大民屯凹陷古潜山裂缝特征及控制因素

垂直缝和高角度斜交缝是辽河盆地大民屯凹陷太古宇和元古宇古潜山储层的重要储集空间.裂缝的形成和演化受燕山期的挤压构造应力场以及喜马拉雅早期的右旋张扭应力场和晚期的右行走滑构造应力场控制.对应于构造期次,可将裂缝体系分为早、中、晚3个形成期.早期裂缝体系以压性裂缝为主,中期以张性裂缝为主,晚期以张-剪性裂缝为标志.裂缝的性质和发育程度受构造应力场和岩性控制,超压流体有利于裂缝的开启.     

模糊模式识别神经网络预测模型及其应用

提出了模糊模式识别神经网络预测模型,开辟了神经网络拓朴结构建模的新思路。模型的激励函数采用了模糊模式识别模型。最后给出中长期水文预测的应用实例。     

小波神经网络在测井油水解释中的应用

作者在本文中讨论了小波神经网络概念和油水测井曲线段的频率特性。以小波分析为数据预处理工具，首先用小波分解高频成分对测井曲线进行分段，然后应用小波分析提取出测井段的分频能量特征向量，以此向量代表井段的信息，并作为神经网络的输入，进行神经网络的测井解释，实现了小波神经网络的测井分段油水解释。     

曙103块古潜山碳酸盐岩测井储层评价

由于古潜山碳酸盐岩储层普遍存在非均质性,孔、缝的定性、定量识别至关重要。本文通过测井资料,运用多矿物模型、Φ－Ｓｗ－Ｋ,Ｆ－Φ－ｍ交会图、裂缝孔隙度计算、ＩＳＯＤＡＴＡ模糊聚类识别裂缝类型等处理工作,对区内６口井进行了测井储层综合评价,取得了较好的效果。     

用自组织神经网络方法实现测井相定量识别

作者在本文中介绍了一种利用自组织神经网络进行测井相识别的方法。自组织神经网络是一种无导师学习算法，它通过网络自身的调节对输入进行聚类，近年来广泛应用于各类模式识别问题中。这里我们采用从测井曲线中提取出反映沉积环境的信息参数，再利用自组织神经网络进行测井相判别。此法从沉积成因角度出发，判别沉积相模式，消除了测井曲线中的不确定因素，更具代表性。     

一种用于沉积相分析的新型模式识别方法

本文介绍一种用于沉识相分析的新型智能模式识别方法──神经网络模式识别方法。该方法利用关键井研究建立的测井相与地质相的对应关系作为识别模式，通过向识别模式学习获得模式识别智能知识，从而利用这些智能知识识别未知井、未知点的微相类型。本文方法成功地应用于中原油田文留地区沙四段沉积微相的识别与划分。     

裂缝性碳酸盐岩油藏裂缝网络的识别方法研究——以胜利油区F潜山油藏应用为例

提出了针对碳酸盐岩裂缝型储层的裂缝识别和类型判别方法:在对常规测井曲线进行小波多尺度分析的基础上,通过求取剩余曲线变化率,以消除岩性对测井曲线的影响,突出裂缝信号,提高常规测井对裂缝的分辨率;以岩心描述和成像测井所识别的裂缝类型为样本,以多测井参数为变量,运用主成分分析和Fisher判别等方法,建立裂缝类型的判别模型。此方法应用于胜利油区F潜山碳酸盐岩储层的裂缝类型判别,效果较好。     

基于混合模糊神经网络储层裂缝地震反演研究

基于储层裂缝系统具有非线性特征,储层裂缝地震反演是由遗传算法(GA)、模糊神经网络(ANF IS)和禁忌搜索算法(TS)有机地结合而构成的自适应混合模糊神经网络技术。该技术在成像测井约束下,形成的自适应混合算法分别训练ANF IS网络的前提参数和结论参数,从而获得满足精度要求的储层裂缝密度的最佳估计值。针对目标储层段,应用储层裂缝地震反演方法对过井地震剖面和联井地震剖面进行了储层裂缝密度反演处理,获得了可用于地质解释和油气预测的视裂缝密度剖面。这种裂缝密度剖面含有裂缝定量信息,其裂缝密度相对误差为:0.8%~24%,满足勘探开发的要求。经与研究区的地质对比分析表明,视裂缝密度剖面上的裂缝展布特征符合研究区的沉积相分布和岩石力学性质的变化特征,对研究区的勘探开发具有重要意义。     

常用有机溶剂人工神经网络模式识别方法研究

用人工神经网络方法对常用有机溶剂进行分类。４５种有机溶剂模式识别的误判率为７．６％，同聚类方法比较，本方法分类能力强，结果准确，可直接对未知溶剂分类。     

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     

埕岛中东部潜山带古生界和太古界储层裂缝分布评价

本文根据埕岛地区地质、测井、试井等资料,对研究区古生界及太古界地层中裂缝的参数进行了估算和评价。采用曲率法、应力场模拟技术及断裂因子等方法,对研究区风化期破裂缝及构造裂缝分布进行了预测评价。     

锡矿山硅化灰岩识别的人工神经网络模型

硅化／硅化岩石是锡矿山锑矿的一种很有效的找矿标志。因此,如何正确地识别硅化岩石与原岩,以及硅化的强弱对于找矿有着重要意义。将人工神经网络模型引入锡矿硅化灰岩识别的研究中,识别成功率达到９３．３％。结果表明,该方法简便实用,性能良好,可望成为岩石,矿物识别的一种有效的辅助手段。     

矿物分类和识别的人工神经网络模型

本文提出矿物分类和识别的人工神经网络模型，并选取一组标样－我国沉积碳酸盐型锰矿中菱锰矿作为研究对象，识别效率达１００％。结果表明，该模型性能良好，可望成为矿物识别的有效手段。     

BP神经网络识别塔北低阻油气层

简要介绍了塔北低阻油气层岩性剖面、低阻油气层地球物理测井曲线特征,分析了塔北地区低阻油气储层成因,重点论述BP人工神经网络识别油气层、油水同层、水层和干层的方法原理.识别实例表明,BP人工神经网络识别低阻油(气)、水层的结果与实际相符,明显地提高了测井的解释精度.     

人工神经网络方法在大气降水氚浓度恢复中的应用

根据人工神经网络能识别输入输出数据间复杂的非线性关系等特性,选用北半球（纬度22~74°）70个站点的IAEA/WMO大气降水氚浓度观测数据,建立了大气降水氚年平均浓度的恢复模型.通过对比认为：人工神经网络恢复的降水氚浓度能客观地反映其真实值,为无资料地区恢复1953年以来大气降水氚浓度提供了一种更好的思路.     

塔里木盆地轮南奥陶系古潜山油气成藏与分布

轮南奥陶系碳酸盐岩古潜山形成于晚加里东-海西期,经过多期构造运动的改造,形成了现今的构造格局;经过了多期成藏过程,形成了现今复杂的油气水分布特征.轮南奥陶系古潜山油气主要分布在潜山围斜部位,潜山面以下约150 m范围内,原油分布不受局部构造影响.总体看来,轮南奥陶系古潜山油气分布主要与储集空间的分布、水动力作用和差异聚集作用有关;轮南奥陶系古潜山油水界面是倾斜的,油气藏具有一定的水动力特征,可能是一个大型的水动力圈闭油气藏.     

应用人工神经网络解释煤层厚度

本文介绍了人工神经网络解释煤层厚度的方法，为直接利用煤田地震资料确定煤层厚度提供了一种新的途径。利用煤层厚度与煤层反射波动力学特征参数之间的非线性关系，用人工神经网络进行定量描述，便可根据地震资料求出煤层厚度。     

黄骅坳陷千米桥潜山碳酸盐岩储层的空隙特征研究

印支期—燕山早期的挤压逆冲使潜山构造抬升 ,石炭系—二叠系遭受剥失后 ,奥陶系长期遭受风化淋滤。由挤压逆冲形成的高角度裂缝和风化淋滤形成的粒间孔、溶蚀孔洞组成潜山储层的主要储集空间。钻井岩样由于地层静压力的降低而导致总体积发生膨胀。岩石骨架的压缩系数小 ,围压的释放主要导致岩石孔、缝隙空间的扩大 ,因此 ,在测算地下原始孔、缝隙度时应考虑地层静压力。我们测得的奥陶系潜山储层的综合空隙度为 4 .7%。以空隙度为主要评价指标 ,划分出四级储层 ,其中 、 级储层是本区储产能力最强的储层 ,能够获得稳定的高产油气