基于SOFM神经网络的边坡稳定性评价

针对边坡工程稳定性分析中参数的不确定性,在分析自组织特征映射神经网络（SOFM）基本学习算法的基础上,从提高算法收敛速度和性能出发,将自组织特征映射神经网络基本学习算法加以改进,据此建立了评价边坡稳定状态的SOFM神经网络模型。然后用收集到的边坡稳定工程实例作为样本,对该模型进行训练和检验,并与BP神经网络判别结果对比。结果表明,SOFM神经网络性能良好、预测精度高,是边坡稳定性评价的一种有效方法。     

延吉盆地大砬子组沉积相及储层特征

延吉盆地为一中生代断陷型盆地,自西向东划分为西部斜坡、中央坳陷、太平隆起、东部坳陷4个构造单元。沉积盖层主要发育白垩系的屯田营组、头道组、铜佛寺组、大砬子组和龙井组,其中大砬子组已发现良好的油气显示和工业油气流,是重要的勘探目的层。利用大量的野外露头、岩心、测井和地震资料对大砬子组开展了沉积特征和沉积相研究,结果表明:其主要发育扇三角洲相和湖泊相沉积,局部发育冲积扇相,其中,扇三角洲识别出扇三角洲平原和扇三角洲前缘亚相,湖泊相识别出滨浅湖和半深湖亚相;盆地在大砬子组沉积时期物源供给充足,物源方向主要为西部和北部;该盆地大砬子组储层多为扇三角洲沉积砂体,砂岩层具有一定的沉积厚度,砂体也具有一定的连续性。综合储层物性分析、压汞分析等资料对储层宏观物性和微观孔隙结构进行研究的结果表明:大砬子组储层物性变化较大,整体表现为中孔低渗;储层孔隙结构主要为Ⅱ—Ⅲ型,孔隙喉道半径整体相对较小。     

改进的角度边界识别方法及其在延吉盆地的应用

通过几何分析证明常用的tilt梯度和theta图边界识别方法在原理上是相通的,并利用几何意义将其统一成角度边界识别方法,同时给出其他的角度边界识别方法计算公式.在此基础上,为了提高传统角度边界识别方法的精度以及改善其对细节构造探测能力的不足,提出了新的基于标准差计算的角度边界识别方法:先对异常3个方向导数做窗口内标准差计算,然后求取角的反正弦、反余弦及反正切等反三角函数.该方法计算简单、易操作.通过模型实验对比,发现改进后的方法能识别细节构造,检测到更多异常信息,证明了改进方法的优越性.将改进后的方法应用于延吉盆地,不仅确认了地质资料中已有的12条断裂,且探明了与地震资料相吻合的3条新断裂,这将为进一步为研究延吉盆地提供地球物理依据,并对延吉盆地油气远景预测提供新的参考.     

GIS 在油气资源评价中的应用 ——以延吉盆地为例

以延吉盆地为例,利用地理信息系统技术对盆地油气勘探目标进行优选。采用图层叠加法、神经网络法和模糊聚类对盆地的静态地质要素进行评价,对于油气动态地质作用主要考虑在地理信息系统功能下实现油气运移路径模拟,从静态和动态两个方面对延吉盆地的油气资源进行评价,并对各个要素的评价方法和流程进行详细的分析,在延吉盆地中优选出7 个有利区带,为勘探规划提供重要的决策依据,并证实该评价方法对油气资源评价的可行性和有效性。     

自组织神经网络在测井储层评价中的应用

在测井储层评价过程中,岩性及流体性质的识别难度很大。当地层信息较少时,传统的交会图和有监督神经网络(如BP神经网络)等方法在识别岩性时会受到一定限制。为此.基于自组织神经网络的结构和原理,建立了岩性和流体样本数据集,利用自组织神经网络对样本数据集进行了训练和纠错,得到了数据集的聚类结果,通过选择合适的测井曲线和网络权值,以样本数据集的聚类结果作为分类基础,对岩性和流体进行了识别,获得了较好的效果,实际资料处理结果与岩心分析资料对比,吻合度高。     

鄂尔多斯盆地东缘煤系页岩气储层特征评价

以鄂尔多斯盆地东缘石炭-二叠系富有机质泥页岩为研究对象,基于大量的钻孔泥页岩采样和分析测试,分区分层段对页岩气储层特征进行了评价。结果表明:鄂尔多斯盆地东缘石炭-二叠系富有机质暗色泥页岩广泛发育,泥页岩总厚度为90m左右,有机碳含量为1. 5%~5%,为Ⅲ型高成熟-过成熟状态的有机质;泥页岩脆性指数平均为31. 7%~42. 6%;储层具有微小的孔隙结构,平均孔径12. 2nm,平均比表面积6. 8m^2/g,平均孔体积0. 017cm^3/g,孔隙度为0. 82%~5. 91%;多数泥页岩样品的兰氏体积小于1m^3/t;总体而言,研究区页岩气源岩和储层物性条件良好,但含气量偏低。     

应用模糊评判法预测延吉盆地含油气有利勘探区

应用模糊评判法，在对延吉盆地石油地质基本特征分析的基础上，选取地质、物化探多年数，利用对各参数的权重分配进行调整，确定最佳分配方法，对盆地各区块大拉子组合油气性进行综合评判，其结果验证了目前钻井的情况，进而预测了下一步钻探的有利区块。     

延吉盆地多期不整合面的形成及其油气地质意义

延吉盆地是一个后期改造较为强烈的断陷盆地。应用地震、地质、测井资料识别出延吉盆地中存在6个较大的不整合面,它们以角度不整合和超覆不整合2种类型为主。分析认为,燕山Ⅰ、Ⅱ幕运动形成了盆地雏形,燕山Ⅳ幕运动则使盆地回返,此期出现大量高岭石（40%）,表明其与大气水淋滤等有关。短暂沉降后（龙井组）,燕山运动晚期（Ⅴ幕）发生的又一次大规模以南北挤压为主的构造运动,导致南北两翼抬起幅度巨大,剥蚀厚度超过700 m,盆地中部剥蚀厚度大约为300 m。不整合面是划分三大构造层（前断陷期、断陷期、坳陷期）的依据。其早白垩世铜佛寺组和大砬子组间的整合关系利于油气的生成。不整合面既可改善储集体的渗透性,又是形成油气二次运移的良好通道。初步预测与不整合有关的油气藏（侵蚀残丘、地层超覆不整合、断层坡折）可作为下一步勘探的目标。     

延吉盆地油藏上的放射性异常特征

放射性测量在油藏上的异常特征反映了油藏储层的特征,所以通过放射性测量可以指示油藏的有利位置,为油气资源的勘探与评价提供信息.从延吉盆地进行的瞬时氡气测量、土壤天然热释光测量及伽马能谱测量的综合曲线出发,分析了油藏上、圈闭边缘及外侧的放射性异常特征,从而得出在油层上放时性异常特征为放射性低值,在圈闭边缘以外其放射性异常特征为放射性高值,并通过已知井进行了检正.由此提出可在构造圈闭的有利地段,利用简便的放射性综合测量对延吉盆地的勘探布钻进行指导,从而对延吉盆地的油气资源作出评价.     

自组织特征映射神经网络在厄尔尼诺事件检验中的应用

对厄尔尼诺事件多因素成因进行了分析。利用自组织特征映射（SOFM）神经网络方法对1973～1994年的全球7级以上地震次数、日食条件、海温距平数据建立了SOFM网络检验模型。对1995~2000年厄尔尼诺事件进行了检验,检验的准确率为83.3% 。     

模糊概率神经网络模型在水质评价中的应用

鉴于水质类型和分级标准存在模糊性,将模糊数学中的相对隶属度理论和概率神经网络相结合,构建了模糊概率神经网络水质评价模型(FPNN)。阐明了该模型的构建方法,提出了基于指标相对隶属度矩阵插值构建训练样本的方法,并将该模型应用于实际水质评价。通过与综合评判法、属性识别法和BP网络法的比较,验证了该模型操作简便,评价结果客观可靠。     

自组织竞争神经网络在江苏油田有杆抽油系统故障诊断中的应用

有杆抽油系统的故障诊断技术是国内外采油工程技术中的一个重要研究课题。通过示功图的不同形状特征可以反映抽油机的不同工作状态。将自组织竞争神经网络应用于示功图的识别与分类,建立了一个自组织竞争神经网络模型对示功图进行自动聚类,从而实现故障诊断的自动化。应用江苏油田的实测示功图数据进行实验,可以看出自组织竞争神经网络具有良好的分类能力和泛化性能,是实现油田抽油系统故障诊断的有效技术,具有很强的实用价值和广泛的应用前景。     

SOM-RBF神经网络模型在地下水位预测中的应用

利用自组织映射(SOM)聚类模型优化径向基函数神经网络(RBFN)隐层节点的方法,减小了RBFN由于自身结构问题在地下水水位预测中产生的误差。采用SOM对已有样本进行聚类,利用聚类后的二维分布图确定隐层节点的数目,并根据聚类结果计算径向基函数的宽度,确定径向基函数的中心,由此建立SOM-RBFN模型。以吉林市丰满区二道乡为例,采用2000—2009年观测的地下水位动态资料,利用SOM-RBFN模型对地下水位进行预测,验证其准确性,并分别以5、7、10a的地下水位动态数据为研究样本建立模型,考查样本数量对预测结果的影响。研究结果表明:SOM-RBFN模型预测地下水水位过程中,均方根误差(RMSE)的均值为0.43,有效系数(CE)的均值为0.52,均达到较高标准,因此SOM-RBFN模型可以作为有效而准确的地下水水位预测方法;同时RBF7的RMSE和CE均值分别为0.38和0.68,结果优于RBF5和RBF10,这就意味着在模型计算中样本数量不会直接影响预测结果的精度。     

BP神经网络在某油田区地下水质量评价中的应用

对误差反向传播(error back propagation,简称BP)人工神经网络在水质评价中应用的原理进行了分析,并将其应用于地下水质量评价.首先,利用MATLAB7的神经网络工具箱,根据GB/T 14848-93《地下水质量标准》,构建出10-11-5三层结构的BP人工神经网络模型,并对某油田区的地下水水质进行了...     

人工神经网络在地下水评价中的应用简述

文章对人工神经网络技术在地下水评价中的应用问题进行了概括和小结，在此基础上，对存在的问题进行了探讨，进而提出，混合优化是改善人工神经网络的有效方法之一。     

水库防洪实时调度决策模糊推理神经网络模型及其应用

水库防洪实时调度决策方法是研究水库调度问题的主要内容。针对传统方法研究不系统、不全面、不能综合利用面临时刻所有信息、不具有学习功能等缺点，提出了水库防洪实时调度决策模糊推理神经网络模型，它在一定程度上较好地解决了这个问题。用大伙房水库75704次、85804次洪水调度作为计算实例，取得了比较理想的效果。     

基于人工神经网络的三峡水库库岸稳定性分级

为避免库岸稳定性评价法的随意性和不确定性,尝试采用具有处理非线性关系功能的人工神经网络方法进行库岸稳定性分级,为此构建了15-31-4结构的三层BP网络。该网络采用BP弹性算法,同时对初始权值和阀值进行了优化,实现了网络的非线性映射,并有着极快的收敛速度。用该BP网络对三峡水库的上游段库岸进行了稳定性等级判断,其结果与常规计算方法所得的结果基本相似。     

准噶尔盆地西北缘克-百地区侏罗系成岩作用及其对储层质量的影响

准噶尔盆地西北缘克拉玛依—百口泉地区侏罗系砂岩、砂砾岩储层经历了压实、胶结、溶蚀等多种成岩作用,其中压实和溶蚀作用是控制储层物性的主要成岩作用,其次为胶结作用。压实作用以机械压实为主,是孔隙减少的主要原因。胶结作用主要为碳酸盐胶结,少量黄铁矿胶结,偶见方沸石胶结和硅质胶结。溶蚀作用导致碳酸盐胶结物、长石颗粒和少量岩屑溶解流失。储层孔隙经历了由原生到次生的演化过程。在成岩演化过程中,长石的溶蚀作用、碳酸盐矿物的沉淀与溶解作用是影响储层孔隙发育的关键因素,早期方解石的胶结有利于后期次生孔隙的形成。在克-乌断裂带上、下盘地层中,断裂带上盘埋深浅,一般小于1200m,原生孔隙非常发育;断裂带下盘埋深较深,压实作用强,原生孔隙所占比例明显减少,次生溶蚀孔隙相对发育。次生孔隙的形成受流体及断裂控制。