人工神经网络Visual C++实现及其在煤层气资源量预测中的应用

论文摘要

煤层气资源量的大小、分布是煤层气地质评价的重要内容,同时也是煤层气开发前经济预算的主要依据,煤层气资源量计算的准确与否直接影响到煤层气开发的经济效益。研究区目前仅有少量的这类数据,而且计算方法也仅有常用的一些方法,利用人工神经网络这一新方法进行煤层气资源量预测不仅可以为煤层气的经济开采提供参考,而且解决了研究区地质状况复杂,线形预测模型无法解决的非线性问题。本文主要是以（Artificial Neural Network,以下简称ANN）误差反向传播（Error Back-Propagation,以下简称BP）神经网络为主,以自组织特征映射（Self-Organizing Feature Map,以下简称SOFM）神经网络为辅,研究这两种神经网络的算法和改进措施,以及模型的合理建立,进而利用Visual C++（以下简称VC）开发出了一套可视化的人工神经网络软件。本文以沁水盆地中南部煤层气资源量预测为实例,对研究区煤层气资源量影响因素和控制机理进行研究,提取出主要的可定量化的影响因子,本文中选择了如下的主要影响因素:煤炭的分布面积、厚度、容重和含气量。以这四个影响因素作为输入参数,以煤层气资源量作为输出参数,建立研究区人工神经网络煤层气资源量预测模型。利用所开发好的人工神经网络软件对研究区煤层气资源量进行预测,经过反复调试,得出了比较理想的预测结果。预测结果表明:研究区人工神经网络煤层气资源量预测模型建立的比较合理,人工神经网络软件操作简单、实用。根据上述预测成果,结合研究区煤层地质状况,对煤层气开发的有利区块进行了评价。评价结果显示:沁水盆地中南部煤层气资源量开发的有利区块主要位于阳城-长子、沁水、屯留-襄垣和安泽-沁源这四个区块。

论文目录

• 摘要
• Abstract
• 第一章 前言
• 1.1 课题任务、选题依据及研究意义
• 1.1.1 课题的任务
• 1.1.2 选题的依据
• 1.1.3 研究的目的和意义
• 1.2 国内外研究现状
• 1.2.1 人工神经网络模型
• 1.2.2 煤层气资源量定量预测现状
• 1.3 主要研究目标及研究的主要内容
• 1.3.1 课题研究目标
• 1.3.2 研究内容
• 1.3.3 主要研究成果
• 1.3.4 技术路线
• 第二章 人工神经网络算法及软件设计
• 2.1 BP神经网络
• 2.1.1 BP网络结构的确定
• 2.1.2 BP学习算法
• 2.1.3 BP算法的预测
• 2.2 SOFM神经网络
• 2.2.1 SOFM神经网络算法
• 2.2.2 SOFM算法的基本步骤
• 2.3 人工神经网络软件设计思路
• 2.3.1 软件功能模块
• 2.3.2 人工神经网络软件模块结构
• 2.3.3 人工神经网络程序流程
• 2.3.4 图形绘制程序流程
• 2.3.5 数据文件格式
• 2.3.6 人工神经网络软件界面设计
• 2.3.7 封装人工神经网络功能
• 第三章 人工神经网络软件
• 3.1 人工神经网络软件简介
• 3.1.1 菜单
• 3.1.2 工具栏
• 3.1.3 状态栏
• 3.2 BPNN子菜单具体使用
• 3.2.1 打开文件
• 3.2.2 网络结构参数和控制常数
• 3.2.3 BP算法
• 3.3 BP直方图子菜单的使用
• 3.4 保存图片子菜单的使用
• 3.5 SOMN子菜单的具体使用
• 3.6 人工神经网络软件中的其他功能
• 第四章 沁水盆地中南部地质概况
• 4.1 地理位置
• 4.2 煤层气地质背景
• 4.2.1 地层
• 4.2.2 煤系地层及展布
• 4.2.3 煤层厚度与埋深
• 4.2.4 煤岩、煤质特征
• 4.2.5 古地温场特征及煤化作用
• 4.2.6 煤的孔隙性特征、渗透率
• 4.2.7 封闭条件
• 4.2.8 煤的储层压力和压力梯度
• 4.2.9 煤的含气性及含气饱和度
• 4.3 构造应力场及煤储层裂隙发育特征
• 4.3.1 构造应力场
• 4.3.2 煤储层裂隙发育特征
• 4.4 水文地质条件
• 4.4.1 主要含水层
• 4.4.2 主要隔水层
• 4.4.3 水文地质条件对煤层气的联系
• 4.5 岩浆岩
• 第五章 工区煤层气资源量预测及有利区优选
• 5.1 煤层气资源量影响因素分析
• 5.1.1 构造的控制作用
• 5.1.2 煤变质程度、煤岩组分对煤层气的影响
• 5.1.3 埋深与煤层气的关系
• 5.1.4 煤层厚度与煤层气的关系
• 5.1.5 煤层气与煤层顶底板的关系
• 5.1.6 水动力条件的影响
• 5.1.7 煤层气与岩浆岩的关系
• 5.2 工区煤层气影响因素分析及参数选取
• 5.3 工区人工神经网络煤层气资源量预测
• 5.3.1 工区山西组人工神经网络煤层气资源量预测
• 5.3.2 工区太原组人工神经网络煤层气资源量预测
• 5.4 评价结果
• 5.4.1 全局误差控制常数对预测结果的影响
• 5.4.2 最大学习次数控制常数对预测结果的影响
• 5.4.3 工区煤层地质状况综述及预测结果
• 5.5 工区有利区块优选
• 结论
• 参考文献
• 攻读硕士学位期间取得的研究成果
• 致谢