神经网络在天然气水合物勘探中的应用研究

论文摘要

近年来,我国在南海进行了多学科多手段综合海洋地质调查研究,揭示了天然气水合物存在的证据,并于2007年5月实施深海钻探并首次获取了天然气水合物实物样品,研究显示我国南海天然气水合物储量达194亿立方米之多。随着天然气水合物勘探程度的不断深入,获得的天然气水合物储层资料、岩心样品与测井数据的丰富,如何有效利用已取得的数据对天然气水合物的赋存前景进行预测,是广大海洋科技工作者急需解决的难题。海洋天然气水合物勘探方法主要有地球化学与地球物理两大类。但无论那类方法,所涉及的水合物评价的方法、模型与公式都非常复杂,相关的参数也存在不确定性,并存在误差传递导致结果不可信等问题。而人工神经网络在模式分类、数据预测、函数拟合等方面都有强大的优势,并在石油勘探领域应用已有了许多成功运用的案例。本论文尝试运用人工神经网络技术,在天然气水合物勘探领域选取相关的应用切入点,通过训练建立神经网络模型,利用其强大的非线性映射能力,揭示天然气水合物勘探评价中涉及的多个属性之间的非线性关系,为寻找、评价天然气水合物提供一定的方法与技术支持。

论文目录

• 摘要
• ABSTRACT
• 第一章 前言
• 1.1 研究的背景与意义
• 1.2 研究现状
• 1.2.1 神经网络研究现状
• 1.2.2 神经网络在天然气水合物勘探开发中的应用
• 1.3 研究内容
• 1.4 本章小结
• 第二章 BP人工神经网络介绍
• 2.1 人工神经网络的历史
• 2.2 BP人工神经网络
• 2.2.1 BP网络神经元模型
• 2.2.2 BP神经网络结构
• 2.2.3 BP网络的学习算法
• 2.3 BP神经网络的改进与设计技巧
• 2.3.1 BP网络的不足与缺陷
• 2.3.2 BP网络的算法改进
• 2.3.3 BP网络的设计技巧
• 2.4 本章小结
• 第三章 MATLAB概述
• 3.1 MATLAB的历史
• 3.2 MATLAB的优势与特点
• 3.3 MATLAB中BP神经网络的建模应用
• 3.4 本章小结
• 第四章 天然气水合物前景预测方法
• 4.1 已有的化探方法与成果
• 4.1.1 地球化学勘探方法
• 4.1.2 已有的地球化学勘探成果
• 4.1.3 地化取样及样品处理
• 4.2 现有的天然气水合物前景预测方法
• 4.3 人工神经网络的前景预测方法
• 4.4 本章小结
• 第五章 BP神经网络建模
• 5.1 神经网络识别方案
• 5.2 BP神经网络的建模及仿真
• 5.2.1 神经网络设计
• 5.2.2 在MATLAB上的实现
• 5.3 建模解析评价
• 5.4 建模方案的优化
• 5.5 本章小结
• 结论
• 参考文献
• 附录
• 攻读硕士学位期间取得的研究成果
• 致谢