海拉尔盆地油气盖层测井地质研究

本文全面研究了各类泥岩盖层的测井响应特征，提取多种测井信息，采用数理统计法和测井资料数字处理法求取了油气盖层参数。结合微观分析资料，首次提出了九项盖层分级参数及其分级标准，并对海拉尔盆地油气盖层进行了系统分级评价，指出了油气保存的有利地区。     

一种评价碳酸盐岩储层裂缝参数的测井新模型

通过南翼山构造第三系碳酸盐岩凝析气藏钻井地质资料的认识以及多井测井资料的对比,对该气藏中深层目的层的裂缝特点、裂缝发育规律作了细致的研究与评述,总结出了利用测井资料评价该构造裂缝性碳酸盐岩裂缝参数的方法,提出了评价裂缝孔隙度和裂缝渗透率随构造位置而变化的测井解释模型,评价结果与钻井地质特征和试油情况相符合。     

油层含油性判别分析

大安寨油组是川中油田的主力产油层,油气多产于碳酸盐岩地层,开采时间较长,不少井产量下降,甚至枯竭,因而研究大安寨油井含油特征、预测产能是十分必要的。根据试油井段的产能分析,将储层分为干层、低产层和高产层三类;应用测井、地质及试油试采资料,归纳出不同类型产层的定性特征;并建立起判别产层的模型,形成一套选取产层和预测产能的方法。     

RMT在宝浪油田水淹层评价中的应用

针对宝浪油田多年注水开发使原始的储层物性和含油气性关系因水淹而破坏的实际问题,采用了RMT(Reservoir Monitor Tool,油藏监测仪)测井对该油田的典型井进行监测、评价,准确地提供了地层的孔隙度、渗透率、含油饱和度等诸多地层参数。实践应用表明,结合油田的地质特征,设计适当的监测层段,采用合适的解释模型能够对油田的水淹情况进行准确的评价,对油田的稳油控水措施的实施可起到关键指导作用。     

非均质碳酸盐岩储层及产能评价方法探索

非均质碳酸盐岩储层的定量评价以及产能预测一直是测井分析中难以解决的问题,利用成像测井、核磁共振测井和偶极声波测井等资料分析了非均质储层特征,通过核磁共振测井分析了孔径大小及其与渗透率的关系,介绍了如何利用POROSPECT计算结果来描述原生、次生孔隙度,并研究了成像测井和核磁共振测井定量描述非均质储层的方法,较好地探索了孔洞缝发育程度、总孔隙度、次生孔隙度、渗透率、孔径大小与产能的关系以及利用核磁共振、成像测井评价产能的适应性,效果明显。     

利用弹性模量计算含气饱和度方法研究

利用弹性模量计算地层含气饱和度丰富了利用测井资料对储集层进行解释、 评价的手段， 提高了含气饱和度这一重要参数的解释精度。由阵列声波测井资料得到的纵、 横波速度信息以及密度信息可以计算出岩石弹性模量参数。根据 Gassmann 方程所描述的低频情况下岩石颗粒、 岩石骨架和流体体积模量与不同孔隙组分饱和度之间的关系， 建立了含气饱和度与地层饱含气、 饱含水时岩石骨架体积模量与剪切模量的关系方程， 从而得到基于弹性模量的地层含气饱和度计算模型。实际测井资料解释处理结果与试油资料符合， 验证了方法的可行性。     

RFT资料的误差校正及应用

自我国于七十年代末、八十年代初从国外引进电缆地层重复测试仪(简称RFT)后,近几年以来,RFT资料在油田上的应用越来越广泛,对RFT资料的解释也要求日趋深入、完善、精确。本文主要参考了近年来国内外专家、学者发表的有关文章,结合海上一个新发现的油田实际资料,从RFT仪器原理、资料解释的理论基础出发,介绍了RFT资料在油(气)藏评价中的应用,着重介绍了RFT资料解释,对地层压力测量值进行误差分析和校正的新方法,以便更精确可靠地确定油田内流体性质和不同流体界面,为判断油(气)藏类型、计算油气储量提供有力依据。     

低渗透砂岩压裂层位优选的测井评价模型

典型的低渗透砂岩储层具有非均质性严重、储层产能受岩性和物性因素影响较大、自然产能相对较低等特点，需要对储层进行改造才能见到较好的效果。水力压裂是低渗透储层增产的有效手段，选井选层直接影响压裂效果，目前油田主要依靠经验选择施工井层，不能保证压裂后获得很好的增产效果。利用测井资料处理分析得到低渗透砂岩储层产能评价的关键参数，可以有效地开展低渗透储层压裂产能预测与层位优选，评价产能改造潜力，指导酸化压裂层位的选取和施工，提高油藏开发效益。利用测井、岩芯及测试等资料，从低渗透砂岩储层的岩石矿物、粘土矿物、钙质胶结物、微观孔隙结构等方面入手，分析了影响低渗透砂岩产能的储层因素，构建了储层精细评价和产能预测的测井优化模型，确定了低渗透砂岩储层压裂层位优选标准和图版，最终实现了对压裂优选层位的分级划分。     

基于FMI与 ECS的火山岩储层综合评价方法

准噶尔盆地火山岩地层评价十分复杂,一方面,单一依靠某种测井资料识别岩性暴露出越来越多的局限性,另一方面,利用常规测井方法评价储层裂缝、孔隙具有很大不确定性。本研究方法在岩芯刻度的基础上,结合FMI、ECS测井资料对火山岩岩性进行结构、成分综合识别,对火山岩喷发旋回进行划分;在此基础上还对裂缝进行识别,对裂缝参数、孔隙频谱进行计算分析,体现了FMI、ECS测井在火山岩评价中的独特优越性,取得了非常好的应用效果。     

断层连通概率计算及其应用

断层连通概率法结合地质特征及断裂附近油气显示级别、通过各项参数计算定量评价断层开启程度。详细介绍了连通概率法所涉及的各项参数的计算方法，利用准噶尔盆地莫索湾地区侏罗系三工河组相关资料进行了实际参数的计算与选取，建立了经过实际数据检验的断层连通概率模型，利用该模型对断层启闭性进行了定量评价和油气藏解释，认为盆4井三工河组油气显示差的主要原因是深部断层连通性差，油气向上运移困难；而盆6井三工河组油气显示较好的主要原因是深部断层开启程度较高，有利于油气向上运移，而浅部断层开启程度差，有利于油气保存。     

基于遗传神经网络的工程造价估算方法研究

人工神经网络已经成功的运用到工程造价估算方法研究中,高度的鲁棒性和容错能力使它优于多元线性判别分析（MDA）、逻辑回归等方法（Logistic Regression）,针对传统的BP神经网络在工程造价估算方法中存在收敛速度慢和容易陷入局部最小值等问题,提出遗传神经网络的估算方法。将遗传算法和神经网络结合,充分利用两者的优点,使新算法既有遗传算法的全局随机搜索能力,又有神经网络的学习能力和鲁棒性。利用遗传算法的全局搜索能力,针对传统误差反向传播算法的不足,采用染色体编码对神经网络的权值和阈值等主要参数进行优化,通过仿真试验验证其稳定性和有效性,表明该算法在工程造价估算方法中具备较高的实用性。     

基于贝叶斯神经网络的非参数回归

提高神经网络模型推广能力的关键是控制模型的复杂度。该文探索了贝叶斯神经网络的非参数回归的建模方法,通过融入模型参数的先验知识,在给定数据样本及模型假设下进行后验概率的贝叶斯推理,使用马尔可夫链蒙特卡罗算法来优化模型控制参数,实现了对神经网络模型中不同部分复杂度的控制,获得了模型参数的后验分布及预测分布。在5个含噪二维函数回归问题上的应用显示了模型的复杂度能根据数据的复杂度而自适应调整,并给出了较好的预测结果。     

基于PSO算法优化RBF神经网络的基金净值预测研究

为了更精确地对基金净值进行预测,针对基金净值变化具有非线性和随机性等特点,提出基于粒子群优化RBF神经网络的基金净值预测模型。利用具有全局寻优的PSO算法对RBF神经网络的参数进行优化,并用经PSO算法优化的RBF神经网络对基金净值进行预测分析。仿真实验结果表明:与使用BP神经网络和RBF神经网络的基金价格预测方法相比较,PSO算法优化的RBF神经网络能够准确地预测基金价格的变化趋势,具有较高的预测精度,对于用户选择基金有着非常重要的意义。     

基于优化BP神经网络的营销风险衡量与控制

营销风险是由营销环境等因素的不确定变化带来的,营销风险衡量是营销风险管理的核心。文章提出了基于改进BP神经网络的营销风险评价方法。这种方法的步骤包括建立营销风险评价指标体系,并进行FA指标处理;构建BP神经网络模型,以实例训练模型,并验证此方法的可行性。在此基础上,用概率法划分五个营销风险等级,并根据企业承受营销风险的能力及风险管理水平,采取相应的预警控制措施。     

基于时变系统的油田产量功能模拟预测

神经网络预测的优点是预测指标与影响因素指标的历史拟合好，微分模拟预测的特点则是预测过程中更加注重预测指标的自身变化趋势。两者有机结合，首先将微分模拟得到的油田产量与其影响因素的输入输出关系视为时变系统，再把BP神经网络引入到微分模拟参数识别中，建立具有时变特征的功能模拟预测新方法。该预测模型中的参数随时间变化，具有自适应性；能在神经网络训练过程中通过变学习率的方式解决其与微分模拟胶合过程可能出现的不收敛问题；对中长远预测有更好的效果。最后将这一新方法应用于国内某油田的产量预测中，经软件计算，预测结果与实际的吻合程度明显高于其它几种预测方法。     

HHGA-RBFNN在DGS设计中的应用

将递阶遗传算法和最小二乘法相结合, 构成一种混合递阶遗传算法,用于优化径向基函数神经网络的结构和参数,通过MATLAB仿真实现该算法,并将该神经网络运用于微带缺陷接地结构的神经网络建模之中,实现对微带缺陷接地结构传输系数的仿真.实验结果表明,应用混合递阶遗传算法优化的径向基函数神经网络,具有很高的拟合精度和很好的泛化能力,可以与时域有限差分分析方法结合,辅助微带缺陷接地结构的设计.     

基于结构的神经网络模型

提出了一种基于结构的神经网络模型，并介绍了利用该模型进行系统建模与参数优化的方法，该神经网络模型本质上是结构化的，网络模型的结构与系统结构相对应，网络中神经元的个数是确定的，神经元之间的连接不是盲目的，而是根据子系统间的相互作用关系连接而成，网络的部分连接权值与系统结构参数相对应，具有明确的物理意义，所以，建模后可进一步进行结构参数的优化。     

神经网络用于精确预言含F铋系高温超导的T_C

本工作通过选取适当的拓朴结构,特别是对零电阻转变温度 T_c 的数据采用压缩与还原的技术处理,建立了一个基于误差反向传播(简记为 B-P)算法的人工神经网络。该网络可根据制备含 F 铋系高温超导材料的几个主要实验参数,相当精确地预言此类超导体的 T_c。本方法显然具有一般意义,从而有力地促进了材料的计算机辅助设计的研究工作,使之进一步趋于成熟。     

基于BP神经网络的资产经营绩效评估模型

针对传统资产经营绩效评估模型的缺陷,提出使用BP神经网络对企业的资产经营进行绩效评 估,并对传统的BP网络进行了优化。其中自适应学习机制优化了学习率,动量项加速机制加 速了传统BP网络的收敛速度,遗传算法用于选择BP网络的初始参数。最后,采用500家工业 企业的资产经营绩效数据对模型的有效性进行了初步验证。     

通有连续时间神经网络的K-稳定性

研究了具有时滞的通有连续时间神经网络的K-稳定性问题;利用常数变易法,通过应用不等式分析技巧和微分方程性质,获得了具有时滞的通有连续时间神经网络的平衡点的K-全局渐近稳定性与K-全局指数稳定性的易于验证的时滞相关充分条件,通过实例验证了该充分条件的有效性。