学位论文 > 优秀研究生学位论文题录展示

石油勘探信息管理软计算的理论与方法研究

作　者: 诸克军
导　师: 姚书振；成金华
学　校: 中国地质大学
专　业: 资源产业经济
关键词: 软计算 油层预测 储层追踪 储量—产量预测
分类号: TP301
类　型: 博士论文
年　份: 2007年
下　载: 275次
引　用: 0次
阅　读: 论文下载
 

内容摘要


到2000年底，全球剩余的石油探明可采储量为402×10~8t，石油年产量为34×10~8t，今后年平均需求量增速估计为1.5％—1.8％，现有石油资源只能再使用35—40年。而且，无论是海洋还是陆地，大型、特大型的油气田总是少数，而小型油气田或油藏占绝大多数。我国石油资源储量非常贫乏，人均占有量更少。至1999年底，中国石油探明地质储量205×10~8t，石油年产量1.6×10~8t，列世界第18位，近20年来，随着经济的持续发展，中国对石油的需求不断增加，国内对石油生产不能满足需要。截止2003年，世界各国的油气公司的实际开采量不到探明储量的三分之一。一个很重要的原因是探明储量与石油的客观存在差别甚远，说明传统的勘探手段、分析技术、计算方法急需改进，人们对地下石油储层认识的能力亟待提高。油气勘探开发是一个十分复杂的系统，已无法只依靠一个学科来解决。目前我们正处在信息爆炸的时代，所以油气行业的多学科分析方法和数据发掘工作也就显得越来越必要，已远远超出了职业好奇心。为了解决我们所面临的困难问题，需要为传统学科(例如石油工程学、地质学、地球物理学和地球化学)拆除我们所构建的隔墙，寻找多学科解决办法。因此，我们今天基于结果的“综合”将不得不让位于一种新的综合形式，这就是学科综合。此外，为了解决复杂问题，还需要超越标准的数学技术。为此，需要用一些新兴的成套方法和软计算技术(例如专家系统、人工智能、神经网络、模糊逻辑、遗传算法、概率推理和并行处理技术)来补充常规的分析方法。软计算与常规(硬)计算的区别，表现在软计算可以接受模糊性、不确定性和局部真实。软计算还具有易于使用、功能强大、可靠有效和成本低廉的特点。研究认为：石油勘探信息管理是一个通过多种勘探手段(地质、地震和测井)获取数据—从这些数据中提取信息—将信息转化成为对石油储层的认识的动态过程，以下简称数据—信息—认识链D-I-K-CHAIN)。本论文就是要集成多种软计算技术去实现D-I-K-CHAIN的科学计算。包括基于地质数据与测井数据的油层纵向识别与基于地震数据、地质数据、测井数据的储层的横向追踪，为勘探人员获得对油藏正确认识提供辅助的决策支持。

全文目录


摘要  7-8
Abstract  8-15
第一章 绪论  15-21
  1.1 引言  15
  1.2 石油勘探管理中软计算的作用  15-21
    1.2.1 微观信息处理  16
    1.2.2 宏观预测  16-17
    1.2.3 数据的挖掘和融合  17-18
    1.2.4 智能解释和数据分析  18
    1.2.5 聚类  18
    1.2.6 数据综合和油气藏性质估算  18-19
    1.2.7 数据不确定性、预测误差以及置信区间的量化  19-21
第二章 石油勘探管理中软计算技术综述  21-31
  2.1 人工神经网络  21-23
    2.1.1 技术术语  21
    2.1.2 ANN在石油勘探管理中的应用  21-23
  2.2 模糊逻辑(Fuzzy Logic)  23-25
    2.2.1 技术术语  23-24
    2.2.2 模糊逻辑的地学应用  24-25
  2.3 遗传算法(Genetic Algorithn)  25
  2.4 神经网络—模糊模型  25-26
  2.5 聚类综述  26-28
    2.5.1 K-均值聚类  26
    2.5.2 模糊C-平均数聚类  26-27
    2.5.3 神经网络聚类  27-28
  2.6 石油勘探管理中软计算的发展趋势  28-31
    2.6.1 软计算的发展趋势  29
    2.6.2 油藏的智能描述  29-31
第三章 常用的神经网络及其讨论  31-52
  3.1 BP神经网络  31-37
    3.1.1 网络结构  31-32
    3.1.2 BP神经网络算法  32-34
    3.1.3 BP网络的一些理论问题  34-35
    3.1.4 对BP神经网络模型的改进  35-37
  3.2 径向基网络  37-43
    3.2.1 径向基函数神经元模型  37-38
    3.2.2 径向基函数网络的结构  38
    3.2.3 RBF网络非线性特征  38-40
    3.2.4 函数φ(·)确定  40-41
    3.2.5 RBF网络的学习算法  41-43
    3.2.6 RBF网络研究的新发展  43
  3.3 自组织特征映射网络  43-48
    3.3.1 自组织特征映射网络概述  43-44
    3.3.2 两种联想学习规则  44-48
    3.3.3 SOM网络计算  48
  3.4 人工神经网络的新发展  48-52
    3.4.1 对智能和机器关系问题的认识将进一步增长  48-49
    3.4.2 神经计算和进化计算将有重大的发展  49-50
    3.4.3 神经网络结构和神经元芯片的作用将不断扩大  50-52
第四章 模糊系统  52-65
  4.1 模糊逻辑基本知识  52-53
    4.1.1 若干模糊概念  52-53
    4.1.2 模糊系统(The Concept of Fuzzy System)  53
  4.2 模糊逻辑系统的组成  53-57
    4.2.1 模糊产生器  54
    4.2.2 模糊规则库  54-55
    4.2.3 模糊推理机  55-56
    4.2.4 解模糊化器  56-57
  4.3 模糊逻辑系统的分类  57-59
  4.4 模糊系统的基本理论  59-60
    4.4.1 万能逼近定理  59-60
    4.4.2 逼近特性分析  60
  4.5 模糊聚类  60-65
    4.5.1 模糊-C划分  61-62
    4.5.2 准则函数  62-63
    4.5.3 GA—ISODATA算法  63-64
    4.5.4 GA—ISODATA算法的收敛性  64-65
第五章 遗传算法  65-72
  5.1 遗传算法的概述  65
  5.2 遗传算法中几种编码方式  65-69
    5.2.1 二进制编码  65-67
    5.2.2 实数编码  67-68
    5.2.3 符号编码  68
    5.2.4 Gray编码  68-69
  5.3 适应度函数  69-72
    5.3.1 适应度函数的设计  69
    5.3.2 将目标函数映射成适应度函数  69-70
    5.3.3 适应度函数的定标  70-72
第六章 ANN-FS-GA集成技术  72-81
  6.1 GA-ANN  72-75
    6.1.1 GA-BP-APARTING算法  73
    6.1.2 GA-BP-NESTING算法  73-75
  6.2 FS-ANN  75-81
第七章 测井解释决策支持系统  81-87
  7.1 测井解释中主要硬计算方法介绍  81-82
    7.1.1 KM  81
    7.1.2 层次聚类分析中的Q型聚类  81-82
    7.1.3 判别分析法  82
  7.2 软计算与硬计算融合的模式  82-85
    7.2.1 SC和HC互相分离模式  82
    7.2.2 SC和HC并行连接模式  82-83
    7.2.3 SC和HC串联模式  83
    7.2.4 SC和HC嵌套模式  83-85
  7.3 WLIDSS的结构和功能  85-87
    7.3.1 人机界面  85
    7.3.2 数据库  85-86
    7.3.3 模型方法库与知识库  86-87
第八章 石油勘探有利性综合评价  87-102
  8.1 区带勘探有利性评价  87-95
    8.1.1 三角模糊数  87-90
    8.1.2 Fuzzy AHP方法  90-92
    8.1.3 案例  92-95
  8.2 盆地勘探有利性  95-102
    8.2.1 ANN的结构  95-96
    8.2.2 指标属性值的量化处理  96-98
    8.2.3 三层B-P网络学习算法  98-99
    8.2.4 区带勘探有利性评价ANN的实现算法  99-102
第九章 含油性模糊规则的提取  102-124
  9.1 含油性模式识别  102-108
  9.2 含油特征属性选择  108-111
  9.3 奇异样本的剔除  111-115
    9.3.1 软计算进行识别分析  112-113
    9.3.2 硬计算进行识别分析  113-115
  9.4 样本约简  115-116
  9.5 含油模糊规则的提取  116-123
    9.5.1 获取决策表  117-119
    9.5.2 获取侯选模糊规则集  119-120
    9.5.3 属性为AC，So  120
    9.5.4 属性为AC，CNL，So  120-121
    9.5.5 属性为AC，POR，50  121
    9.5.6 属性为AC，So，PERM  121
    9.5.7 属性为AC，CNL，POR，So  121-122
    9.5.8 属性为AC，POR，So，PERM  122
    9.5.9 属性为AC，CNL，POR，So，PERM  122-123
  9.6 规则集的遴选  123-124
    9.6.1 条件属性最少的规则集  123
    9.6.2 规则数最少的规则集  123
    9.6.3 识别率最高的模糊规则集  123-124
第十章 谢凤桥构造油层纵向预测  124-142
  10.1 谢凤桥构造油气地质条件概述  124
  10.2 基于BP-SOM网络的油层识别  124-142
    10.2.1 运用BP网络预测孔、渗、饱  125-136
    10.2.2 运用SOM网络进行油层识别  136-137
    10.2.3 神经网络油层识别效果分析  137-142
第十一章 石油储层横向追踪  142-154
  11.1 基本理论  142-143
    11.1.1 问题的描述  142
    11.1.2 利用地震属性预测油气的理论基础  142
    11.1.3 利用地震信息对储层进行横向预测的特点  142
    11.1.4 基于地震资料的储层油气横向预测的基本条件  142-143
  11.2 地震属性优化问题  143-146
    11.2.1 地震属性及其分类  143-144
    11.2.2 地震属性优化  144-145
    11.2.3 GA-BP网络优化地震属性  145-146
  11.3 江汉盆地某区块实例研究  146-154
    11.3.1 地震属性选择  146-149
    11.3.2 储层追踪  149-154
第十二章 储量—产量宏观预测  154-165
  12.1 主成分-BP预测理论与方法  155-157
    12.1.1 主成分分析  155-156
    12.1.2 PCA-BP预测法  156-157
  12.2 案例研究  157-165
    12.2.1 油田石油产量的主要影响因素  157-158
    12.2.2 主成分分析法的应用  158-161
    12.2.3 神经网络进行预测  161-165
结束语  165-167
致谢  167-168
参考文献  168-173

相似论文

  1. 基于软计算的数字图像修复算法研究,TP391.41
  2. 面向气辅注射成型工艺参数优化的软计算方法研究,TQ320.662
  3. 软计算融合算法及其在Captcha识别方面的应用研究,TP18
  4. 基于软计算的张力控制研究,TP273.5
  5. 基于软计算的基因调控网络应用研究,TP399-C8
  6. 基于软计算的智能控制器的研究,TP273.5
  7. 基于软计算的智能控制及其在船舶运动控制中的应用,TP273.5
  8. 基于软计算方法的电力系统短期负荷预测研究,TM715
  9. 热风回流焊机温度控制的软计算建模与系统设计,TG439.9
  10. 面向大规模定制的成本估计模式与方法研究,F275.3
  11. 教育经济贡献率软计算的理论与方法研究,G40-054
  12. 面向装配序列规划的软计算方法研究,TP301.6
  13. 成本预测控制的模式与方法研究,F275.3
  14. 浮法生产线冷端玻璃板位的软计算,TQ171.6
  15. 基于软计算的结构优化设计,TP183
  16. 教育经济贡献的软计算方法研究,TP399
  17. 基于模糊理论的语言建模的研究,O159
  18. 基于遗传算法与人工神经网络的二声部创意曲自动生成,TP391.7
  19. 中国及各地区教育经济贡献率软计算应用研究,G521
  20. 基于软计算融合的城市道路交通资源选址研究,U491
  21. 基于水信息技术的渤海湾水生态环境特性及模拟研究,X171

中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 一般性问题 > 理论、方法
© 2012 www.xueweilunwen.com