基于自组织映射的地质可视化在油藏描述中的应用-计算机软件与理论专业论文.docxVIP

中文摘要论文题目： 中文摘要 论文题目： 基于自组织映射的地质可视化在油藏描述中的应用 专 业： 计算机软件与 硕士生： 刘淑英(签名) 指导教师： 程国建(签名) 要 传统的油藏描述方法存在很多问题。比如，大部分方法都是基于单变量的；油藏参 数维数高、数量多，且存在很大的随机性和不确定性等。为了克服这些不足，近年来， 国内外学者提出利用神经网络进行油藏描述。鉴于自组织映射(SOM)模型的特征保持、 数据降维以及可视化功能，本文利用其对油气层进行准确识别。 针对SOM网络学习算法存在的一些缺点，即在学习过程中容易陷入局部最优，以及 在收敛过程中存在钟摆效应，本文提出一种改进的SOM学习算法。理论研究和仿真试验 均表明该算法的有效性，它能弥补标准SOM学习算法的不足。 油气层的准确识别能够提高勘探效果，还可以为油田开发的部署与规划提供重要的 基础数据。本文拟在现有油气层识别研究与评价技术基础上，利用改进的SOM学习网络 模型分析测井参数识别储层，提出一套分析识别方法，并给出了相应的可视化信息，得 到一个良好的聚类识别器，为油藏描述和参数分析提供了依据。文中详细介绍了此模型 用于油气层识别的过程。比如，样本参数的选择、网络的构建和优化、网络的学习和表 示、聚类分析等。 最后，结合实际测井参数，进行油水层识别，得到了很高的识别精度。结果表明： 该模型是一种操作简便、易于实现、性能良好的有效模型。 关键词： 油藏描述 自组织映射(SOM)聚类岩性识别可视化 论文类型：应用研究 (本文得到国家自然科学基金的资助) n 英文摘要Subiect 英文摘要 Subiect An application of Petroleum Reservoir Characterization by Using geological Visualization based on Self-Organizing Maps Speciality： Name： Instructor： ABSTRACT There are many problems in the traditional petroleum reservoir characterization．For example，most traditional algorithms are based only on single variable．In fact,the petroleum parameters are not only multidimensional and large—scale，but also random and uncertaim etc． To overcome the limitations，many scholars suggest using artificial neural networks for the petroleum reservoir characterization．Self-organizing Maps(SOM)neural network carl implement feature preserving，dimension reduction and data visualization。Therefore，SOM neural network is proposed for identification ofoil and gas layers in this thesis． There age some shortages in the original learning algorithm of SOM neural network．For instance，the algorithm may get stuck in local minima in the learning process，it can also cause pendulum effect too．Therefore，a modified learning algorithm for SOM neural network is proposed．Theoretical study and simulation show that the new model can overcome the shortage of standard learning algorithm of SOM neural network． Exactly identification of oil and gas layers is helpful to improve the effect of exploration， and it can also provide important b