基于测井曲线自动分层的岩性识别方法研究

根据测井曲线数据,运用移动平均方法实现自动分层,再对得到的分层数据,采用交会图、BP神经网络、支持向量机这三种岩性识别方法,对比分析每种方法使用相同的测井资料作为样本,对相同的测井数据做预测分析,与此同时与MATLAB识别结果进行对比,从中选出比较合适的岩性识别方法。     

小波分解在测井解释中的应用

本文介绍了小波分解与重构的基本理论,对某油田的测井信号进行小波分解,并对该测井信号进行了奇异性检测,用于提高测井解释符合率。利用小波变换理论全面分析测井曲线的细微变化,并结合判别分析的方法进行地层压力的预测和储层识别。     

小波分析在深水层序地层划分中的应用

介绍了小波分析的基本原理,探讨了测井信号小波分析在高精度层序地层划分中的适用性及其地质意义.对测井信号进行一维小波和一维连续小波变换后可识别出不同级次的沉积旋回,结合研究区已有的地震、测井、岩芯资料综合分析确定合适的小波尺度进行高精度层序地层界面的识别.研究表明,自然伽马测井曲线小波分析对深水碎屑岩高精度层序地层学的划分与传统方法吻合较好.     

小波分析在层序单元划分中的应用

根据小波选取原则,选择db5小波对测井曲线进行旋回划分,研究表明,db5小波可以将测井信号中的信息分频放大,识别出不同频段的旋回,分别对应不同沉积周期的沉积旋回,进而划分出准层序组,此方法在实际应用中得到的结论与实际的地质情况比较吻合。     

基于小波网络的电力系统短期负荷预报研究

本文结合小波和神经网络方法进行电力系统短期负荷预测的通用模型和方法的研究,建立了负荷预报的小波网络模型,确定了有效的算法求解小波函数线性组合的尺度和时延参数以及神经网络的权值。     

沙7断块阜三段中低阻油藏测井响应特征及油水层识别方法

本文分析了沙7断块中低阻油藏的形成原因,及怎样从测井曲线的响应特征上去进行识别,并建立了该块的测井解释模型。     

基于小波神经网络的电力负荷预测

小波神经网络是建立在小波理论基础上的一种新型前馈神经网络,具有许多优良特性。本文分析了小波神经网络的特点,建立了电力负荷的小波神经网络预测模型,设计了小波神经网络结构,给出了小波网络参数调节算法。对实际电力负荷预测算例,以及与BP网络的对比研究实验表明,小波神经网络对非平稳信号能进行有效地预测,比BP神经网络具有更高的预测精度。     

基于二维离散小波的成像测井图像增强

为了改善成像测井图像质量以确保后续解释评价的效果,需要对成像测井图像进行增强处理。目前,成像测井系统在图像增强方面采用的传统办法,在图像增强的同时也放大了噪声。本文提出基于二维离散小波的加权阁值图像增强方法,采用小波时图像进行频域分割,根据信号与噪声在频域的不同特点,利用加权闽值来对成像测井图像进行增强。通过对实际电成像测井资料的处理,结果表明,在图像增强的同时也很好保留图像的边缘信息,是一种有效的图像增强方法。     

改进神经网络与小波分析结合的电力负荷预测方法研究及应用

本文充分考虑神经网络与小波分析的结合建立改进神经网络与小波分析结合的电力负荷预测模型,系统的不同输入数据通过不同的子模块预测,最终以预测结果初始化作为出口.输出的结果可以通过判断模块后再次作为负荷预测子系统的部分输入数据重复预测.实例结果表明该方法具有很高的预测精度和较强的适应能力.     

基于小波神经网络的电力系统负荷预测

文章在介绍神经网络模型构成原理的基础上,针对传统模型在对非线性序列进行预测时速度慢、容易陷入局部次最优的缺点,引入小波作为隐含层的传递函数,构成新的预测模型:小波神经网络预测模型,并分析了小波神经网络在电力负荷预测领域的研究和应用现状。     

基于MATLAB的往复泵泵阀诊断方法研究与应用

本文基于MATLAB软件,提出应用MATLAB中的小波分析工具箱和神经网络工具箱,首先对提取到的泵阀关闭时引起阀盖和阀箱上的振动加速度信号进行小波包分解,计算出各频段能量所占百分比,在此基础上建立故障诊断模型,然后利用神经网络工具箱对故障诊断模型进行训练,并对泵阀的常见故障进行诊断识别,取得了很好的效果。     

小波神经网络在土地利用效益分析中的应用——以兰州市为例

随着我国工业化与城镇化进程的加快,土地利用效益作为土地资源利用水平的有效度量标准,其分析对于提高土地资源的优化配置水平具有重要的作用。提高土地利用效益分析水平可以通过改进计算模型的方法来实现。本文探讨将小波神经网络这一改进的人工神经网络模型在土地利用效益分析中进行研究。以兰州市为研究区,在经济效益、社会效益和生态效益3个方面建立了土地利用效益指标体系的基础上,采用小波神经网络模型对兰州市土地利用效益进行评价,并与熵值法、BP神经网络模型进行比较分析。结果表明,小波神经网络的效率性与精确性更高,效果更好,具有较好的适用价值。这为土地利用效益的方法研究提供了一种科学的思路;同时,也为兰州市土地资源优化配置研究提供了一定的参考依据。     

基于曲线重构的泥岩蚀变校正技术研究

当用水基泥浆钻井时,地层中的粘土矿物吸水膨胀,产生蚀变现象。在本文中我们启发于曲线重构技术,基于FAUST公式对目标油区不同岩性地层电阻率与密度测井之间的关系进行了统计分析,拟合出电阻率与密度测井之间的关系;基于GARDNER公式对目标油区不同岩性地层声波与密度测井之间的关系进行了统计分析,拟合出水基泥浆影响严重的泥岩类地层中声波与密度测井之间具有良好的统计关系。经过对密度和声波测井曲线的校正,加强储集层与围岩的速度差异,进而提高测井约束地震反演的精度。     

基于小波分析和神经网络的金融时间序列预测

以金融时间序列(1990年~2014年上证指数)为研究对象,金融时间序列数据本身带有较大的波动性,有高频和低频的数据情况贯穿于整个时间序列。小波分析对于数据降噪较于传统的降噪方式有着明显的优势,分析对比小波变换在处理两种不同波频情况下的优势和方法。采用其适合小波分析和神经网络相结合的组合模型对其进行分析和预测,其思想是,先将时间序列进行小波分解,得到各级小波变换序列和尺度变换序列。根据不同级小波变换系数的情况,选择合适的神经网络训练函数建立预测模型,得到各级小波变换序列和最后一层尺度序列,运用小波重建技术得出原时间序列的预测值。最后和常规的BP神经网络比较预测效果。     

GA-WNN在金华市区红层地下水水位预测中的应用

小波神经网络(WNN)的理论基础是小波函数的重构理论,只含有一个隐含层的3层小波神经网络,该网络可以通过多种形式来解决一个接近非线性映射问题。常用的遗传算法(GA)是在达尔文生物进化论的基础上逐渐形成的一种计算机模型,可以通过模拟自然进化来选择最佳的问题解决方法,基于遗传算法优化的小波神经网络包含了神经网络理论中最精华的部分,由于其结构简单、可塑性强,可以使权值收敛到某个值后,误差为全局最小值。通过建立金华市区红层地下水的GA-WNN模型,实现了对其进行科学的预测,为以后地下水预警体系建设打下了坚实的基础。     

基于高分辨率层序地层学的测井曲线标准化

测井曲线标准化的目的是消除测井曲线标准化人工操作与仪器引起的系统误差和随机误差,关键的步骤是选取标准井与标准层。针对陆相盆地稳定标准层难以选取的问题,应用高分辨率层序地层学的方法,选择工区内具有等时性的地层为骨架标准层,结合趋势面法并依托石文软件对常规测井曲线进行标准化校正。结合残差值模型与岩电模型相辅验证,结果表明,通过高分辨率层序地层学划分地层识别出等时性地层可作为测井曲线标准化的骨架标准层,从而抵消来自液体相对测井曲线标准化的干扰。     

基于计算智能的损伤检测研究

本文将计算智能(CI)现代信号处理方法有机地结合起来进行损伤检测,提供了一种机械传动系统故障诊断方法。采用离散小波分解和小波包变换,分别对去噪后的信号进行分解,对齿轮不同状态下的信号进行了研究。重构了小波变换后的各层信号,并计算了各层信号的能量,得到了信号的能量分布特征。分别利用小波分析与神经网络相结合和小波包变换与支持向量机相结合的计算智能算法对获得的齿轮特征信号进行了分析、识别和比较。研究表明,该方法可以很好的用于设备损伤检测领域。     

钻井模拟中测井信号小波去噪的最优阈值选取方法

钻井模拟中的测井信号往往存在着与地层无关的噪声干扰,必须进行去噪处理。小波变换可以滤除测井信号的噪声和干扰,但其去噪效果与阈值的选取有关。本文从理论上介绍了阈值的选取准则及阈值选取方法,再从实验角度对四种阈值选取方法（Stein无偏似然估计阈值法、固定阈值法、混合型阈值法和最小最大准则阈值法）进行了分析计算,最终选定混合型阈值小波消噪法去除测井信号的噪声。对实际测井信号的处理效果表明,混合型阈值小波消噪法不仅去噪效果好,而且较好的保留了测井信号的分辨率,适用于测井信号的去噪。     

XJS-2型便携式数控射孔地面仪

本文介绍了一种便携式数控射孔取芯地面测井仪的软件及硬件设计方案,它可与国内所有的射孔取芯下井仪配接完成射孔取芯任务。该系统以笔记本电脑为核心,采用深度自动校正及曲线自动跟踪技术,在WINDOWS98操作系统下,用VC 6。0语言设计应用软件包,界面友好,操作方便,可以挂接MODEL820及EPSON打印机等多种测井曲线输出设备。     

基于WNN的供应商评价研究

供应商评价是企业可持续发展的关键环节.在对小波神经网络进行深入研究基础上,探讨了基于小波神经网络的信息评价算法,在此基础上给出基于小波神经网络的多属性综合评价方法.最后以供应商信息评价为例,进行基于该方法的供应商评价实证研究,并对结果做了简要分析.