《人工智能与油气储集层保护》求取 ⇩

1． 油气储集层伤害的理论基础1

1．1 储集层伤害及主要原因1

1．2 储集层伤害的评价7

1．3 岩心敏感性系数的概念与计算方法13

1．4 储集层伤害的矿场评价16

1．5 储集层伤害的模型17

2． 人工智能及应用方法23

2．1 人工智能的产生和发展23

2．2 人工智能应用方法学25

2．3 人工智能在石油工业中的应用26

2．4 保护储集层系统的智能决策框架设计28

3． 储集层伤害的评价与诊断专家系统31

3．1 专家系统的基本特征31

3．2 专家系统的一般结构32

3．3 协同专家系统的设计原理33

3．4 储集层伤害的评价与诊断专家系统知识库41

4． 用灰色系统理论法评价储集层敏感性52

4．1 灰色系统理论概述52

4．2 灰关联分析53

4．3 最大关联度评价原则58

4．4 用灰关联方法评价储集层敏感性59

5． 用人工神经网络法评价储集层伤害62

5．1 人工神经网络概述62

5．2 人工神经网络同其它信息处理方法的比较62

5．3 神经元模型与网络模型64

5．4 反向传播网络的结构及BP算法65

5．5 改进的BP算法71

5．6 用人工神经网络方法评价储集层敏感性74

5．7 敏感性预测模型训练集的提取77

6．1 模式识别算法80

6． 模式识别在保护储集层技术中的应用80

6．2 用模式识别法优选钻井液体系83

7． 储集层保护的综合智能软件系统开发88

7．1 保护储集层软件系统的总体设计88

7．2 数据库、知识库及管理系统90

7．3 储集层伤害评价的专家系统软件93

7．4 储集层伤害诊断的专家系统软件98

7．5 分布式保护储集层智能软件系统103

参考文献107