神经网络的储层微观孔隙结构类型预测

为解决昆北油田切12区e13油藏在开发过程中存在的问题,综合利用岩心、薄片、扫描电镜、物性以及压汞分析等资料,对该区储层孔隙结构及物性特征进行了综合研究。结果表明：切12区e13油藏以砾岩沉积为主,粒径较大;储层岩石类型主要为岩屑长石砂岩、长石岩屑砂岩;储层孔隙类型主要为原生粒间孔隙,其次为裂缝（构造缝）以及各类次生孔隙;压汞实验表明该区孔喉半径砾岩最粗,渗透性最好,根据压汞曲线形态可将孔隙结构分为4种类型：粗喉大孔型（ⅰ）、粗喉小孔型（ⅱ）、细喉大孔型（ⅲ）和细喉小孔型（ⅳ）,其中细喉大孔型（ⅲ）、细喉小孔型（ⅳ）在区内最发育;研究区储层物性较差,属于低孔特低渗储层,但储层孔渗相关性较好,储层物性受沉积、成岩及构造作用的多重控制。

通过岩心室内实验,分析了西峰油田储层孔隙结构参数、喉道峰值分布规律,结果表明储层空隙结构以细喉道和微细喉道为主,喉道半径主体分布在0.1μm～4μm之间,其最大值为4μm;储层粘土矿物实验数据表明,储层存在酸敏、速敏和水敏的潜在危害;这些结论对西峰油田油水井开展各种增产增注措施具有一定的指导意义。

利用岩心观察、普通薄片、铸体薄片、扫描电镜分析和压汞曲线等多种手段，研究了蓬莱地区须二段储层成岩相和孔隙结构特征。依据成岩作用和成岩矿物划分出强压实胶结相、强压实不稳定组分溶蚀相2种成岩相。通过不同成岩相与孔隙结构特征对应关系探讨，结合试气结论，认为强压实不稳定组分溶蚀相对应孔隙结构最好，强压实胶结相中的硅质胶结次之，伊蒙混层再次之，钙质胶结最差。最后选取声波时差、电阻率、自然伽马、密度、中子5条对成岩相较敏感的测井曲线，建立了2种成岩相的测井识别标准，并以px1井为了实现了成岩相的剖面划分，由此可利用成岩相的纵向展布连续评价储层孔隙结构在二维剖面上的特征和变化规律。此研究为该区下一步油气勘探工作提供了地质依据。

材料的孔隙结构对骨长入有关键性的影响。高孔隙率和大孔径有利于骨长入,但有损于力学性能。因此,在保证材料力学性能的基础上,探索最佳的孔隙结构是很有必要的。随着材料科学技术的发展,人们可以相对自由地设计特定的孔隙结构,为骨组织工程的进一步探索提供条件。就材料孔隙结构对骨长入的影响,从离体细胞学研究以及材料孔隙率、孔径大小等方面进行综述。

为了掌握离柳矿区煤体孔隙结构对含气性的影响,基于压汞和液氮吸附试验对区内煤体孔隙结构的全孔径分布特征进行定量分析,并对孔隙结构表征参数与煤体吸附常数、渗透率进行线性拟合,结合理论分析阐明了孔隙结构对煤体含气性的影响,结果表明:微孔、过渡孔对煤体孔隙体积贡献率分别约为43%、44%,中孔、大孔的贡献率相对较低;微孔对孔隙比表面积贡献率高达71%,其次为过渡孔约27%,大孔仅占0.02%。微孔比表面积与瓦斯极限吸附量满足指数函数关系,且在煤体比表面积构成中占主导地位,控制着煤体的吸附气含量。中孔、大孔在孔隙体积方面贡献率仅为13%,对煤体游离气含量影响较弱,却与煤体渗透率存在一定正相关性,可作为游离气的渗流通道和存储空间。

针对电力系统短期负荷预测的特点,以及人工神经网络的自学习和复杂的非线性拟合能力,将人工神经网络的bp、elman、rbf三种模型用于短期负荷预测,建立了短期电力负荷预测模型,综合考虑气象、天气等影响负荷因素进行短期负荷预测。某电网实际预测结果表明,rbf比bp、elman有更好的预测精度,更快的速度。

神经网络组合预测法在软基沉降预测中的应用——通过引入神经网络组合预测模型，对软基沉降序列进行了非线性组合预测。预测结果表明，神经网络组合预测的结果比各单项模型预测的结果都好，提高了软基沉降的预测精度，可进一步推广应用。　　

1.引言神经网络是一种信息处理系统,它由大量而简单的处理单元(神经元)广泛的相连接而形成复杂系统,它通过学习来解决问题,基坑沉降的预测是一项难以通过理论分析出影响因素与沉降结果映射关系的工作,而这项工作如果交

建筑节能是当今城市建设和社会发展的前沿和研究热点,对建筑的能耗现状进行综合分析与评估是进行节能改造或节能设计的前提和基础,而建立反映能耗变化的预测模型是从宏观尺度上分析认识建筑能耗变化与发展特性、为公共建筑节能工作提供决策依据的有效途径和重要手段。研究针对常规bp网络算法收敛速度慢、易陷入局部最小点的缺点,采用了具有较快收敛速度及稳定性的lm算法进行预测,构造了基于bp神经网络的建筑物用电量预测模型。以某市公共建筑原始用电能耗统计数据作为样本,并采用matlab对预测模型进行了仿真预测。结果显示:误差在允许范围内。

砂土地震液化的神经网络预测——分析了砂土地震液化预测方法的研究现状，采用改进的bp神经网络模型对收集的样本进行了学习和预测，取得较好的预测效果。

根据建筑物实测沉降利用人工神经网络理论,建立了前馈网络预测模型并提出新的学习算法,结合某建筑物纠偏工程实例对建筑物沉降进行了预测.预测结果表明神经网络方法是可行且有效的.

鉴于前人推导的镐形截齿破岩截割阻力和截割比能耗的理论公式计算值与实际值相差较大以及最优截槽宽没有定量表示,文中选取岩石密度、单轴抗压强度、抗拉强度、静态弹性模量等为影响因子,建立了bp预测网络模型,并利用此模型对我国常见的4种岩石镐形齿截割参数进行了预测。检验及预测的结果表明建立的预测网络运行稳定,预测结果良好,对截割力的预测优于理论计算结果,对截槽宽和截割厚度最优比值、截割比能耗的预测结果良好,相对现有理论的计算和经验公式计算精度有了很大提高,能更好的满足工程要求。

由于目前只有很少一部分建筑师能掌握复杂的建筑能耗分析,因此本文利用matlab建立bp神经网络,将影响建筑能耗的18个因素作为网络的输入,进行学习训练,最后通过测试样本点数据预测建筑能耗,并与dest-h模拟计算得到的结果比较,发现相对误差在3.5%以内,验证了该网络模型的可行性。该方法使建筑师在设计阶段能够简单且准确地获得设计建筑的能耗。

针对深基坑变形控制系统中的不确定性、模糊性因素多的问题,将模糊控制理论与神经网络技术相结合,采用非线性神经元构成的神经网络结构,把对应的网络输入、输出表达为输入、输出信息的模糊数隶属度,建立了一种基于模糊神经网络的深基坑施工变形预测模型.结果表明,利用模糊度隶属函数对基坑施工进行动态控制具有较好的实用效果.

在传统预测混凝土强度的基础上,提出一种基于人工智能的新的预测方法,建立了两种神经网络模型:bp神经网络和rbf神经网络,实现了从新拌混凝土成分及其特性到硬化后混凝土强度之间的复杂的非线性映射。通过对试验数据的学习,网络结构可以早期预测混凝土28d抗压强度。另外,还利用bp神经网络模拟分析了混凝土成分质和量的变化对抗压强度的影响,其结果符合已知的经典混凝土强度变化规律,表明神经网络模型具有较高的精度和较强的泛化能力。

文章针对房地产价格的动态特性,提出了基于elman神经网络的房地产价格预测方法,并通过其对上海市房地产价格的预测,证明了该方法的有效性,为房地产价格预测提供了一条新的方法。

根据盾构施工引起地表沉降的具体问题,结合广州地铁三号线某区间地质资料,建立了地表沉降预测的bp神经网络模型,并对网络进行了训练和测试,测试结果表明,利用神经网络进行盾构隧道施工的地表沉降预测是可行的,可用于工程实践。

边坡地表位移监测是滑坡安全监控中的重要内容,对监测资料进行及时、合理、有效的分析,获取滑坡变形规律和安全状况是滑坡监测的重要工作之一。文中将基于bp算法的小波神经网络预测模型引入变形监测预报中,对工程实例进行预测。结果表明小波神经网络预测可以取得良好的效果,且自适应预测能力较强。

负荷预测是实现电力系统优化运行的基础,对于电力系统的安全性、可靠性和经济性都有着显著的影响。rbf是一种三层前馈神经网络,具有良好的函数逼近性能,已被广泛应用到电力负荷预测中,并取得良好的效果。本文主要整理并介绍当前基于rfb神经网的负荷预测方法,对存在的问题进行了分析,并对未来的发展进行了展望。

负荷预测是实现电力系统优化运行的基础，对于电力系统的安全性、可靠性和经济性都有着显著的影响。rbf是一种三层前馈神经网络，具有良好的函数逼近性能，已被广泛应用到电力负荷预测中，并取得良好的效果。本文主要整理并介绍当前基于rfb神经网的负荷预测方法，对存在的问题进行了分析，并对未来的发展进行了展望。

短时交通流预测是现代智能交通系统的核心内容,针对城市道路被占所造成的城市交通拥堵排队问题,以路段视频统计为例,利用bp神经网络方法就实际通行能力、具体车辆数、事故持续时间与排队最长长度之间的关系进行预测分析,从实验模拟结果来看,该方法能有效地解决交通流实时和可靠性预测。

基于均匀设计的神经网络预测焊条熔化特性——利用vb语言开发了均匀设计软件并进行配方均匀设计试验，对神经网络模型的建立进行了详细的研究，用均匀设计的样本对建立的预测纤维素型焊条熔化特性的人工神经网络模型进行训练，试验结果表明：该模型可根据药皮成分...