简介：
简介：在分析传统测井岩性解释中存在的一些问题的基础上，从神经网络的机理、特点出发，探讨了利用神经网络技术进行测井岩性识别的可行性及优越性，并以找矿目的层为对象，进行了岩性分析与对比，为该方法的进一步应用开拓了前景。
简介：在本文中用径向基础函数神经网络（或RBFN）根据地震属性预测通过测井得到的储层性质。对于由Hampson等人（2001年）提出的相同问题，还把用这一方法得到的结果与用广义回归神经网络（GRNN）得到的结果进行了比较。
简介：滩坝砂储集体具有分布较广、厚度较薄、空间分布不连续的特征。地震剖面上,通常是多个砂体以复合波的形式出现,很难形成单独的反射。滩坝砂储层信息的弱信号常被背景信息淹没,无法准确识别储层。针对滩坝砂储层的地震反射信号特点,将扩展交替投影神经网络算法引入到地震领域,对地震资料进行弱信号分离,并将算法应用到识别滩坝砂储层中,解析出砂体（组）在地震剖面上的展布特征。通过对理论模型及实际资料的试算,处理后的地震资料可以较好地展示储层展布特征,有利于滩坝砂体的识别。
丹麦哥末哈根Maersk油气公司钻多侧向井的经验
腐殖煤和Ⅲ型干酪根烃源岩的生油窗再研究
神经网络技术及其在测井解释中的应用
基于神经网络方法的水下河道储层表征
用结构属性和神经网络对交互地震相进行分类
径向基础函数神经网络在地震属性预测测井特性中的应用
基于扩展神经网络算法的弱信号分离技术在滩坝砂储层预测中的应用
