摘要：精确确定储层的声波孔隙度是测井解释中的一个难题。传统方法在使用时的局限性,提出基于神经网络的LM算法预测储层的声波孔隙度。其主要步骤包括样本的选取与预处理,网络结构的设计,基于Matlab神经网络工具箱编程实现的LM算法的网络训练、声波孔隙度预测。经与BP算法比较,该算法迭代速度快且计算精度高,能较准确地实现声波孔隙度的预测任务。

摘要：概率神经网络(PNN)是一种基于概率密度函数理论且泛化能力很强的神经网络,并且能够广泛地应用于模式识别等领域。针对储层产能的预测问题,提出了一种具体的概率神经网络方法,包括网络模型的构造、学习训练和预测识别等步骤。基于MATLAB6.5设计出概率神经网络的具体应用软件,实际应用表明,在储层产能预测中效果显著。与BP网络进行对比实验,其预测正确率优于BP网络。

摘要：确定碳酸盐岩声波孔隙度是测井解释中的一个难题,传统方法是利用平均时差公式经过适当校正或使用声波、中子、密度等两种以上的测井资料求取,在具体使用中误差较大且很不方便。为此,基于Levenberg-Marquardt算法,提出一种确定碳酸盐岩声波孔隙度的神经网络方法,主要步骤包括样本信息的预处理、网络结构的设计、采用LM算法的网络学习训练、碳酸盐岩声波孔隙度的确定。仿真实验和比较分析表明,该方法快速稳定,其结果与真实值吻合程度高。

摘要：E时代背景催生了很多未经证实的网络谣言。高校教师和辅导员在教育教学过程中必须利用课程思政方法对网络传播主客体进行教育和引导,把政治认同、国家意识、文化自信、人格养成思想政治教育导向与各类课程固有的知识、技能传授有机融合,实现显性与隐性教育的有机结合以彻底粉碎网络谣言,达到“三全育人”效果。除了政府和大众媒介应肩负管制和监督职责外,高校教师和辅导员也应时刻把握学生思想动向,及时纠正网络谣言对大学生身心健康的损害,通过课程思政手段对大学生思想进行教育和引导,达到“三全育人”的目标。