基于人工神经网络的储层参数预测研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-13页 |
| ·研究的目的和意义 | 第10页 |
| ·国内外研究现状 | 第10-12页 |
| ·本文主要研究内容 | 第12-13页 |
| 第2章 神经网络用于预测的基本概念 | 第13-24页 |
| ·预测的基本概念 | 第13-15页 |
| ·预测的概念 | 第13-14页 |
| ·预测的基本步骤 | 第14页 |
| ·预测的方法 | 第14-15页 |
| ·神经网络的基本概念 | 第15-20页 |
| ·人工神经网络的概念 | 第15-16页 |
| ·神经网络的互连模式 | 第16-18页 |
| ·神经网络的仿真、学习与训练概述 | 第18-20页 |
| ·神经网络的特性 | 第20页 |
| ·神经网络在预测建模中的优势 | 第20-21页 |
| ·现有参数数据的问题 | 第20-21页 |
| ·神经网络在预测建模中的优势 | 第21页 |
| ·神经网络预测储层参数的总体思想 | 第21-23页 |
| ·本章小结 | 第23-24页 |
| 第3章 几种常用神经网络模型 | 第24-41页 |
| ·BP神经网络 | 第24-26页 |
| ·BP网络结构 | 第24-25页 |
| ·BP算法 | 第25-26页 |
| ·BP算法的缺点 | 第26页 |
| ·径向基神经网络 | 第26-28页 |
| ·RBF网络的基本结构 | 第26-27页 |
| ·RBF的映射关系 | 第27-28页 |
| ·广义回归神经网络模型 | 第28-35页 |
| ·GRNN基本理论 | 第29-32页 |
| ·GRNN模型结构 | 第32-33页 |
| ·GRNN学习算法 | 第33-35页 |
| ·Elman神经网络预测概述 | 第35-37页 |
| ·神经网络建模的评判标准 | 第37-40页 |
| ·神经网络的泛化能力 | 第37-39页 |
| ·效果评价标准 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第4章 基于GRNN网络的储层参数横向建模 | 第41-53页 |
| ·GRNN与BP网络及RBF网络的比较 | 第41-44页 |
| ·GRNN建模的结果分析 | 第41-42页 |
| ·GRNN与BP网络的仿真比较 | 第42-43页 |
| ·GRNN与RBF的仿真比较 | 第43-44页 |
| ·GRNN的优点 | 第44页 |
| ·GRNN横向建模的设计 | 第44-46页 |
| ·建模设计的实施 | 第46-51页 |
| ·数据的准备 | 第46-48页 |
| ·神经网络结构设计 | 第48-51页 |
| ·神经网络模型结构的保存及测试 | 第51页 |
| ·本章小结 | 第51-53页 |
| 第5章 基于Elman网络的储层参数纵向建模 | 第53-62页 |
| ·Elman神经网络纵向建模的设计 | 第53-56页 |
| ·时间序列预测技术 | 第53-54页 |
| ·Elman建模设计 | 第54-56页 |
| ·纵向建模的设计实施 | 第56-60页 |
| ·Elman网络中间层神经元个数的设计 | 第56-59页 |
| ·训练指标的选取 | 第59-60页 |
| ·Elman网络的不足 | 第60-61页 |
| ·本章小结 | 第61-62页 |
| 第6章 Elman网络的改进 | 第62-69页 |
| ·蚁群优化算法 | 第62-66页 |
| ·蚁群算法的基本原理 | 第62-63页 |
| ·蚁群算法的特点 | 第63-64页 |
| ·基于蚁群优化算法过程 | 第64-66页 |
| ·蚁群算法与神经网络相似性 | 第66页 |
| ·基于蚁群优化算法建型实施 | 第66-67页 |
| ·ACO-Elman与Elman结果比较 | 第67-68页 |
| ·本章小结 | 第68-69页 |
| 结论 | 第69-70页 |
| 参考文献 | 第70-75页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第75-76页 |
| 致谢 | 第76页 |
