| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 1 绪论 | 第9-15页 |
| ·选题背景及研究意义 | 第9页 |
| ·地震相与地震相分析 | 第9-11页 |
| ·地震相的概念 | 第9-10页 |
| ·地震相分析 | 第10-11页 |
| ·地震相划分的目的及意义 | 第11-13页 |
| ·地震相划分的目的 | 第11页 |
| ·地震相划分的意义 | 第11-12页 |
| ·地震相划分的现状 | 第12-13页 |
| ·本文研究目标和研究内容 | 第13-14页 |
| ·本文的结构与安排 | 第14-15页 |
| 2 地震属性特征提取 | 第15-28页 |
| ·标准地震资料数据格式处理 | 第15-16页 |
| ·SEGY 格式介绍 | 第15-16页 |
| ·三维地震数据体格式 | 第16页 |
| ·地震属性特征提取 | 第16-21页 |
| ·地震属性特征参数预处理 | 第17-18页 |
| ·地震属性分类 | 第18页 |
| ·地震属性提取 | 第18-20页 |
| ·地震属性特征提取 | 第20-21页 |
| ·地震属性的优选 | 第21-27页 |
| ·地震属性选择 | 第22-23页 |
| ·地震属性降维映射 | 第23页 |
| ·主成分分析法原理与步骤 | 第23-26页 |
| ·实验分析 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 3 利用波形分析与BP 神经网络算法划分地震相 | 第28-50页 |
| ·利用波形分析地震相 | 第28-29页 |
| ·人工神经网络的基本概念 | 第29-31页 |
| ·人工神经网络分类 | 第29-30页 |
| ·神经网络学习算法 | 第30页 |
| ·人工神经网络的拓扑特性 | 第30-31页 |
| ·BP 神经网络算法 | 第31-40页 |
| ·BP 神经网络模型的建立原则 | 第31-33页 |
| ·BP 神经网络算法描述 | 第33-37页 |
| ·BP 神经网络算法的改进 | 第37-39页 |
| ·BP 神经网络的设计 | 第39-40页 |
| ·波形分析 | 第40-44页 |
| ·波形的特征提取 | 第40-43页 |
| ·波形识别 | 第43-44页 |
| ·波形分析与BP 神经网络算法划分地震相 | 第44-47页 |
| ·利用波形分析与BP 神经网络算法划分地震相的原理 | 第44-45页 |
| ·利用波形分析与BP 神经网络算法划分地震相的实现 | 第45-47页 |
| ·实验分析 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 4 SOFM 神经网络算法划分地震相 | 第50-65页 |
| ·自组织神经网络算法划分地震相 | 第50页 |
| ·SOFM 神经网络算法 | 第50-59页 |
| ·SOFM 神经网络模型 | 第50-52页 |
| ·SOFM 神经网络算法原理 | 第52-53页 |
| ·SOFM 神经网络算法描述 | 第53-54页 |
| ·SOFM 神经网络算法的改进 | 第54-56页 |
| ·改进的SOFM 神经网络算法描述 | 第56-59页 |
| ·SOFM 神经网络算法划分地震相 | 第59-61页 |
| ·SOFM 神经网络算法划分地震相的原理 | 第59-60页 |
| ·SOFM 神经网络算法划分地震相的实现 | 第60-61页 |
| ·实验分析 | 第61-64页 |
| ·本章小结 | 第64-65页 |
| 5 基于三维地震的地震相分析系统的设计与实现 | 第65-74页 |
| ·系统开发方法与工具 | 第65-69页 |
| ·面向对象的编程技术(OOP) | 第65-66页 |
| ·二维和三维地震数据显示技术 | 第66-67页 |
| ·MatLab 与VC++联合编程 | 第67-68页 |
| ·OpenGL 简介 | 第68-69页 |
| ·系统介绍 | 第69-71页 |
| ·系统功能结构 | 第69-70页 |
| ·系统各模块的功能介绍 | 第70-71页 |
| ·系统的模拟实现 | 第71-73页 |
| ·系统概况 | 第71-72页 |
| ·系统运行实例 | 第72-73页 |
| ·本章小结 | 第73-74页 |
| 6 结论 | 第74-76页 |
| ·本文总结 | 第74页 |
| ·展望 | 第74-76页 |
| 致谢 | 第76-77页 |
| 参考文献 | 第77-80页 |
| 附录 | 第80页 |