| 致谢 | 第1-7页 |
| 摘要 | 第7-8页 |
| Abstract | 第8-10页 |
| 目录 | 第10-12页 |
| 第一章 绪论 | 第12-23页 |
| ·研究背景与意义 | 第12-13页 |
| ·国内外研究历史与现状 | 第13-20页 |
| ·油藏描述 | 第13-18页 |
| ·人工神经网络及小脑模型(CMAC) | 第18-20页 |
| ·孔隙度预测方法介绍 | 第20-21页 |
| ·本文主要研究工作 | 第21-23页 |
| 第二章 模糊主成分分析与CMAC神经网络 | 第23-43页 |
| ·模糊主成分分析 | 第23-32页 |
| ·经典主成分模型 | 第24-25页 |
| ·模糊统计 | 第25-28页 |
| ·模糊主成分分析 | 第28-30页 |
| ·模糊主成分分析测试 | 第30-32页 |
| ·CMAC神经网络 | 第32-41页 |
| ·CMAC神经网络映射系统 | 第33-37页 |
| ·Adaline模型的网络结构 | 第37-38页 |
| ·LMS学习算法 | 第38-40页 |
| ·LMS学习算法的扩展 | 第40-41页 |
| ·本章小结 | 第41-43页 |
| 第三章 基于全局动态信息的CMAC神经网络模型 | 第43-61页 |
| ·基于信度的CMAC模型 | 第43-44页 |
| ·CMAC模型的训练模式 | 第44-48页 |
| ·LMS循环训练模式 | 第45-46页 |
| ·LMS批量训练模式 | 第46-48页 |
| ·全局动态信息的CMAC模型 | 第48-56页 |
| ·全局动态信息算法 | 第48-53页 |
| ·收敛性分析 | 第53-56页 |
| ·仿真研究 | 第56-60页 |
| ·单变量仿真 | 第56-58页 |
| ·多变量仿真 | 第58-60页 |
| ·本章小结 | 第60-61页 |
| 第四章 基于全局动态信息的CMAC模型的油藏属性预测 | 第61-69页 |
| ·数据来源 | 第61-63页 |
| ·羊二庄油田 | 第61-62页 |
| ·Petrel软件 | 第62-63页 |
| ·孔隙度预测 | 第63-68页 |
| ·模糊PCA降维 | 第64-66页 |
| ·CMAC神经网络预测 | 第66-68页 |
| ·本章小结 | 第68-69页 |
| 第五章 总结和展望 | 第69-71页 |
| ·总结 | 第69-70页 |
| ·展望 | 第70-71页 |
| 参考文献 | 第71-76页 |
| 攻读硕士期间成果 | 第76页 |