基于偏最小二乘及最小二乘支持向量机算法在储层参数预测上的应用
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-13页 |
| ·选题背景及现实意义 | 第10-11页 |
| ·国内外研究基本状况及应用 | 第11页 |
| ·研究内容及所作工作 | 第11-13页 |
| 第2章 机器学习问题和统计学习理论 | 第13-19页 |
| ·机器学习中的基本问题 | 第13-15页 |
| ·机器学习模型与机器学习问题 | 第13-14页 |
| ·经验风险最小化原则 | 第14-15页 |
| ·统计学习理论 | 第15-19页 |
| ·函数集的VC维理论 | 第15-17页 |
| ·学习过程一致性与推广性的界 | 第17页 |
| ·结构风险最小化原则 | 第17-19页 |
| 第3章 支持向量机算法 | 第19-29页 |
| ·核函数 | 第19-20页 |
| ·线性可分的向量分类机 | 第20-24页 |
| ·线性可分的线性向量分类机 | 第20-23页 |
| ·线性可分的非线性向量分类机 | 第23-24页 |
| ·线性不可分的向量分类机 | 第24-26页 |
| ·二阶范数软间隔——对角权重 | 第24-25页 |
| ·一阶范数软间隔——盒约束 | 第25-26页 |
| ·支持向量回归机 | 第26-29页 |
| 第4章 偏最小二乘及最小二乘支持向量机算法 | 第29-38页 |
| ·多元线性回归模型 | 第29-32页 |
| ·最小二乘法多元回归 | 第30页 |
| ·多重相关性分析 | 第30-31页 |
| ·主成分分析 | 第31-32页 |
| ·典型相关分析 | 第32页 |
| ·偏最小二乘法及最小二乘支持向量机回归 | 第32-38页 |
| ·偏最小二乘法(PLS)算法 | 第32-36页 |
| ·最小二乘支持向量机(LSSVM)回归算法 | 第36-38页 |
| 第5章 储层参数的预测 | 第38-47页 |
| ·储层参数概述 | 第38-42页 |
| ·孔隙度及其测定 | 第38-39页 |
| ·饱和度及其测定 | 第39-41页 |
| ·渗透率及其测定 | 第41-42页 |
| ·测井曲线 | 第42页 |
| ·向量机建模预测储层参数 | 第42-47页 |
| ·支持向量机参数的确定 | 第43-44页 |
| ·孔隙度参数的预测 | 第44-45页 |
| ·渗透率参数的预测 | 第45-46页 |
| ·饱和度参数的预测 | 第46-47页 |
| 第6章 结论 | 第47-48页 |
| 参考文献 | 第48-50页 |
| 作者简介及在学期间所取得的科研成果 | 第50-51页 |
| 致谢 | 第51页 |
