| 第1章 绪论 | 第1-29页 |
| ·课题的目的和意义 | 第12页 |
| ·神经网络的研究与发展历史 | 第12-13页 |
| ·神经网络发展的历史 | 第12-13页 |
| ·神经网络方法在油气勘探开发中的应用研究 | 第13页 |
| ·储层预测的研究与进展 | 第13-15页 |
| ·储层预测的研究概述 | 第13-15页 |
| ·火山岩储层识别预测的研究现状 | 第15页 |
| ·神经网络模式识别概述 | 第15-23页 |
| ·模式识别系统 | 第15-17页 |
| ·神经网络模式识别 | 第17-18页 |
| ·径向基函数网络 | 第18-19页 |
| ·小波神经网络 | 第19-21页 |
| ·模糊神经网络 | 第21-23页 |
| ·遗传算法研究与发展概述 | 第23-24页 |
| ·遗传算法的研究与发展概述 | 第23-24页 |
| ·遗传算法的应用现状研究 | 第24页 |
| ·支持向量机的研究与进展 | 第24-27页 |
| ·机器学习与统计学习理论 | 第24页 |
| ·支持向量机原理 | 第24-25页 |
| ·支持向量机的理论及方法研究现状 | 第25-26页 |
| ·支持向量机的应用研究现状 | 第26-27页 |
| ·本文的主要研究内容及创新点 | 第27-29页 |
| 第2章 人工神经网络 | 第29-40页 |
| ·引言 | 第29页 |
| ·神经元模型 | 第29-33页 |
| ·生物神经元的结构 | 第29-30页 |
| ·生物神经元的功能和特征 | 第30页 |
| ·人工神经元的理论模型 | 第30-33页 |
| ·神经网络模型 | 第33-36页 |
| ·神经网络的结构特点 | 第33页 |
| ·神经网络的互连结构分类 | 第33-34页 |
| ·神经网络的自学习过程 | 第34-36页 |
| ·误差回传神经网络(BP) | 第36-38页 |
| ·误差回传神经网络概述 | 第36-37页 |
| ·BP 网络的计算公式 | 第37-38页 |
| ·本章小结 | 第38-40页 |
| 第3章 基于改进遗传算法的径向基函数网络的储层参数预测 | 第40-70页 |
| ·引言 | 第40页 |
| ·径向基函数网络 | 第40-45页 |
| ·径向基函数网络的结构 | 第40-43页 |
| ·径向基函数网络学习算法 | 第43页 |
| ·径向基函数网络与BP 网络对比 | 第43-44页 |
| ·径向基函数网络逼近理论 | 第44-45页 |
| ·遗传算法 | 第45-56页 |
| ·遗传算法的基本步骤 | 第45-46页 |
| ·基于二进制编码的遗传算法 | 第46-49页 |
| ·基于浮点数编码的遗传算法 | 第49-50页 |
| ·遗传算法收敛性分析 | 第50-56页 |
| ·自适应遗传算法基本原理 | 第56-58页 |
| ·自适应遗传算法 | 第56页 |
| ·自适应交换概率和变异概率 | 第56-58页 |
| ·基于改进遗传算法的径向基函数网络 | 第58-63页 |
| ·问题提出 | 第58页 |
| ·染色体基因编码方式 | 第58-59页 |
| ·群体规模及遗传算子 | 第59页 |
| ·网络隐节点中心值和宽度参数的学习算法 | 第59-61页 |
| ·基于改进遗传算法的径向基函数网络 | 第61-63页 |
| ·基于改进遗传算法的径向基函数网络的储层参数预测 | 第63-69页 |
| ·地震特征参数 | 第63-64页 |
| ·地震特征参数的提取和选择 | 第64-66页 |
| ·应用实例 | 第66-69页 |
| ·本章小结 | 第69-70页 |
| 第4章 小波变换及小波神经网络在储层预测中应用 | 第70-105页 |
| ·引言 | 第70页 |
| ·小波分析 | 第70-80页 |
| ·小波基本概念 | 第70-75页 |
| ·二进小波变换 | 第75-76页 |
| ·Hilbert 空间的基 | 第76-77页 |
| ·正交小波及多尺度分析 | 第77-80页 |
| ·小波变换模极大检测地震反射界面 | 第80-88页 |
| ·Marr-Hildreth 边缘检测理论 | 第80-81页 |
| ·小波变换模极大边缘检测原理 | 第81-85页 |
| ·小波变换模极大边缘检测方法实现和处理流程 | 第85-88页 |
| ·小波神经网络 | 第88-97页 |
| ·小波神经网络的结构形式 | 第88-90页 |
| ·小波神经网络的性质和学习算法 | 第90-91页 |
| ·小波神经网络的分类、构造和选择 | 第91-92页 |
| ·小波神经网络的最佳逼近 | 第92-96页 |
| ·小波神经网络的全局逼近和L~2 逼近 | 第96页 |
| ·小波神经网络与常用网络比较 | 第96-97页 |
| ·小波神经网络在储层参数预测中的应用 | 第97-104页 |
| ·用于储层参数预测的小波基函数选取 | 第97-98页 |
| ·用于储层参数预测的小波基函数网络 | 第98-101页 |
| ·地震特征参数 | 第101页 |
| ·应用实例 | 第101-104页 |
| ·本章小结 | 第104-105页 |
| 第5章 基于模糊神经网络的火山岩储层的识别与预测 | 第105-147页 |
| ·引言 | 第105页 |
| ·模糊理论 | 第105-113页 |
| ·模糊集合 | 第105-108页 |
| ·常用的隶属函数 | 第108-109页 |
| ·模糊集合运算 | 第109-111页 |
| ·模糊数及其运算 | 第111-113页 |
| ·模糊关系和模糊逻辑推理 | 第113-117页 |
| ·模糊关系 | 第113-114页 |
| ·模糊关系运算 | 第114-115页 |
| ·模糊蕴含和模糊逻辑推理 | 第115-117页 |
| ·模糊逻辑系统 | 第117-121页 |
| ·模糊系统 | 第117-118页 |
| ·模糊逻辑系统框架 | 第118-120页 |
| ·Takagi-----Sugeno(TS)模糊逻辑系统 | 第120-121页 |
| ·模糊逻辑系统的逼近问题 | 第121页 |
| ·模糊系统和神经网络的融合 | 第121-131页 |
| ·问题的提出 | 第121-122页 |
| ·模糊系统和神经网络的等价性 | 第122-125页 |
| ·模糊系统和神经网络融合的形态 | 第125-127页 |
| ·结构等价的模糊系统和神经网络 | 第127-129页 |
| ·神经网络的实现 | 第129-131页 |
| ·模糊神经网络 | 第131-134页 |
| ·模糊神经网络的概念 | 第131-132页 |
| ·几种基本的模糊神经元 | 第132-133页 |
| ·模糊神经网络的结构 | 第133-134页 |
| ·用于火山岩储层识别预测的模糊神经网络 | 第134-141页 |
| ·系统描述 | 第134-136页 |
| ·系统的建立 | 第136-137页 |
| ·网络结构 | 第137-138页 |
| ·网络的学习方法 | 第138-140页 |
| ·模糊神经网络系统识别预测火山岩储层的步骤 | 第140-141页 |
| ·基于模糊神经网络的火山岩储层的识别预测 | 第141-146页 |
| ·火山岩储层特点 | 第141-142页 |
| ·火山岩储层识别与预测 | 第142页 |
| ·地震特征参数的提取及选择 | 第142-144页 |
| ·应用实例 | 第144-146页 |
| ·本章小结 | 第146-147页 |
| 第6章 支持向量机应用于火山岩储层的研究 | 第147-182页 |
| ·引言 | 第147页 |
| ·机器学习的基本问题和方法 | 第147-150页 |
| ·机器学习问题的表示 | 第147-148页 |
| ·经验风险最小化 | 第148-149页 |
| ·复杂性与推广能力 | 第149-150页 |
| ·统计学习理论的核心内容 | 第150-157页 |
| ·学习过程一致性的条件 | 第150-151页 |
| ·函数集的学习性能与VC 维 | 第151-154页 |
| ·推广性的界 | 第154-155页 |
| ·结构风险最小化 | 第155-157页 |
| ·支持向量机 | 第157-164页 |
| ·最优分类面 | 第157-159页 |
| ·广义最优分类面 | 第159-160页 |
| ·规范化超平面集的子集结构 | 第160-161页 |
| ·分类支持向量机 | 第161-163页 |
| ·支持向量机的多类分类问题 | 第163-164页 |
| ·用于火山岩储层预测的回归支持向量机 | 第164-177页 |
| ·ε不敏感损失的回归支持向量机 | 第165-168页 |
| ·支持向量机的训练算法 | 第168-173页 |
| ·回归支持向量机的估计性能分析 | 第173-175页 |
| ·自适应回归支持向量机 | 第175-177页 |
| ·基于回归支持向量机的火山岩储层的识别预测 | 第177-180页 |
| ·样本数据 | 第177-178页 |
| ·支持向量回归的参数调整 | 第178-179页 |
| ·应用实例 | 第179-180页 |
| ·本章小结 | 第180-182页 |
| 结论 | 第182-184页 |
| 致谢 | 第184-185页 |
| 参考文献 | 第185-198页 |
| 攻读博士学位期间完成的科研工作和发表的论文 | 第198-199页 |