基于支持向量回归的钻井成本预测方法研究与应用
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-12页 |
| ·研究背景及意义 | 第7页 |
| ·目前国内外的研究现状 | 第7-10页 |
| ·钻井成本预测研究现状 | 第7-9页 |
| ·支持向量机研究现状 | 第9-10页 |
| ·本文研究的主要内容 | 第10-12页 |
| 第二章 统计学习理论与支持向量机 | 第12-22页 |
| ·统计学习理论 | 第12-14页 |
| ·VC维与泛化能力的界 | 第12-13页 |
| ·经验风险最小化与结构风险最小化 | 第13-14页 |
| ·支持向量机介绍 | 第14-17页 |
| ·最优超平面 | 第15-17页 |
| ·支持向量机 | 第17页 |
| ·支持向量机回归 | 第17-20页 |
| ·￡不敏感损失函数 | 第17-19页 |
| ·支持向量机回归 | 第19-20页 |
| ·核函数 | 第20-21页 |
| ·小结 | 第21-22页 |
| 第三章 支持向量机回归算法 | 第22-26页 |
| ·Kuhn-Tucker条件 | 第22页 |
| ·块选算法 | 第22-23页 |
| ·分解算法 | 第23-24页 |
| ·序贯最小化算法 | 第24-25页 |
| ·小结 | 第25-26页 |
| 第四章 基于支持向量机回归的钻井成本预测模型 | 第26-38页 |
| ·钻井成本介绍 | 第26-27页 |
| ·钻井成本影响因素分析 | 第27页 |
| ·样本数据区块划分 | 第27-31页 |
| ·传统预测方法介绍 | 第31-32页 |
| ·多元线性回归方法介绍 | 第31页 |
| ·神经网络预测方法 | 第31-32页 |
| ·支持向量机回归模型建立 | 第32-34页 |
| ·结果分析 | 第34-37页 |
| ·小结 | 第37-38页 |
| 第五章 参数优化问题研究 | 第38-47页 |
| ·搜索方法 | 第38页 |
| ·直接确定方法 | 第38-39页 |
| ·惩罚参数C的选择 | 第38页 |
| ·不敏感参数ε的选择 | 第38-39页 |
| ·核函数和和参数选择 | 第39页 |
| ·样本数据变化的参数搜索方法研究 | 第39-42页 |
| ·问题提出 | 第39-40页 |
| ·建模方法 | 第40-41页 |
| ·参数优化方法 | 第41-42页 |
| ·实例验证 | 第42-46页 |
| ·小结 | 第46-47页 |
| 第六章 钻井成本预测系统设计与实现 | 第47-57页 |
| ·系统总体设计 | 第47-48页 |
| ·采用技术 | 第47页 |
| ·系统结构 | 第47-48页 |
| ·系统流程设计 | 第48页 |
| ·系统数据库设计 | 第48-50页 |
| ·系统功能设计与实现 | 第50-56页 |
| ·功能设计 | 第50-51页 |
| ·功能实现 | 第51-56页 |
| ·小结 | 第56-57页 |
| 第七章 结论与展望 | 第57-58页 |
| ·结论 | 第57页 |
| ·展望 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 攻读硕士学位期间发表的论文 | 第62-63页 |
| 详细摘要 | 第63-75页 |
