| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 第1章 绪论 | 第9-13页 |
| ·选题依据与研究意义 | 第9-10页 |
| ·当前国内外油气储层预测方法的发展 | 第10-11页 |
| ·当前油气储层预测的主要方法及优缺点 | 第11页 |
| ·论文的主要研究思路 | 第11-12页 |
| ·论文的创新点 | 第12-13页 |
| 第2章 RS理论和信息熵 | 第13-30页 |
| ·RS理论 | 第13-25页 |
| ·RS理论的基本概念 | 第13-21页 |
| ·RS理论中的属性离散化 | 第21-25页 |
| ·信息熵 | 第25-30页 |
| ·熵的概念及信息熵的引入 | 第25-27页 |
| ·信息墒和信息量 | 第27-28页 |
| ·不同信息源的信息熵 | 第28-30页 |
| 第3章 小波神经网络 | 第30-43页 |
| ·小波神经网络的特点及发展状况 | 第30-32页 |
| ·小波神经网络的理论基础 | 第32-36页 |
| ·预备知识 | 第32-33页 |
| ·连续小波变换 | 第33页 |
| ·离散小波变换 | 第33-34页 |
| ·小波时频定位 | 第34-35页 |
| ·小波神经网络 | 第35-36页 |
| ·小波神经网络的参数初始化 | 第36-39页 |
| ·小波神经网络的学习算法及学习率调整 | 第39-41页 |
| ·小波神经网络的学习算法 | 第39-40页 |
| ·小波神经网络中学习率的调整 | 第40-41页 |
| ·小波神经网络学习算法流程图 | 第41-43页 |
| 第4章 基于 RS理论-信息熵的小波神经网络油气储层预测模型 | 第43-50页 |
| ·RS理论-信息熵-小波神经网络储层预测的基本思路 | 第43-45页 |
| ·基于RS理论和信息熵的地震属性优化基本思路 | 第43-44页 |
| ·小波神经网络储层识别与预测基本思路 | 第44-45页 |
| ·RS理论-信息熵-小波神经网络储层预测步骤 | 第45-46页 |
| ·RS理论-信息熵-小波神经网络储层预测关键步骤建模 | 第46-50页 |
| ·基于 RS理论-信息熵的属性离散化方法 | 第46-47页 |
| ·基于差别矩阵的属性约简算法 | 第47-49页 |
| ·小波神经网络储层预测模型构建 | 第49-50页 |
| 第5章 RS理论-信息熵-小波神经网络油气储层预测模型的应用 | 第50-59页 |
| ·特征参数的提取及地震属性决策表的构建 | 第50-51页 |
| ·基于RS理论-信息熵的属性离散化及属性约简 | 第51-55页 |
| ·小波神经网络储层预测与结果分析 | 第55-59页 |
| 第6章 结论与建议 | 第59-61页 |
| ·结论 | 第59-60页 |
| ·建议 | 第60-61页 |
| 致谢 | 第61-62页 |
| 攻读学位期间发表的学术论文 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 附表1 | 第66-67页 |
| 附表2 | 第67页 |
