支持向量机方法及在储层产能预测中的应用
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-12页 |
| ·选题的背景及意义 | 第9页 |
| ·支持向量机的研究现状以及问题 | 第9-10页 |
| ·储层产能预测的研究现状及问题 | 第10-11页 |
| ·论文结构 | 第11-12页 |
| 第2章 支持向量机理论基础及算法实现 | 第12-29页 |
| ·支持向量机的理论基础 | 第12-15页 |
| ·经验风险最小化原则 | 第12-13页 |
| ·VC 维 | 第13-14页 |
| ·置信区间 | 第14-15页 |
| ·结构风险最小化原则 | 第15页 |
| ·支持向量机的基本原理 | 第15-21页 |
| ·核函数以及核参数的选择 | 第16-17页 |
| ·损失函数 | 第17-19页 |
| ·支持向量回归机原理 | 第19-21页 |
| ·常用支持向量回归机 | 第21-24页 |
| ·最小二乘支持向量回归机 | 第21-22页 |
| ·v-支持向量回归机 | 第22-24页 |
| ·支持向量机的参数训练算法 | 第24-29页 |
| ·交叉检验法概述 | 第25-26页 |
| ·蚁群算法 | 第26-29页 |
| 第3章 混沌PSO 算法优选支持向量机参数 | 第29-36页 |
| ·基本粒子群优化算法(PSO) | 第29-31页 |
| ·惯性因子的选取 | 第30页 |
| ·适应度函数的选取 | 第30-31页 |
| ·混沌PSO方法选择支持向量机参数原理 | 第31-34页 |
| ·粒子群优化算法的早熟现象和早熟判断 | 第31-32页 |
| ·混沌处理的粒子群优化算法 | 第32页 |
| ·支持向量机参数选择的混沌粒子群算法步骤 | 第32-34页 |
| ·混沌PSO-SVM的模型的回归效果分析 | 第34-36页 |
| 第4章 混沌PSO-支持向量机的储层产能预测模型 | 第36-44页 |
| ·输入参数选择及样本归一化 | 第36-37页 |
| ·混沌PSO优化支持向量机参数选择 | 第37-38页 |
| ·基于PSO- SVM 的储层产能预测 | 第38-40页 |
| ·PSO-SVM 模型精度分析 | 第40-44页 |
| 第5章 结论与展望 | 第44-46页 |
| 致谢 | 第46-47页 |
| 参考文献 | 第47-49页 |
| 附录 | 第49页 |
