| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-12页 |
| 1-1 选题意义 | 第8页 |
| 1-2 确定声波孔隙度的研究概况 | 第8-9页 |
| 1-3 神经计算技术的发展趋势 | 第9-10页 |
| 1-4 本课题主要研究内容与结构安排 | 第10-12页 |
| 1-4-1 主要研究内容 | 第10-11页 |
| 1-4-2 全文结构安排 | 第11-12页 |
| 第二章 声速测井机理 | 第12-22页 |
| 2-1 岩石的声学特性 | 第12-14页 |
| 2-2 声速测井方法 | 第14-16页 |
| 2-2-1 滑行波产生的条件 | 第14-15页 |
| 2-2-2 单发双收声速测井工作原理 | 第15-16页 |
| 2-3 利用声速测井资料确定岩层声波孔隙度 | 第16-22页 |
| 2-3-1 体积计算法求岩层孔隙度 | 第16-19页 |
| 2-3-2 确定声波孔隙度的其他方法 | 第19-21页 |
| 2-3-3 声波孔隙度的数学形式 | 第21-22页 |
| 第三章 神经计算及其主要算法 | 第22-40页 |
| 3-1 神经计算 | 第22-23页 |
| 3-1-1 神经计算的基本特征 | 第22页 |
| 3-1-2 神经计算的功能 | 第22-23页 |
| 3-2 人工神经网络基本理论 | 第23-26页 |
| 3-2-1 人工神经元 | 第23-24页 |
| 3-2-2 人工神经网络结构 | 第24-25页 |
| 3-2-3 人工神经网络学习算法 | 第25-26页 |
| 3-3 前向型神经网络及算法 | 第26-34页 |
| 3-3-1 基于BP 算法的神经网络 | 第26-29页 |
| 3-3-2 基于LM 算法的神经网络 | 第29-31页 |
| 3-3-3 RBF 神经网络 | 第31-34页 |
| 3-4 支持向量机（SVM） | 第34-40页 |
| 3-4-1 SVM 分类原理 | 第34-37页 |
| 3-4-2 SVM 回归原理 | 第37-38页 |
| 3-4-3 SVM 学习算法 | 第38-40页 |
| 第四章 基于神经计算方法确定岩层声波孔隙度 | 第40-52页 |
| 4-1 样本的获取与预处理 | 第40-43页 |
| 4-2 神经计算方法确定岩层声波孔隙度 | 第43-49页 |
| 4-2-1 基于BP 算法的神经网络确定声波孔隙度 | 第43-46页 |
| 4-2-2 基于LM 算法的神经网络确定声波孔隙度 | 第46-47页 |
| 4-2-3 RBF 神经网络确定声波孔隙度 | 第47-48页 |
| 4-2-4 支持向量机确定声波孔隙度 | 第48-49页 |
| 4-3 预测结果比较 | 第49-52页 |
| 结论 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 致谢 | 第56-57页 |
| 攻读学位期间所取得的相关科研成果 | 第57页 |