| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 引言 | 第9-16页 |
| 1.1 选题依据及研究意义 | 第9-11页 |
| 1.2 国内外研究进展 | 第11-13页 |
| 1.3 主要研究内容与技术路线 | 第13-16页 |
| 第2章 深度学习基础理论与方法 | 第16-35页 |
| 2.1 深度学习基本结构 | 第16-18页 |
| 2.2 深度学习模型理论与实验 | 第18-31页 |
| 2.2.1 限制玻尔兹曼机(RBM) | 第18-21页 |
| 2.2.2 高斯-伯努利限制玻尔兹曼机(GBRBM) | 第21-22页 |
| 2.2.3 连续限制玻尔兹曼机(CRBM) | 第22-25页 |
| 2.2.4 自编码器(AE)与深层自编码器(DeepAE) | 第25-27页 |
| 2.2.5 深度置信网络(DBN) | 第27-29页 |
| 2.2.6 降噪自编码器(DAE) | 第29-31页 |
| 2.2.7 深度连续降噪自编码器(DCDAE) | 第31页 |
| 2.3 特征可视化与选取方法 | 第31-33页 |
| 2.4 聚类方法与理论 | 第33-35页 |
| 2.4.1 K均值聚类算法(Kmeans) | 第33页 |
| 2.4.2 自组织映射神经网络(SOM) | 第33-35页 |
| 第3章 基于地震数据深度学习的储层预测研究 | 第35-43页 |
| 3.1 川中正演模型构建与网络训练 | 第35-38页 |
| 3.2 基于地震数据的深度学习特征可视化方法 | 第38-39页 |
| 3.3 基于地震数据的深度学习特征优选与分析方法 | 第39-42页 |
| 3.4 本章总结 | 第42-43页 |
| 第4章 基于地震数据深度学习的川中震旦系灯影组储层预测研究 | 第43-64页 |
| 4.1 研究工区地质概况和储层特征 | 第43-45页 |
| 4.2 训练数据集的获取和预处理 | 第45页 |
| 4.3 基于一维训练样本深度学习的储层含气性检测 | 第45-59页 |
| 4.4 基于三维训练样本深度学习的储层含气性检测 | 第59-63页 |
| 4.5 本章总结 | 第63-64页 |
| 结论 | 第64-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-72页 |
| 攻读学位期间取得学术成果 | 第72页 |
