地震属性优化和神经网络在储层预测中的应用
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-5页 |
| 目录 | 第5-7页 |
| 第1章 引言 | 第7-12页 |
| ·选题的依据及意义 | 第7-8页 |
| ·国内外研究现状 | 第8-10页 |
| ·小波神经网络的国内外研究现状 | 第8-9页 |
| ·地震属性预测技术的发展及研究现状 | 第9-10页 |
| ·主要研究内容及技术路线 | 第10-11页 |
| ·研究的主要内容 | 第10页 |
| ·研究的技术路线 | 第10-11页 |
| ·论文的主要特点 | 第11-12页 |
| 第2章 地震属性分析与优化 | 第12-20页 |
| ·地震属性提取与预处理方法 | 第12-14页 |
| ·沿层地震属性参数的提取 | 第12-13页 |
| ·地震属性预处理 | 第13-14页 |
| ·地震属性参数优化 | 第14-16页 |
| ·地震属性优化 | 第14-15页 |
| ·优化方法 | 第15-16页 |
| ·K-L变换优化方法 | 第16-17页 |
| ·局部线性嵌入降维 | 第17-20页 |
| 第3章 小波变换的基本理论 | 第20-25页 |
| ·连续小波变换 | 第20-21页 |
| ·小波变换的时频局部化特性 | 第21-22页 |
| ·多分辨率分析和正交小波变换 | 第22-23页 |
| ·常用的小波函数 | 第23-25页 |
| 第4章 神经网络和小波神经网络 | 第25-38页 |
| ·人工神经网络概述 | 第25-31页 |
| ·人工神经网络基本模型 | 第27-29页 |
| ·误差反向传播算法的改进 | 第29-31页 |
| ·小波与神经网络的结合方式 | 第31-32页 |
| ·松散型结合模型 | 第31页 |
| ·嵌套式结合模型 | 第31-32页 |
| ·BP小波神经网络 | 第32-36页 |
| ·小波神经网络的结构形式与数学描述 | 第33页 |
| ·学习算法 | 第33-35页 |
| ·小波网络中参数的初始化 | 第35-36页 |
| ·粒子群算法(PSO)优化小波神经网络 | 第36-38页 |
| 第5章 神经网络预测储层参数实例 | 第38-51页 |
| ·基础资料的处理 | 第38页 |
| ·地震属性优化实验 | 第38-43页 |
| ·孔隙度的预测 | 第43-51页 |
| ·测井资料预测孔隙度 | 第43-49页 |
| ·地震测井数据预测孔隙度 | 第49-51页 |
| 结论 | 第51-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-55页 |
