模糊支持向量机在水淹层识别中的应用研究
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 水淹层识别的研究现状和意义 | 第11-14页 |
| ·水淹层识别的研究背景和意义 | 第11-12页 |
| ·储层参数的常见算法研究对比 | 第12-13页 |
| ·人工神经网络算法 | 第12页 |
| ·遗传算法 | 第12-13页 |
| ·决策树算法 | 第13页 |
| ·本文的主要结构 | 第13-14页 |
| 第2章 模糊集和支持向量机基本研究 | 第14-30页 |
| ·模糊集理论 | 第14-18页 |
| ·模糊集的定义与运算 | 第14-16页 |
| ·模糊集的基本定理 | 第16-18页 |
| ·隶属度的确定 | 第18-21页 |
| ·隶属度的确定方法 | 第18-19页 |
| ·常用的隶属度函数 | 第19-21页 |
| ·统计学习理论 | 第21-25页 |
| ·VC 维概念 | 第22页 |
| ·推广误差边界 | 第22-24页 |
| ·结构风险最小化原则 | 第24-25页 |
| ·传统支持向量机算法 | 第25-30页 |
| ·线性支持向量机 | 第27-28页 |
| ·非线性支持向量机 | 第28-30页 |
| 第3章 模糊支持向量机算法的研究 | 第30-36页 |
| ·模糊支持向量机概述 | 第30-31页 |
| ·模糊隶属度函数的选择方法 | 第31-34页 |
| ·基于距离确定隶属度函数 | 第32-33页 |
| ·基于 S 型函数确定隶属度函数 | 第33页 |
| ·基于 KNN 确定隶属度函数 | 第33-34页 |
| ·核函数方法实现过程 | 第34-36页 |
| ·常用核函数 | 第35页 |
| ·本文选用的核函数 | 第35-36页 |
| 第4章 模糊支持向量机算法对储层参数建模 | 第36-50页 |
| ·储层参数线性解释建模 | 第36-40页 |
| ·孔隙度(PORE)解释模型 | 第36-37页 |
| ·渗透率(K)解释模型 | 第37-38页 |
| ·含油饱和度(So)解释模型 | 第38-40页 |
| ·模糊支持向量机对储层参数建模过程 | 第40-50页 |
| ·孔隙度(PORE)模型的建立 | 第40-43页 |
| ·渗透率(K)模型的建立 | 第43-46页 |
| ·含油饱和度(So)模型的建立 | 第46-50页 |
| 第5章 模糊支持向量机算法实验与分析 | 第50-59页 |
| ·实验数据采集 | 第50-51页 |
| ·测井数据预处理 | 第51-53页 |
| ·环境校正 | 第51-52页 |
| ·噪声处理 | 第52页 |
| ·测井数据标准化 | 第52-53页 |
| ·本实验模糊隶属度函数的选择 | 第53-54页 |
| ·FSVM 与 SVM 实验结果对比分析 | 第54-55页 |
| ·模型检验 | 第55-57页 |
| ·模型检验柱状图 | 第55-56页 |
| ·模型检验交会图 | 第56-57页 |
| ·几种模型在水淹层识别中的对比 | 第57-59页 |
| 第6章 总结与展望 | 第59-60页 |
| 参考文献 | 第60-62页 |
| 作者简介及在学期间所取得的科研成果 | 第62-63页 |
| 致谢 | 第63页 |
