| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-15页 |
| 1.1 储层参数研究的背景与意义 | 第11-12页 |
| 1.2 蚁群算法和支持向量机的发展现状 | 第12-14页 |
| 1.2.1 蚁群算法的发展现状 | 第12-13页 |
| 1.2.2 支持向量机的发展现状 | 第13页 |
| 1.2.3 基于蚁群算法的支持向量机的发展现状 | 第13-14页 |
| 1.3 本文内容的主要结构 | 第14-15页 |
| 第2章 蚁群优化算法 | 第15-20页 |
| 2.1 蚁群优化算法的起源 | 第15-16页 |
| 2.2 真正的蚂蚁与仿真蚂蚁的区别 | 第16页 |
| 2.3 蚁群优化算法的基本原理 | 第16-19页 |
| 2.3.1 蚁群优化算法的表述 | 第17页 |
| 2.3.2 蚁群优化算法的数学模型 | 第17-19页 |
| 2.4 蚁群优化算法的特点 | 第19-20页 |
| 第3章 支持向量机与支持向量机回归 | 第20-31页 |
| 3.1 支持向量机的概述 | 第20页 |
| 3.2 支持向量机的基础 | 第20-24页 |
| 3.2.1 机器学习 | 第20-21页 |
| 3.2.2 经验风险最小化 | 第21-22页 |
| 3.2.3 复杂性和推广性能 | 第22页 |
| 3.2.4 统计学习理论 | 第22-23页 |
| 3.2.5 结构化风险最小化原理 | 第23-24页 |
| 3.3 支持向量机 | 第24-28页 |
| 3.3.1 最优分类面与广义最优分类面 | 第24-26页 |
| 3.3.2 支持向量机 | 第26-27页 |
| 3.3.3 核函数 | 第27-28页 |
| 3.4 支持向量机的回归 | 第28-31页 |
| 3.4.1 支持向量机回归 | 第28-30页 |
| 3.4.2 支持向量机回归的实现 | 第30-31页 |
| 第4章 储层参数建模的研究 | 第31-35页 |
| 4.1 储层参数孔隙度(por)解释模型 | 第31-32页 |
| 4.2 储层参数渗透率(k)解释模型 | 第32-33页 |
| 4.3 储层参数含油饱和度(So)解释模型 | 第33-35页 |
| 第5章 蚁群算法对支持向量机参数的优化 | 第35-40页 |
| 5.1 蚁群算法对参数优化的基本思想 | 第35页 |
| 5.2 蚁群算法对参数优化的步骤 | 第35-38页 |
| 5.2.1 网格的划分 | 第35-36页 |
| 5.2.2 蚁群算法对参数优化的步骤 | 第36-38页 |
| 5.3 实验结果与分析 | 第38-40页 |
| 5.3.1 实验参数的设置 | 第38页 |
| 5.3.2 实验结果与分析 | 第38-40页 |
| 第6章 基于蚁群算法优化的参数的支持向量机在储层参数上的实验结果 | 第40-51页 |
| 6.1 储层参数模型的建立 | 第40-45页 |
| 6.1.1 建立孔隙度(pore)模型 | 第40-42页 |
| 6.1.2 建立渗透率(K)模型 | 第42-43页 |
| 6.1.3 建立含油饱和度(So)模型 | 第43-45页 |
| 6.2 建立模型的验证 | 第45-48页 |
| 6.2.1 交会图的验证 | 第45-47页 |
| 6.2.2 柱状图的验证 | 第47-48页 |
| 6.3 实验结果与对比 | 第48-51页 |
| 第7章 总结与展望 | 第51-52页 |
| 参考文献 | 第52-54页 |
| 作者简介及在学期间所取得的科研成果 | 第54-55页 |
| 致谢 | 第55页 |