| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 研究工作的背景与意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-19页 |
| 1.2.1 测井相分类方法研究现状 | 第16-18页 |
| 1.2.2 地震相分类方法研究现状 | 第18-19页 |
| 1.3 本文主要内容与结构安排 | 第19-21页 |
| 第二章 储层岩相分类数据特点分析 | 第21-40页 |
| 2.1 储层岩相分类数据特点 | 第21-26页 |
| 2.1.1 测井相数据特点 | 第21-26页 |
| 2.1.2 地震数据特点 | 第26页 |
| 2.2 储层岩相分类判别标准 | 第26-28页 |
| 2.3 基于Kmeans算法的储层岩相分类数据分析 | 第28-30页 |
| 2.3.1 基于Kmeans算法的测井数据分析 | 第28-30页 |
| 2.3.2 基于Kmeans算法的地震数据分析 | 第30页 |
| 2.4 测井数据的特征选择算法处理 | 第30-36页 |
| 2.4.1 基于最大相关熵的加强PCA方法 | 第31-36页 |
| 2.4.2 SparseAutoencoder方法 | 第36页 |
| 2.5 实验结果比较 | 第36-38页 |
| 2.6 本章小结 | 第38-40页 |
| 第三章 测井数据的岩相分类算法研究 | 第40-55页 |
| 3.1 基于SVM算法的测井数据分类研究 | 第40-44页 |
| 3.1.1 SVM算法原理 | 第40-41页 |
| 3.1.2 SVM结果分析 | 第41-44页 |
| 3.2 基于神经网络的测井数据分类研究 | 第44-49页 |
| 3.2.1 神经网络算法原理 | 第44-46页 |
| 3.2.2 神经网络结果分析 | 第46-49页 |
| 3.3 基于ADABOOST算法的测井数据分类研究 | 第49-54页 |
| 3.3.1 ADABOOST算法原理 | 第49-50页 |
| 3.3.2 ADABOOST结果分析 | 第50-54页 |
| 3.4 本章小结 | 第54-55页 |
| 第四章 地震数据的岩相分类算法研究 | 第55-74页 |
| 4.1 地震相分类问题分析 | 第55-60页 |
| 4.1.1 半监督算法框架 | 第55-58页 |
| 4.1.2 self-training | 第58页 |
| 4.1.3 最大相关熵选择置信度高的点 | 第58-60页 |
| 4.2 条件随机场 | 第60-63页 |
| 4.2.1 马尔科夫随机场基本原理 | 第60-61页 |
| 4.2.2 条件随机场的基本原理 | 第61-62页 |
| 4.2.3 条件随机场的学习问题 | 第62-63页 |
| 4.3 基于条件随机场的地震相分类算法 | 第63-66页 |
| 4.4 实验结果 | 第66-73页 |
| 4.4.1 合成数据 | 第66-72页 |
| 4.4.2 实际地震数据 | 第72-73页 |
| 4.5 本章小结 | 第73-74页 |
| 第五章 全文总结与展望 | 第74-75页 |
| 5.1 工作总结 | 第74页 |
| 5.2 未来工作展望 | 第74-75页 |
| 致谢 | 第75-76页 |
| 参考文献 | 第76-80页 |
| 攻读硕士学位期间取得的成果 | 第80页 |
