| 摘要 | 第6-7页 |
| Abstract | 第7-18页 |
| 1绪论 | 第18-23页 |
| 1.1选题依据及研究意义 | 第18-19页 |
| 1.2国内外研究现状 | 第19-21页 |
| 1.3研究内容、方法、技术路线及创新点 | 第21-23页 |
| 2理论基础 | 第23-43页 |
| 2.1引言 | 第23页 |
| 2.2地震属性分析技术 | 第23-34页 |
| 2.3聚类分析技术 | 第34页 |
| 2.4纵横波复合属性分析技术 | 第34-35页 |
| 2.5色彩特征融合技术 | 第35-37页 |
| 2.6卷积特征分析技术 | 第37-42页 |
| 2.7本章小结 | 第42-43页 |
| 3多波地震油气藏分布预测的机器学习模型设计 | 第43-52页 |
| 3.1引言 | 第43页 |
| 3.2基于色彩特征融合的非监督学习模型 | 第43-47页 |
| 3.3基于卷积特征分析的监督学习模型 | 第47-51页 |
| 3.4本章小结 | 第51-52页 |
| 4研究区地质及地震数据概况 | 第52-59页 |
| 4.1引言 | 第52页 |
| 4.2研究区地质概况 | 第52-56页 |
| 4.3三维地震数据概述 | 第56-58页 |
| 4.4本章小结 | 第58-59页 |
| 5基于色彩特征融合的多波地震油气藏非监督学习与预测 | 第59-66页 |
| 5.1引言 | 第59页 |
| 5.2聚类分析优选降维 | 第59-62页 |
| 5.3多波属性复合优化降维 | 第62-63页 |
| 5.4色彩特征融合的地震气藏分布预测 | 第63-65页 |
| 5.5应用效果分析评价 | 第65页 |
| 5.6本章小结 | 第65-66页 |
| 6基于卷积特征分析的地震油气藏监督学习与预测 | 第66-74页 |
| 6.1引言 | 第66页 |
| 6.2地震模型数据的验算 | 第66-68页 |
| 6.3实际数据的验算及效果分析 | 第68-73页 |
| 6.4本章小结 | 第73-74页 |
| 7研究区地震油气藏的机器学习与预测效果综合分析 | 第74-78页 |
| 7.1引言 | 第74页 |
| 7.2研究区构造、沉积特征分析 | 第74-75页 |
| 7.3研究区地震气藏的识别效果分析 | 第75-77页 |
| 7.4本章小结 | 第77-78页 |
| 8结论 | 第78-79页 |
| 参考文献 | 第79-84页 |
| 附录1（程序部分代码） | 第84-86页 |
| 作者简历 | 第86-88页 |
| 致谢 | 第88-89页 |
| 学位论文数据集 | 第89页 |