| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第1章 引言 | 第8-12页 |
| 1.1 题目来源 | 第8页 |
| 1.2 选题目的及意义 | 第8页 |
| 1.3 国内外研究现状 | 第8-10页 |
| 1.3.1 致密砂岩储层及其地震预测方法研究历程 | 第8-9页 |
| 1.3.2 地震波形研究历程 | 第9-10页 |
| 1.4 主要研究内容和技术路线 | 第10-12页 |
| 1.4.1 研究的主要内容 | 第10页 |
| 1.4.2 技术路线 | 第10-11页 |
| 1.4.3 完成的工作量 | 第11-12页 |
| 第2章 研究区概况 | 第12-15页 |
| 2.1 地理及构造位置 | 第12-13页 |
| 2.2 地层与沉积特征 | 第13-15页 |
| 第3章 地震波形参数与致密砂岩储层参数关系研究 | 第15-33页 |
| 3.1 波形参数提取 | 第15-18页 |
| 3.1.1 波形参数概念 | 第15-17页 |
| 3.1.2 时窗选取 | 第17-18页 |
| 3.1.3 地震波形参数提取流程 | 第18页 |
| 3.2 数据标准化方法 | 第18-19页 |
| 3.3 波形参数与储层参数关系研究 | 第19-33页 |
| 3.3.1 地震波形参数与孔隙度相关性研究 | 第20-23页 |
| 3.3.2 地震波形参数与渗透率相关性研究 | 第23-26页 |
| 3.3.3 地震波形参数与含气饱和度相关性研究 | 第26-29页 |
| 3.3.4 地震波形参数与砂体厚度相关性研究 | 第29-33页 |
| 第4章 基于波形参数的储层预测方法优选 | 第33-53页 |
| 4.1 逐步回归分析方法 | 第33-35页 |
| 4.1.1 方法来源 | 第33-34页 |
| 4.1.2 方法思想 | 第34页 |
| 4.1.3 变换公式 | 第34-35页 |
| 4.1.4 逐步回归分析方法优缺点分析 | 第35页 |
| 4.2 神经网络算法 | 第35-39页 |
| 4.2.1 算法起源与原理 | 第36-37页 |
| 4.2.2 算法流程 | 第37-38页 |
| 4.2.3 神经网络算法优缺点分析 | 第38-39页 |
| 4.3 核函数算法 | 第39-43页 |
| 4.3.1 核函数基本思想 | 第39-40页 |
| 4.3.2 支持向量机算法原理 | 第40-42页 |
| 4.3.3 参数意义及方法选择 | 第42页 |
| 4.3.4 支持向量回归机算法优缺点分析 | 第42-43页 |
| 4.4 方法优选 | 第43-53页 |
| 4.4.1 基于波形参数的孔隙度预测方法优选 | 第43-45页 |
| 4.4.2 基于波形参数的渗透率预测方法优选 | 第45-47页 |
| 4.4.3 基于波形参数的含气饱和度预测方法优选 | 第47-50页 |
| 4.4.4 基于波形参数的砂体厚度预测方法优选 | 第50-53页 |
| 第5章 大牛地气田大66井区山2段储层预测 | 第53-60页 |
| 5.1 支持向量回归机算法在孔隙度预测中的应用 | 第53-54页 |
| 5.2 支持向量回归机算法在渗透率预测中的应用 | 第54-56页 |
| 5.3 支持向量回归机算法在含气饱和度预测中的应用 | 第56-57页 |
| 5.4 BP神经网络算法在砂体厚度预测中的应用 | 第57-60页 |
| 第6章 结论 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65页 |