油田沉积相模式识别的研究
| 第1章 引言 | 第1-15页 |
| 1．1 目的与意义 | 第8页 |
| 1．2 研究与发展 | 第8-11页 |
| 1．2．1 最近邻法 | 第9页 |
| 1．2．2 人工神经网络方法 | 第9-10页 |
| 1．2．3 二叉树法 | 第10-11页 |
| 1．3 石油地质 | 第11-14页 |
| 1．3．1 沉积相 | 第11页 |
| 1．3．2 地质储层 | 第11-12页 |
| 1．3．3 自然电位 | 第12-13页 |
| 1．3．4 微电极 | 第13-14页 |
| 1．4 主要研究内容 | 第14-15页 |
| 第2章 问题分析与总体设计 | 第15-21页 |
| 2．1 问题分析 | 第15-18页 |
| 2．1．1 沉积相模式识别 | 第15-17页 |
| 2．1．2 数据介绍 | 第17-18页 |
| 2．2 总体设计 | 第18-20页 |
| 2．2．1 工作流程 | 第18-19页 |
| 2．2．2 模式识别总体设计 | 第19-20页 |
| 2．3 本章小结 | 第20-21页 |
| 第3章 预处理 | 第21-32页 |
| 3．1 数据获取与转化 | 第21页 |
| 3．2 PLOT算法与趋势处理 | 第21-24页 |
| 3．3 沃尔什变换与测井曲线反演 | 第24-30页 |
| 3．3．1 沃尔什变换 | 第25-26页 |
| 3．3．2 沃尔什反演 | 第26-27页 |
| 3．3．3 误差分析 | 第27-29页 |
| 3．3．4 应用实例及效果分析 | 第29-30页 |
| 3．4 层段合并 | 第30页 |
| 3．5 完整曲线获取 | 第30-31页 |
| 3．6 本章小结 | 第31-32页 |
| 第4章 特征提取与选择 | 第32-55页 |
| 4．1 研究对象分析 | 第32页 |
| 4．2 基本特征 | 第32-35页 |
| 4．3 序谱特征 | 第35-47页 |
| 4．3．1 短时序谱分析 | 第35-46页 |
| 4．3．2 序谱特征提取 | 第46-47页 |
| 4．4 特征选择 | 第47-54页 |
| 4．4．1 特征选择的目的及其重要性 | 第47-48页 |
| 4．4．2 特征选择方案设计 | 第48-52页 |
| 4．4．3 M未知的分支定界搜索算法 | 第52-54页 |
| 4．5 本章小结 | 第54-55页 |
| 第5章 识别与分类 | 第55-73页 |
| 5．1 树分类器 | 第55-57页 |
| 5．1．1 树分类器的本质 | 第55-56页 |
| 5．1．2 树分类器的优缺点 | 第56-57页 |
| 5．2 统计学习理论与支持向量机 | 第57-63页 |
| 5．2．1 统计学习理论 | 第57-59页 |
| 5．2．2 支持向量机 | 第59-63页 |
| 5．3 树分类器与支持向量机的结合 | 第63-71页 |
| 5．3．1 目的与方式 | 第63-65页 |
| 5．3．2 油田沉积相的识别分类 | 第65-69页 |
| 5．3．3 差错累积与回溯 | 第69-71页 |
| 5．4 分类器分类效果 | 第71-72页 |
| 5．5 本章小结 | 第72-73页 |
| 第6章 系统设计与实现 | 第73-79页 |
| 6．1 系统设计原则 | 第73页 |
| 6．2 系统框架设计 | 第73-75页 |
| 6．3 系统模块设计 | 第75-76页 |
| 6．4 系统实现 | 第76-78页 |
| 6．5 本章小结 | 第78-79页 |
| 结论 | 第79-80页 |
| 参考文献 | 第80-82页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第82-83页 |
| 致谢 | 第83页 |
