| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第1章 引言 | 第10-15页 |
| 1.1 选题依据及研究意义 | 第10-11页 |
| 1.2 国内外研究进展 | 第11-13页 |
| 1.3 主要研究内容 | 第13-15页 |
| 第2章 深度学习结构及原理 | 第15-36页 |
| 2.1 深度学习结构 | 第15-16页 |
| 2.2 无监督浅层学习模型 | 第16-29页 |
| 2.2.1 限制玻尔兹曼机(RBM) | 第16-24页 |
| 2.2.2 连续限制玻尔兹曼机(CRBM) | 第24-25页 |
| 2.2.3 稀疏限制玻尔兹曼机(SRBM) | 第25-28页 |
| 2.2.4 降噪自编码器(DAE) | 第28页 |
| 2.2.5 稀疏自编码器(SAE) | 第28-29页 |
| 2.3 构建深度学习模型 | 第29-34页 |
| 2.4 深度学习特征选取 | 第34-36页 |
| 第3章 基于连续限制玻尔兹曼机的支持向量机岩性识别方法 | 第36-45页 |
| 3.1 岩性识别的研究背景 | 第36-37页 |
| 3.2 最小二乘支持向量机(LS-SVM)原理 | 第37-39页 |
| 3.3 基于CRBM特征提取的SVM岩性识别 | 第39-43页 |
| 3.3.1 数据集的选取 | 第39-40页 |
| 3.3.2 数据预处理 | 第40页 |
| 3.3.3 基于CRBM-SVM岩性识别模型训练 | 第40-42页 |
| 3.3.4 应用效果及实例分析 | 第42-43页 |
| 3.4 本章小结 | 第43-45页 |
| 第4章 基于地震数据深度学习的储层检测方法 | 第45-67页 |
| 4.1 地震数据的深度学习特征提取研究背景 | 第45页 |
| 4.2 理论模型试算 | 第45-50页 |
| 4.2.1 地震数据深度学习模型生成 | 第45-47页 |
| 4.2.2 地震数据深度学习特征 | 第47-50页 |
| 4.3 深度学习在川西海相碳酸盐岩储层检测中的应用 | 第50-66页 |
| 4.3.1 区域地质概况 | 第50-51页 |
| 4.3.2 雷口坡组顶部地震数据预处理 | 第51-54页 |
| 4.3.3 三维地震数据深度学习特征提取 | 第54-63页 |
| 4.3.4 一维地震数据深度学习特征提取 | 第63-66页 |
| 4.4 本章小结 | 第66-67页 |
| 结论 | 第67-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-77页 |
| 攻读学位期间取得学术成果 | 第77页 |