| 摘要 | 第1-9页 |
| ABSTRACT | 第9-16页 |
| 第一章 绪论 | 第16-25页 |
| §1.1 研究的背景及意义 | 第16-18页 |
| ·研究的背景 | 第16-17页 |
| ·研究的意义 | 第17-18页 |
| §1.2 储层预测技术的发展与现状 | 第18-19页 |
| §1.3 储层预测信息管理中软计算的作用 | 第19-22页 |
| ·数据的挖掘和融合 | 第20-21页 |
| ·智能解释和数据分析 | 第21页 |
| ·聚类分析 | 第21页 |
| ·属性优化 | 第21-22页 |
| §1.4 研究的思路与主要研究内容 | 第22-25页 |
| ·研究思路 | 第22-23页 |
| ·主要研究内容 | 第23-25页 |
| 第二章 软计算理论及其讨论 | 第25-61页 |
| §2.1 神经网络 | 第25-38页 |
| ·BP神经网络 | 第27-29页 |
| ·RBF神经网络 | 第29-33页 |
| ·自组织特征映射网络 | 第33-38页 |
| §2.2 模糊系统 | 第38-47页 |
| ·若干模糊概念 | 第39页 |
| ·模糊系统 | 第39-40页 |
| ·模糊逻辑系统的组成 | 第40-43页 |
| ·模糊逻辑系统的分类 | 第43-45页 |
| ·模糊系统的基本理论 | 第45-46页 |
| ·模糊建模 | 第46-47页 |
| ·模糊系统的一些难点问题 | 第47页 |
| §2.3 遗传算法 | 第47-54页 |
| ·GA运行过程 | 第48-49页 |
| ·GA中的几种编码方式 | 第49-52页 |
| ·GA适应度函数 | 第52-54页 |
| §2.4 模拟退火 | 第54-57页 |
| ·算法基本原理 | 第54-55页 |
| ·相关参数的选取 | 第55-56页 |
| ·算法基本步骤 | 第56-57页 |
| ·模拟退火算法特点 | 第57页 |
| §2.5 粒子群算法 | 第57-60页 |
| ·算法的基本原理 | 第58-59页 |
| ·算法的参数分析 | 第59页 |
| ·算法基本步骤 | 第59-60页 |
| 本章小节 | 第60-61页 |
| 第三章 软计算集成 | 第61-74页 |
| §3.1 软计算集成一般框架 | 第61-62页 |
| §3.2 模糊神经网络 | 第62-65页 |
| ·概况 | 第62页 |
| ·模糊系统与神经网络的联系 | 第62-63页 |
| ·模糊系统与神经网络的集成 | 第63-65页 |
| §3.3 进化神经网络 | 第65-66页 |
| ·进化神经网络主要集成方式 | 第65-66页 |
| ·进化神经网络一般思路 | 第66页 |
| §3.4 进化模糊系统 | 第66-68页 |
| ·集成模式 | 第66-67页 |
| ·集成类型 | 第67-68页 |
| ·遗传模糊聚类算法 | 第68页 |
| §3.5 进化模糊神经网络 | 第68-70页 |
| ·概述 | 第68-69页 |
| ·一种集成方式 | 第69-70页 |
| §3.6 混合进化计算 | 第70-73页 |
| ·GA-SA | 第71页 |
| ·GA-PSO | 第71-73页 |
| 本章小节 | 第73-74页 |
| 第四章 地震属性优化的集成软计算方法 | 第74-90页 |
| §4.1 地震属性及其分类 | 第74-75页 |
| ·地震属性的概念 | 第74页 |
| ·地震属性的分类 | 第74-75页 |
| §4.2 地震属性优化问题 | 第75-80页 |
| ·地震属性优化 | 第75页 |
| ·地震属性优化的必要性 | 第75-76页 |
| ·地震属性优化方法概述 | 第76-80页 |
| §4.3 基于GA-BP网络优化地震属性 | 第80-84页 |
| ·GA-BP网络优化地震属性流程 | 第80页 |
| ·GA设计 | 第80-81页 |
| ·BP网络设计 | 第81页 |
| ·实例研究 | 第81-84页 |
| §4.4 基于GA-FCM地震属性优化油井识别 | 第84-89页 |
| ·聚类与FCM聚类算法 | 第84-85页 |
| ·GA-FCM属性优化模型 | 第85-86页 |
| ·模型相关设计 | 第86-87页 |
| ·实例验证 | 第87-89页 |
| 本章小节 | 第89-90页 |
| 第五章 一种自适应BP网络及其在储层预测中的应用 | 第90-103页 |
| §5.1 两种SA-BP集成方式性能比较分析 | 第90-95页 |
| ·SA—BP模型方法 | 第90-91页 |
| ·仿真比较实验研究 | 第91-94页 |
| ·结论 | 第94-95页 |
| §5.2 一种动态全参数自适应BP神经网络模型 | 第95-100页 |
| ·引言 | 第95页 |
| ·模型相关设计 | 第95-97页 |
| ·自适应优化网络相关参数步骤 | 第97-100页 |
| §5.3 地震储层预测实例研究 | 第100-102页 |
| ·问题的描述 | 第100页 |
| ·利用地震属性预测的理论基础 | 第100页 |
| ·网络输入及样本设计 | 第100页 |
| ·网络效果比较研究 | 第100-101页 |
| ·结论 | 第101-102页 |
| 本章小节 | 第102-103页 |
| 第六章 两种PSO-RBF集成方式研究 | 第103-127页 |
| §6.1 RBF网络常用的学习算法及存在的问题 | 第103-109页 |
| ·基于K-Means聚类的RBF学习算法 | 第103-104页 |
| ·正交最小二乘法OLS的RBF学习算法 | 第104-106页 |
| ·最近邻聚类的RBF学习算法 | 第106-107页 |
| ·基于梯度下降法的RBF学习算法 | 第107-109页 |
| §6.2 一种基于离散粒子群的自适应RBF网络模型 | 第109-115页 |
| ·离散粒子群 | 第109-110页 |
| ·模型相关设计 | 第110-111页 |
| ·算法步骤 | 第111-112页 |
| ·算法流程图 | 第112-114页 |
| ·仿真实验 | 第114-115页 |
| §6.3 一种基于MPSO-RBF混合学算法 | 第115-125页 |
| ·算法相关设计 | 第116-117页 |
| ·算法步骤 | 第117-119页 |
| ·仿真实验 | 第119-125页 |
| §6.4 基于MPSO-RBF的地震储层横向预测 | 第125-126页 |
| 本章小节 | 第126-127页 |
| 第七章 地震储层模糊规则提取的遗传模糊神经集成方法 | 第127-136页 |
| §7.1 基于Mamdani的遗传模糊神经集成 | 第127-133页 |
| ·一种GA-BP FNN模糊神经网络 | 第128-129页 |
| ·GA-FNN模型相关设计 | 第129-130页 |
| ·GA-FNN集成算法步骤 | 第130-133页 |
| §7.2 基于GA-BP FNN地震储层模糊规则提取 | 第133-135页 |
| ·样本及数据 | 第133页 |
| ·FNN映射结果 | 第133-134页 |
| ·模糊规则提取 | 第134-135页 |
| 本章小节 | 第135-136页 |
| 第八章 结论与展望 | 第136-138页 |
| §8.1 结论 | 第136页 |
| §8.2 主要创新点 | 第136-137页 |
| §8.3 展望 | 第137-138页 |
| 致谢 | 第138-139页 |
| 参考文献 | 第139-150页 |
