支持向量机在地层原油高压物性参数预测中的研究与应用
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-14页 |
| ·研究背景 | 第8-9页 |
| ·国内外研究现状 | 第9-10页 |
| ·国外现状 | 第9-10页 |
| ·国内现状 | 第10页 |
| ·支持向量机 | 第10-11页 |
| ·课题的目的和意义 | 第11-12页 |
| ·本文的主要工作和内容安排 | 第12-14页 |
| 第二章 BP神经网络 | 第14-20页 |
| ·概述 | 第14页 |
| ·BP网络算法 | 第14-16页 |
| ·前馈算法 | 第15-16页 |
| ·BP算法 | 第16页 |
| ·BP网络模型的构建 | 第16-18页 |
| ·模型结构 | 第16-17页 |
| ·模型参数选择 | 第17-18页 |
| ·BP网络模型的训练 | 第18页 |
| ·神经网络的优点 | 第18-19页 |
| ·BP网络的局限性 | 第19-20页 |
| 第三章 支持向量机 | 第20-34页 |
| ·引言 | 第20-21页 |
| ·统计学习理论 | 第21-26页 |
| ·VC维 | 第22-23页 |
| ·经验风险最小化原则 | 第23-24页 |
| ·结构风险最小化原则 | 第24-26页 |
| ·支持向量机 | 第26-29页 |
| ·二元线性分类问题 | 第26-28页 |
| ·非线性问题 | 第28-29页 |
| ·支持向量机的优越性 | 第29页 |
| ·支持向量回归 | 第29-33页 |
| ·SVR算法 | 第30-32页 |
| ·核函数的选择 | 第32-33页 |
| ·模型参数的确定 | 第33页 |
| ·本章小结 | 第33-34页 |
| 第四章 利用SVM预测地层原油高压物性参数 | 第34-57页 |
| ·地层原油的高压物性参数特征评价 | 第34-35页 |
| ·常规地层原油高压物性参数确定方法 | 第35-40页 |
| ·室内实验法 | 第35-38页 |
| ·图版法 | 第38页 |
| ·经验公式法 | 第38-39页 |
| ·神经网络法 | 第39-40页 |
| ·基于SVR的地层原油高压物性参数的预测 | 第40-52页 |
| ·系统结构 | 第40-41页 |
| ·数据样本选择及预处理 | 第41-43页 |
| ·核函数及其参数选择 | 第43-48页 |
| ·建立训练模型 | 第48-49页 |
| ·SVR预测原油泡点压力下的体积系数 | 第49-51页 |
| ·BP神经网络预测原油泡点压力下的体积系数 | 第51-52页 |
| ·SVR与BPNN对比及分析 | 第52-56页 |
| ·本章小结 | 第56-57页 |
| 第五章 结论与展望 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 附录 (攻读硕士学位期间发表的论文) | 第63-64页 |
| 详细摘要 | 第64-73页 |
