| 摘要 | 第1-8页 |
| Abstract | 第8-15页 |
| 第一章 绪论 | 第15-21页 |
| ·引言 | 第15页 |
| ·石油勘探管理中软计算的作用 | 第15-21页 |
| ·微观信息处理 | 第16页 |
| ·宏观预测 | 第16-17页 |
| ·数据的挖掘和融合 | 第17-18页 |
| ·智能解释和数据分析 | 第18页 |
| ·聚类 | 第18页 |
| ·数据综合和油气藏性质估算 | 第18-19页 |
| ·数据不确定性、预测误差以及置信区间的量化 | 第19-21页 |
| 第二章 石油勘探管理中软计算技术综述 | 第21-31页 |
| ·人工神经网络 | 第21-23页 |
| ·技术术语 | 第21页 |
| ·ANN在石油勘探管理中的应用 | 第21-23页 |
| ·模糊逻辑(Fuzzy Logic) | 第23-25页 |
| ·技术术语 | 第23-24页 |
| ·模糊逻辑的地学应用 | 第24-25页 |
| ·遗传算法(Genetic Algorithn) | 第25页 |
| ·神经网络—模糊模型 | 第25-26页 |
| ·聚类综述 | 第26-28页 |
| ·K-均值聚类 | 第26页 |
| ·模糊C-平均数聚类 | 第26-27页 |
| ·神经网络聚类 | 第27-28页 |
| ·石油勘探管理中软计算的发展趋势 | 第28-31页 |
| ·软计算的发展趋势 | 第29页 |
| ·油藏的智能描述 | 第29-31页 |
| 第三章 常用的神经网络及其讨论 | 第31-52页 |
| ·BP神经网络 | 第31-37页 |
| ·网络结构 | 第31-32页 |
| ·BP神经网络算法 | 第32-34页 |
| ·BP网络的一些理论问题 | 第34-35页 |
| ·对BP神经网络模型的改进 | 第35-37页 |
| ·径向基网络 | 第37-43页 |
| ·径向基函数神经元模型 | 第37-38页 |
| ·径向基函数网络的结构 | 第38页 |
| ·RBF网络非线性特征 | 第38-40页 |
| ·函数φ(·)确定 | 第40-41页 |
| ·RBF网络的学习算法 | 第41-43页 |
| ·RBF网络研究的新发展 | 第43页 |
| ·自组织特征映射网络 | 第43-48页 |
| ·自组织特征映射网络概述 | 第43-44页 |
| ·两种联想学习规则 | 第44-48页 |
| ·SOM网络计算 | 第48页 |
| ·人工神经网络的新发展 | 第48-52页 |
| ·对智能和机器关系问题的认识将进一步增长 | 第48-49页 |
| ·神经计算和进化计算将有重大的发展 | 第49-50页 |
| ·神经网络结构和神经元芯片的作用将不断扩大 | 第50-52页 |
| 第四章 模糊系统 | 第52-65页 |
| ·模糊逻辑基本知识 | 第52-53页 |
| ·若干模糊概念 | 第52-53页 |
| ·模糊系统(The Concept of Fuzzy System) | 第53页 |
| ·模糊逻辑系统的组成 | 第53-57页 |
| ·模糊产生器 | 第54页 |
| ·模糊规则库 | 第54-55页 |
| ·模糊推理机 | 第55-56页 |
| ·解模糊化器 | 第56-57页 |
| ·模糊逻辑系统的分类 | 第57-59页 |
| ·模糊系统的基本理论 | 第59-60页 |
| ·万能逼近定理 | 第59-60页 |
| ·逼近特性分析 | 第60页 |
| ·模糊聚类 | 第60-65页 |
| ·模糊-C划分 | 第61-62页 |
| ·准则函数 | 第62-63页 |
| ·GA—ISODATA算法 | 第63-64页 |
| ·GA—ISODATA算法的收敛性 | 第64-65页 |
| 第五章 遗传算法 | 第65-72页 |
| ·遗传算法的概述 | 第65页 |
| ·遗传算法中几种编码方式 | 第65-69页 |
| ·二进制编码 | 第65-67页 |
| ·实数编码 | 第67-68页 |
| ·符号编码 | 第68页 |
| ·Gray编码 | 第68-69页 |
| ·适应度函数 | 第69-72页 |
| ·适应度函数的设计 | 第69页 |
| ·将目标函数映射成适应度函数 | 第69-70页 |
| ·适应度函数的定标 | 第70-72页 |
| 第六章 ANN-FS-GA集成技术 | 第72-81页 |
| ·GA-ANN | 第72-75页 |
| ·GA-BP-APARTING算法 | 第73页 |
| ·GA-BP-NESTING算法 | 第73-75页 |
| ·FS-ANN | 第75-81页 |
| 第七章 测井解释决策支持系统 | 第81-87页 |
| ·测井解释中主要硬计算方法介绍 | 第81-82页 |
| ·KM | 第81页 |
| ·层次聚类分析中的Q型聚类 | 第81-82页 |
| ·判别分析法 | 第82页 |
| ·软计算与硬计算融合的模式 | 第82-85页 |
| ·SC和HC互相分离模式 | 第82页 |
| ·SC和HC并行连接模式 | 第82-83页 |
| ·SC和HC串联模式 | 第83页 |
| ·SC和HC嵌套模式 | 第83-85页 |
| ·WLIDSS的结构和功能 | 第85-87页 |
| ·人机界面 | 第85页 |
| ·数据库 | 第85-86页 |
| ·模型方法库与知识库 | 第86-87页 |
| 第八章 石油勘探有利性综合评价 | 第87-102页 |
| ·区带勘探有利性评价 | 第87-95页 |
| ·三角模糊数 | 第87-90页 |
| ·Fuzzy AHP方法 | 第90-92页 |
| ·案例 | 第92-95页 |
| ·盆地勘探有利性 | 第95-102页 |
| ·ANN的结构 | 第95-96页 |
| ·指标属性值的量化处理 | 第96-98页 |
| ·三层B-P网络学习算法 | 第98-99页 |
| ·区带勘探有利性评价ANN的实现算法 | 第99-102页 |
| 第九章 含油性模糊规则的提取 | 第102-124页 |
| ·含油性模式识别 | 第102-108页 |
| ·含油特征属性选择 | 第108-111页 |
| ·奇异样本的剔除 | 第111-115页 |
| ·软计算进行识别分析 | 第112-113页 |
| ·硬计算进行识别分析 | 第113-115页 |
| ·样本约简 | 第115-116页 |
| ·含油模糊规则的提取 | 第116-123页 |
| ·获取决策表 | 第117-119页 |
| ·获取侯选模糊规则集 | 第119-120页 |
| ·属性为AC，So | 第120页 |
| ·属性为AC，CNL，So | 第120-121页 |
| ·属性为AC，POR，50 | 第121页 |
| ·属性为AC，So，PERM | 第121页 |
| ·属性为AC，CNL，POR，So | 第121-122页 |
| ·属性为AC，POR，So，PERM | 第122页 |
| ·属性为AC，CNL，POR，So，PERM | 第122-123页 |
| ·规则集的遴选 | 第123-124页 |
| ·条件属性最少的规则集 | 第123页 |
| ·规则数最少的规则集 | 第123页 |
| ·识别率最高的模糊规则集 | 第123-124页 |
| 第十章 谢凤桥构造油层纵向预测 | 第124-142页 |
| ·谢凤桥构造油气地质条件概述 | 第124页 |
| ·基于BP-SOM网络的油层识别 | 第124-142页 |
| ·运用BP网络预测孔、渗、饱 | 第125-136页 |
| ·运用SOM网络进行油层识别 | 第136-137页 |
| ·神经网络油层识别效果分析 | 第137-142页 |
| 第十一章 石油储层横向追踪 | 第142-154页 |
| ·基本理论 | 第142-143页 |
| ·问题的描述 | 第142页 |
| ·利用地震属性预测油气的理论基础 | 第142页 |
| ·利用地震信息对储层进行横向预测的特点 | 第142页 |
| ·基于地震资料的储层油气横向预测的基本条件 | 第142-143页 |
| ·地震属性优化问题 | 第143-146页 |
| ·地震属性及其分类 | 第143-144页 |
| ·地震属性优化 | 第144-145页 |
| ·GA-BP网络优化地震属性 | 第145-146页 |
| ·江汉盆地某区块实例研究 | 第146-154页 |
| ·地震属性选择 | 第146-149页 |
| ·储层追踪 | 第149-154页 |
| 第十二章 储量—产量宏观预测 | 第154-165页 |
| ·主成分-BP预测理论与方法 | 第155-157页 |
| ·主成分分析 | 第155-156页 |
| ·PCA-BP预测法 | 第156-157页 |
| ·案例研究 | 第157-165页 |
| ·油田石油产量的主要影响因素 | 第157-158页 |
| ·主成分分析法的应用 | 第158-161页 |
| ·神经网络进行预测 | 第161-165页 |
| 结束语 | 第165-167页 |
| 致谢 | 第167-168页 |
| 参考文献 | 第168-173页 |