支持向量机在储层物性参数预测中的应用研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-13页 |
| ·研究背景 | 第8页 |
| ·国内外研究现状 | 第8-11页 |
| ·智能算法在地球物理反演中的应用 | 第9-10页 |
| ·支持向量机研究现状 | 第10-11页 |
| ·本文研究的目的和意义 | 第11页 |
| ·本文研究的主要内容和思路 | 第11-13页 |
| 第二章 统计学习理论与支持向量机概述 | 第13-31页 |
| ·机器学习问题的基本描述 | 第13-14页 |
| ·机器学习的一般模型 | 第13-14页 |
| ·经验风险最小化 | 第14页 |
| ·统计学习理论 | 第14-17页 |
| ·VC维 | 第16-17页 |
| ·结构风险最小化 | 第17页 |
| ·支持向量机 | 第17-20页 |
| ·支持向量机的基本原理 | 第17-18页 |
| ·最优超平面 | 第18-19页 |
| ·核函数 | 第19-20页 |
| ·核函数的选择 | 第20页 |
| ·支持向量回归机的数学模型 | 第20-23页 |
| ·线性支持向量机回归 | 第21-22页 |
| ·非线性支持向量机回归 | 第22-23页 |
| ·支持向量回归机的仿真测试 | 第23-25页 |
| ·SVR参数优化选择 | 第25-28页 |
| ·粒子群优化算法 | 第26-27页 |
| ·基于粒子群优化的SVR参数选择 | 第27-28页 |
| ·核向量机的基本原理 | 第28-30页 |
| ·MEB的基本原理 | 第28-29页 |
| ·核向量机的基本原理 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第三章 测井储层参数智能反演技术 | 第31-41页 |
| ·储层物性参数基本概述 | 第31-34页 |
| ·孔隙度 | 第31页 |
| ·孔隙度的测定 | 第31-32页 |
| ·渗透率 | 第32-33页 |
| ·渗透率的测定 | 第33页 |
| ·孔隙度和渗透率的相关性 | 第33-34页 |
| ·测井属性的优化 | 第34-37页 |
| ·测井曲线 | 第34-35页 |
| ·测井曲线的选择原则 | 第35页 |
| ·基于主成分分析的测井属性优化 | 第35-37页 |
| ·测井储层参数反演技术 | 第37-39页 |
| ·测井反演技术概述 | 第37-38页 |
| ·智能反演理论概述 | 第38-39页 |
| ·本章小结 | 第39-41页 |
| 第四章 用支持向量机预测储层物性参数 | 第41-56页 |
| ·引言 | 第41页 |
| ·研究区域概况 | 第41-43页 |
| ·区域地质特征 | 第41-42页 |
| ·数据来源 | 第42-43页 |
| ·数据的预处理 | 第43-48页 |
| ·测井资料的标准化和归一化处理 | 第44-45页 |
| ·测井属性优化 | 第45-48页 |
| ·系统的分析与设计 | 第48-50页 |
| ·基于PSO—SVR模型的建立流程 | 第48页 |
| ·误差确定 | 第48-49页 |
| ·网络模型的建立 | 第49-50页 |
| ·实验结果分析及比较 | 第50-55页 |
| ·孔隙度的预测 | 第50-53页 |
| ·渗透率预测 | 第53-55页 |
| ·支持向量机在储层参数预测时应注意的问题 | 第55-56页 |
| 第五章 总结与展望 | 第56-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 附录 (测试样本数据与测试结果) | 第62-64页 |
| 附录 (攻读学位期间发表的论文) | 第64-65页 |
| 详细摘要 | 第65-73页 |
