支持向量机在阵列电磁传播测井资料处理中的应用
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-17页 |
| ·课题研究的背景和意义 | 第10-11页 |
| ·测井仪器及其测井资料处理的现状 | 第11-12页 |
| ·正演和反演的问题 | 第12-14页 |
| ·支持向量机方法 | 第14-15页 |
| ·课题研究内容和文章结构 | 第15-17页 |
| 第2章 阵列电磁传播电阻率测井正反演 | 第17-25页 |
| ·地层模型 | 第17-18页 |
| ·ВИКИЗ测井仪 | 第18-20页 |
| ·仪器的结构和原理 | 第18-19页 |
| ·仪器的探测特性 | 第19-20页 |
| ·测井资料的处理 | 第20-23页 |
| ·测井正演 | 第20-21页 |
| ·测井反演 | 第21-23页 |
| ·阵列电磁传播电阻率测井资料反演的特点 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 支持向量机方法分析 | 第25-50页 |
| ·最优化原理及其基本理论 | 第25-27页 |
| ·支持向量机的统计学习理论基础 | 第27-33页 |
| ·损失函数和期望风险 | 第28-29页 |
| ·经验风险最小化归纳原则 | 第29-30页 |
| ·VC 维和泛化能力 | 第30-31页 |
| ·结构风险最小化归纳原则 | 第31-33页 |
| ·支持向量机基本理论 | 第33-42页 |
| ·支持向量机的原理 | 第33-38页 |
| ·核函数及其选择规则总结 | 第38-39页 |
| ·支持向量机的优化算法 | 第39-42页 |
| ·多类分类方法 | 第42-43页 |
| ·支持向量分类机和支持向量回归机 | 第43-49页 |
| ·C-支持向量分类机 | 第43-44页 |
| ·ν -支持向量分类机 | 第44-45页 |
| ·ε -支持向量回归机 | 第45-47页 |
| ·ν -支持向量回归机 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 第4章 基于支持向量机的多分辨率人工智能反演方法 | 第50-61页 |
| ·多分辨率人工智能反演的思想 | 第50-51页 |
| ·LIBSVM 算法分析 | 第51-56页 |
| ·优化方法 | 第52-55页 |
| ·参数的优化 | 第55-56页 |
| ·LIBSVM 软件使用方法 | 第56-60页 |
| ·数据的准备 | 第57-58页 |
| ·参数寻优 | 第58-59页 |
| ·训练数据生成模型 | 第59-60页 |
| ·用生成的模型对测试集进行测试 | 第60页 |
| ·本章小结 | 第60-61页 |
| 第5章 SVM 在测井资料处理中的应用 | 第61-71页 |
| ·SVM 对测井资料反演参数的约束条件的提取 | 第61页 |
| ·支持向量机用于地层模型分类 | 第61-66页 |
| ·准备数据 | 第61-63页 |
| ·选择模型参数并应用 | 第63-66页 |
| ·在分类基础上的回归 | 第66-69页 |
| ·准备数据 | 第66页 |
| ·选择最优参数并应用 | 第66-69页 |
| ·本章小结 | 第69-71页 |
| 结论 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第77-78页 |
| 致谢 | 第78-79页 |
| 作者简介 | 第79页 |
