| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 创新点摘要 | 第7-10页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外相关研究现状和发展趋势 | 第11-16页 |
| 1.2.1 测井技术 | 第12-13页 |
| 1.2.2 人工神经网络 | 第13-14页 |
| 1.2.3 支持向量机 | 第14-15页 |
| 1.2.4 核学习方法 | 第15-16页 |
| 1.3 论文的主要研究内容及结构安排 | 第16-18页 |
| 第二章 相关理论方法与技术基础 | 第18-26页 |
| 2.1 多核核函数方法 | 第18-21页 |
| 2.1.1 核函数方法 | 第18-20页 |
| 2.1.2 多核核函数方法 | 第20-21页 |
| 2.2 基于测井曲线的储层岩性识别 | 第21-24页 |
| 2.3 地质特征数据 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 多核过程支持向量机及在岩性识别中的应用 | 第26-39页 |
| 3.1 多核过程支持向量机模型及其优化 | 第26-31页 |
| 3.1.1 过程支持向量机 | 第26-28页 |
| 3.1.2 多核过程支持向量机 | 第28-29页 |
| 3.1.3 多核过程支持向量机学习算法与参数优化 | 第29-31页 |
| 3.2 仿真实验 | 第31-33页 |
| 3.2.1 heart_scale数据仿真实验 | 第31-32页 |
| 3.2.2 wine数据仿真实验 | 第32-33页 |
| 3.3 在储层岩性识别中的应用 | 第33-38页 |
| 3.3.1 实验数据选取 | 第33页 |
| 3.3.2 实验数据处理 | 第33-34页 |
| 3.3.3 实际数据实验 | 第34-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第四章 多尺度核径向基过程神经网络及在岩性识别中的应用 | 第39-52页 |
| 4.1 多尺度核径向基过程神经元网络模型及其优化 | 第39-45页 |
| 4.1.1 径向基函数与神经网络 | 第39-41页 |
| 4.1.2 多尺度核径向基过程神经网络 | 第41-43页 |
| 4.1.3 多尺度核径向基过程神经网络学习算法与参数优化 | 第43-45页 |
| 4.2 仿真实验 | 第45-48页 |
| 4.2.1 heart_scale数据仿真实验 | 第46-47页 |
| 4.2.2 wine数据仿真实验 | 第47-48页 |
| 4.3 在储层岩性识别中的应用 | 第48-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第五章 储层岩性识别原型系统开发与实际应用 | 第52-58页 |
| 5.1 系统设计 | 第52-53页 |
| 5.1.1 数据层设计 | 第52页 |
| 5.1.2 业务逻辑层设计 | 第52-53页 |
| 5.1.3 用户表现层设计 | 第53页 |
| 5.2 VS与MATLAB混合编程 | 第53-54页 |
| 5.3 系统实现 | 第54-56页 |
| 5.3.1 原始数据展示 | 第54-55页 |
| 5.3.2 实验 | 第55-56页 |
| 5.3.3 实验结果汇总 | 第56页 |
| 5.4 本章小节 | 第56-58页 |
| 结论 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 发表文章目录 | 第62-63页 |
| 致谢 | 第63-64页 |