石油储层纵向预测软硬计算融合的理论与方法研究
| 作者简介 | 第1-7页 |
| 摘要 | 第7-9页 |
| ABSTRACT | 第9-14页 |
| 第一章 概论 | 第14-21页 |
| ·课题来源及研究内容 | 第14页 |
| ·论文研究的目的和意义 | 第14-15页 |
| ·国内外研究现状 | 第15-19页 |
| ·本论文的基本思路 | 第19页 |
| ·论文的主要贡献及创新 | 第19-21页 |
| 第二章 软计算与硬计算的融合 | 第21-49页 |
| ·软计算 | 第21-44页 |
| ·神经网络 | 第21-24页 |
| ·遗传算法 | 第24-40页 |
| ·模糊系统 | 第40-44页 |
| ·硬计算 | 第44-45页 |
| ·回归分析 | 第44页 |
| ·K均值分类方法 | 第44-45页 |
| ·层次聚类分析中的Q型聚类 | 第45页 |
| ·软计算与硬计算的融合 | 第45-49页 |
| ·SC和HC互相分离模式 | 第46页 |
| ·SC和HC并行连接模式 | 第46-47页 |
| ·SC和HC串联模式 | 第47页 |
| ·SC和HC嵌套模式 | 第47-49页 |
| 第三章 特征选择(属性优化) | 第49-55页 |
| ·特征选择的一般过程 | 第49-52页 |
| ·生成特征子集 | 第49-50页 |
| ·特征子集评价 | 第50页 |
| ·停止准则 | 第50-52页 |
| ·结果确认 | 第52页 |
| ·特征选择算法的分类 | 第52-53页 |
| ·算法选择平台 | 第53-55页 |
| 第四章 储层岩性识别 | 第55-69页 |
| ·数据的预处理 | 第56-58页 |
| ·搜索策略和分类器的组合岩性识别比较 | 第58-61页 |
| ·多元线性回归的岩性识别 | 第58-59页 |
| ·穷举法、启发法和随机法的介绍 | 第59-60页 |
| ·识别结果比较 | 第60-61页 |
| ·软硬计算融合的岩性模糊规则提取 | 第61-69页 |
| ·ANN-GA-Cascades算法 | 第62-66页 |
| ·实例研究 | 第66-69页 |
| 第五章 储层含油性识别 | 第69-88页 |
| ·数据准备 | 第69-72页 |
| ·搜索策略和分类器的组合含油性识别比较 | 第72-74页 |
| ·数据驱动的灰色关联含油性识别 | 第74-78页 |
| ·储层含油性评价标准 | 第75页 |
| ·储层含油性参数的权系数 | 第75-76页 |
| ·灰色关联分析法 | 第76-78页 |
| ·样本约简 | 第78-82页 |
| ·软计算进行识别分析 | 第78-80页 |
| ·硬计算进行识别分析 | 第80-81页 |
| ·样本约简结果分析 | 第81-82页 |
| ·软硬计算融合的含油性模糊规则提取 | 第82-88页 |
| ·属性值离散化 | 第83-84页 |
| ·遗传算法进行规则提取 | 第84页 |
| ·实例研究 | 第84-88页 |
| 第六章 测井属性预测 | 第88-95页 |
| ·多元线性回归预测模型 | 第88-89页 |
| ·GA-BP预测模型的算法介绍 | 第89-91页 |
| ·GA-BP预测模型的结果分析 | 第91-95页 |
| 第七章 储层综合评价 | 第95-98页 |
| ·数据准备 | 第95-97页 |
| ·综合评价分析 | 第97-98页 |
| 第八章 结论与展望 | 第98-100页 |
| ·结论 | 第98-99页 |
| ·展望 | 第99-100页 |
| 致谢 | 第100-101页 |
| 参考文献 | 第101-110页 |
| 附录 | 第110-117页 |
