文摘
英文文摘
声明
第1章绪论
1.1研究的目的和意义
1.2国内外研究现状
1.3本文主要研究内容
第2章神经网络用于预测的基本概念
2.1预测的基本概念
2.1.1预测的概念
2.1.2预测的基本步骤
2.1.3预测的方法
2.2神经网络的基本概念
2.2.1人工神经网络的概念
2.2.2神经网络的互连模式
2.2.3神经网络的仿真、学习与训练概述
2.2.4神经网络的特性
2.3神经网络在预测建模中的优势
2.3.1现有参数数据的问题
2.3.2神经网络在预测建模中的优势
2.4神经网络预测储层参数的总体思想
2.5本章小结
第3章几种常用神经网络模型
3.1 BP神经网络
3.1.1 BP网络结构
3.1.2 BP算法
3.1.3 BP算法的缺点
3.2径向基神经网络
3.2.1 RBF网络的基本结构
3.2.2 RBF的映射关系
3.3广义回归神经网络模型
3.3.1 GRNN基本理论
3.3.2 GRNN模型结构
3.3.3 GRNN学习算法
3.4 Elman神经网络预测概述
3.5神经网络建模的评判标准
3.5.1神经网络的泛化能力
3.5.2效果评价标准
3.6本章小结
第4章基于广义回归网络的储层参数横向建模
4.1 GRNN与BP网络及RBF网络的比较
4.1.1 GRNN建模的结果分析
4.1.2 GRNN与BP网络的仿真比较
4.1.3 GRNN与RBF的仿真比较
4.1.4 GRNN的优点
4.2 GRNN横向建模的设计
4.3建模设计的实施
4.3.1数据的准备
4.3.2神经网络结构设计
4.3.3神经网络模型结构的保存及测试
4.4本章小结
第5章Elman神经网络的纵向建模
5.1 Elman神经网络纵向建模的设计
5.1.1时间序列预测技术
5.1.2 Elman建模设计
5.2纵向建模的设计实施
5.2.1 Elman网络中间层神经元个数的设计
5.2.2训练指标的选取
5.3 Elman网络的不足
5.4本章小结
第6章Elman网络的改进
6.1蚁群优化算法
6.1.1蚁群算法的基本原理
6.1.2蚁群算法的特点
6.1.3基于蚁群优化算法过程
6.2蚁群算法与神经网络相似性
6.3基于蚁群优化算法建型实施
6.4 ACO-Elman与Elman结果比较
6.5本章小结
结论
参考文献
攻读硕士学位期间发表的论文和取得的科研成果
致谢