基于机器学习的油气层潜在敏感性评价方法研究

目录

声明

第一章 绪论

1.1研究意义

1.2国内外研究现状

1.3本文主要工作

1.4本文的组织结构

第二章 机器学习算法相关理论

2.1引言

2.2数据预处理

2.2.1归一化

2.2.2离散化

2.3特征选择

2.3.1特征选择的过程

2.3.2相关特征选择方法

2.4决策树算法概述

2.4.1决策树算法基本概念

2.4.2决策树的生成

2.4.3 C4.5决策树算法

2.5 BP神经网络算法概述

2.5.1 BP神经网络算法原理

2.5.2激活函数

2.5.3 BP神经网络模型

2.6小结

第三章 基于机器学习的油气层敏感性评价原理

3.1引言

3.2油气层敏感性影响因素分析

3.2.1水敏

3.2.2速敏

3.2.3盐敏

3.2.4碱敏

3.2.5酸敏

3.3基于改进信息增益的特征选择

3.4基于决策树的神经网络初始化方法

3.4.1基于决策树的神经网络结构初始化方法

3.4.2基于信息增益的神经网络权重初始化方法

3.5小结

第四章 基于机器学习的油气层敏感性评价方法的实现与检验

4.1引言

4.2开发平台与开发环境

4.3训练数据与测试数据

4.4油气层敏感性评价方法的实现

4.4.1样本数据预处理

4.4.2特征选择与建立评价模型

4.5实验结果分析

4.5.1实验结果

4.5.2与基于传统BP神经网络的评价方法实验结果对比分析

4.6 小结

第五章 油气层敏感性评价软件的应用

5.1油气层敏感性评价软件主要界面及使用过程

5.2油气层敏感性评价软件的实际应用

5.2.1研究区域油气层敏感性影响因素分析

5.2.2油气层潜在敏感性分析报告

5.3小结

第六章 总结与展望

6.1总结

6.2 展望

致 谢

参考文献

攻读学位期间参加科研情况及获得的学术成果