預測理論及其在工農(nóng)業(yè)中的應用

第1章預測方法類型簡介
1.1傳統(tǒng)的預測和新近的預測方法
1.1.1傳統(tǒng)的預測方法
1.1.2新近的一些預測方法
1.2離散的預測和連續(xù)的預測方法
1.2.1離散時間系統(tǒng)模型演化預測
1.2.2連續(xù)的預測方法
1.3定性預測和定量預測方法
1.3.1定性預測
1.3.2定量預測
1.3.3定性預測和定量預測關(guān)系的比較
1.4統(tǒng)計型預測和專家系統(tǒng)預測方法
1.4.1統(tǒng)計型預測
1.4.2專家系統(tǒng)預測
第2章傳統(tǒng)的預測方法和理論
2.1線性回歸預測方法
2.1.1線性回歸預測方法的起源和發(fā)展
2.1.2線性回歸預測方法的數(shù)學工具和理論基礎(chǔ)
2.1.3線性回歸預測方法的數(shù)學模型
2.1.4線性回歸預測方法的優(yōu)缺點
2.1.5線性回歸預測方法的應用領(lǐng)域
2.1.6線性回歸預測方法在油氣田預測中的應用及效果
2.2時間序列預測方法
2.2.1時間序列預測方法的起源和發(fā)展
2.2.2時間序列預測方法的數(shù)學工具和理論基礎(chǔ)
2.2.3時間序列預測方法的數(shù)學模型
2.2.4時間序列預測方法的優(yōu)缺點
2.3聚類分析預測方法
2.3.1聚類分析預測方法的起源
2.3.2聚類分析預測方法的數(shù)學工具和理論基礎(chǔ)
2.3.3聚類分析預測方法的數(shù)學模型
2.3.4聚類分析預測方法的優(yōu)缺點
2.3.5聚類分析預測方法的應用領(lǐng)域
2.3.6聚類分析預測方法在油氣田預測中的應用及效果
2.4卡爾曼濾波預測方法
2.4.1卡爾曼濾波預測方法的起源和發(fā)展
2.4.2卡爾曼濾波預測方法的數(shù)學模型
2.4.3卡爾曼濾波預測方法的優(yōu)缺點
2.4.4卡爾曼濾波預測方法的應用領(lǐng)域
2.4.5集合卡爾曼濾波預測方法在油氣田預測中的應用及效果
2.5小波變換預測方法
2.5.1小波變換預測方法的起源和發(fā)展
2.5.2小波變換預測方法的數(shù)學工具和理論基礎(chǔ)
2.5.3小波變換預測方法在油氣田預測中的應用及效果
2.6分形預測方法
2.6.1分形預測方法的起源和發(fā)展
2.6.2分形預測方法的優(yōu)缺點
2.6.3分形預測方法的數(shù)學工具和理論基礎(chǔ)
2.6.4分形預測方法的應用領(lǐng)域
2.6.5分形預測方法在油氣田預測中的應用及效果
2.6.6分形預測方法的問題討論
2.7模式識別預測方法
2.7.1模式識別預測方法的起源和發(fā)展
2.7.2模式識別預測方法的優(yōu)缺點
2.7.3模式識別預測方法的數(shù)學工具和理論基礎(chǔ)
2.7.4模式識別預測方法在工農(nóng)業(yè)中的應用
2.7.5模式識別預測方法在油氣田預測中的應用及效果
2.8克里金預測方法
2.8.1克里金預測方法的起源和發(fā)展
2.8.2克里金預測方法的數(shù)學工具和理論基礎(chǔ)
2.8.3克里金預測方法的優(yōu)缺點
2.8.4克里金預測方法的應用領(lǐng)域
2.9專家系統(tǒng)預測方法
2.9.1專家系統(tǒng)預測方法的起源和發(fā)展
2.9.2專家系統(tǒng)預測方法的優(yōu)缺點
2.9.3專家系統(tǒng)預測方法的數(shù)學工具和理論基礎(chǔ)
2.9.4專家系統(tǒng)預測方法在工農(nóng)業(yè)中的應用
2.9.5專家系統(tǒng)預測方法在油氣田預測中的應用及效果
2.10模糊數(shù)學預測方法
2.10.1模糊數(shù)學預測方法的起源和發(fā)展
2.10.2模糊數(shù)學預測方法的優(yōu)缺點
2.10.3模糊數(shù)學預測方法的數(shù)學工具和理論基礎(chǔ)
2.10.4模糊數(shù)學預測方法的應用領(lǐng)域
2.11混沌理論預測方法
2.11.1混沌理論預測方法的起源和發(fā)展
2.11.2混沌理論預測方法的優(yōu)缺點
2.11.3混沌理論預測方法的數(shù)學工具和理論基礎(chǔ)
2.11.4混沌理論預測方法在工農(nóng)業(yè)中的應用
2.11.5混沌理論預測方法在油氣田預測中的應用及效果
第3章灰色預測方法
3.1概述
3.2理論基礎(chǔ)
3.2.1灰色系統(tǒng)的基本概念
3.2.2灰色系統(tǒng)與模糊數(shù)學、黑箱方法的區(qū)別
3.2.3灰色系統(tǒng)的基本原理
3.2.4灰色系統(tǒng)理論的主要內(nèi)容
3.3數(shù)學模型
3.3.1灰色預測的概念
3.3.2灰色預測的類型
3.3.3數(shù)據(jù)處理
3.3.4關(guān)聯(lián)度
3.3.5灰色預測模型
3.4應用實例及效果
3.4.1灰色預測方法在工農(nóng)業(yè)中的應用
3.4.2灰色預測方法在油氣田預測中的應用
第4章畢奧雙相介質(zhì)預測方法
4.1雙相介質(zhì)理論的歷史發(fā)展
4.2畢奧理論的數(shù)學基礎(chǔ)
4.3畢奧理論的開拓
4.4畢奧理論在地震勘探應用的探索
4.5儲層物性參數(shù)反演的流程
4.5.1地震應力反演
4.5.2地質(zhì)反演
4.5.3油氣藏綜合分析
4.6儲層物性參數(shù)簡介
4.6.1由地震應力兩個分量導出的Ⅰ類物性參數(shù)
4.6.2由Ⅰ類物性參數(shù)導出的Ⅱ類物性參數(shù)
4.6.3由Ⅰ、Ⅱ類物性參數(shù)導出的Ⅲ類物性參數(shù)
4.7物性參數(shù)在疑難地質(zhì)問題的應用
4.8在油氣藏勘探開發(fā)中的應用實例
4.8.1勘探中的應用實例
4.8.2開發(fā)中的應用實例
第5章波形結(jié)構(gòu)特征預測方法
5.1引言
5.2波形結(jié)構(gòu)特征預測方法簡介
5.2.1基本概念
5.2.2基本原理
5.2.3技術(shù)優(yōu)勢
5.2.4應用特點
5.2.5該方法的創(chuàng)新性
5.3波形結(jié)構(gòu)特征描述
5.3.1方法原理
5.3.2波形結(jié)構(gòu)特征的分類
5.3.3波形結(jié)構(gòu)特征預測油氣的方法
5.4預測方法數(shù)學模型的建立
5.4.1建立預測數(shù)學模型的基本方法
5.4.2實現(xiàn)油氣預測過程的基本步驟
5.4.3工作流程——結(jié)構(gòu)特征處理流程和控制參數(shù)
5.5應用實例——以普光氣田為例
5.5.1普光氣田氣層的波形結(jié)構(gòu)特征
5.5.2地震數(shù)據(jù)體結(jié)構(gòu)預測模型數(shù)值特征 
5.5.3地震數(shù)據(jù)體結(jié)構(gòu)預測模型圖形特征
5.5.4地震數(shù)據(jù)體結(jié)構(gòu)預測模型特征
5.5.5普光氣田含氣性量化判別標準及分類
5.6預測方法應用效果的綜合評價
5.6.1勘探上的應用效果——以Pg7井等井為例
5.6.2開發(fā)上的應用效果——38口開發(fā)井位軌跡的優(yōu)化
5.6.3應用效果綜合評價
第6章新近預測方法
6.1多波勘探技術(shù)
6.1.1多波勘探技術(shù)的歷史發(fā)展
6.1.2多波勘探技術(shù)的性質(zhì)特點
6.1.3多波勘探技術(shù)的數(shù)學基礎(chǔ)
6.1.4多波勘探技術(shù)的應用
6.1.5多波勘探的問題討論
6.2時移(四維)地震技術(shù)
6.2.1時移地震技術(shù)的歷史發(fā)展
6.2.2時移地震技術(shù)的性質(zhì)特點
6.2.3時移地震技術(shù)的數(shù)學基礎(chǔ)
6.2.4時移地震的巖石物理學基礎(chǔ)
6.2.5時移地震資料處理
6.2.6時移地震的關(guān)鍵問題及其解決方案
6.2.7時移地震的應用實例
6.2.8時移地震問題討論
6.2.9我國開展四維地震的可能性和必要性
6.3井間地震技術(shù)
6.3.1井間地震技術(shù)的歷史發(fā)展
6.3.2井間地震技術(shù)的性質(zhì)特點
6.3.3井間地震技術(shù)的數(shù)學基礎(chǔ)
6.3.4井間地震技術(shù)的應用
第7章人工智能和支持向量機算法及應用概述
7.1人工智能BP算法簡介
7.2人工智能理論基礎(chǔ)
7.3人工智能數(shù)學模型
7.3.1人工智能基本BP算法
7.3.2反向傳播法的改進方法
7.4人工智能BP算法的優(yōu)缺點
7.4.1優(yōu)點
7.4.2缺點及局限
7.5人工智能神經(jīng)網(wǎng)絡(luò)的應用領(lǐng)域
7.6支持向量機的發(fā)展歷史
7.7支持向量機研究現(xiàn)狀
7.7.1支持向量機在分類方面的應用研究
7.7.2支持向量機在回歸估計方面的應用研究
7.8支持向量機的性質(zhì)特點
7.9支持向量機的數(shù)學基礎(chǔ)
7.9.1統(tǒng)計學習理論
7.9.2支持向量機的基本原理
7.9.3核函數(shù)及其性能分析
7.9.4支持向量機訓練算法
7.10支持向量機的應用
7.10.1支持向量回歸機預測模型
7.10.2序列最小優(yōu)化算法
7.10.3應用實例及其分析
7.10.4小結(jié)
主要參考文獻
后記