《数据挖掘技术及在石油地质中的应用》PDF下载

  • 购买积分:11 如何计算积分?
  • 作  者:柴明锐,万成祥著
  • 出 版 社:天津市:天津科学技术出版社
  • 出版年份:2017
  • ISBN:9787557638580
  • 页数:262 页
图书介绍:本书主要介绍如何利用SPSS和SPSS Modeler来实现及其方法和部分统计学方法并进行石油地质数据的挖掘;同时,为了尽可能多地使读者了解机器学习方法,作者尽量少地使用数学公式以及计算机编程;为了更高效地使读者掌握机器学习方法,作者重点选取实用、高性能的算法进行讲解。

1 概述 1

1.1 致密油气带来的挑战与机遇 1

1.1.1 致密油气的发展 1

1.1.2 致密油气与常规油气的区别及挑战 2

1.2 数据挖掘与机器学习 4

1.2.1 学习的种类和任务 6

1.3 SPSS和SPSS Modeler简介 7

1.3.1 SPSS界面概述 8

1.3.2 Modeler界面概述 11

1.3.2.1 主要节点介绍 13

2 监督学习 23

2.1 人工神经网络 23

2.1.1 手把手教你——神经网络 24

2.1.1.1 神经网络界面介绍 24

2.1.2.2 简单例子 32

2.2 支持向量机 42

2.2.1 手把手教你——SVM 48

2.2.1.1 SVM界面介绍 48

2.2.1.2 简单例子 50

2.3 决策树 57

2.3.1 C5.0 58

2.3.2 C&RT 59

2.3.3 手把手教你——C5.0 59

2.3.3.1 C5.0界面介绍 59

2.3.3.2 简单例子 63

2.3.4 手把手教你——C&RT 70

2.3.4.1 C&RT界面介绍 70

2.4 贝叶斯网络 85

2.4.1 手把手教你——贝叶斯网络 86

2.4.1.1 贝叶斯网络界面介绍 86

2.4.1.2 简单例子 88

3 非监督学习 98

3.1 聚类分析 98

3.1.2 层次聚类分析 99

3.1.3 非层次聚类分析 100

3.1.4 聚类分析的优缺点 100

3.1.5 手把手教你——聚类分析 100

3.1.5.1 聚类分析界面介绍 100

3.1.5.2 简单例子 107

3.2 异常值分析 110

3.2.1 手把手教你——异常值分析 111

3.2.1.1 异常值分析界面介绍 111

3.2.1.2 简单例子 114

3.3 因子分析 122

3.3.1 因子分析的数学模型 122

3.3.2 因子分析的优缺点 123

3.3.3 手把手教你——因子分析 124

3.3.3.1 因子分析界面介绍 124

3.3.3.2 简单例子 129

3.4 关联分析 133

3.4.1 手把手教你——Apriori关联分析 135

3.4.1.1 Aprior关联分析界面介绍 135

3.4.1.2 简单例子 138

4 集成方法 146

4.1 Boosting 147

4.2 Bagging 147

4.3 随机森林 148

4.3.1 手把手教你——集成学习 148

4.3.1.1 集成算法界面介绍 148

4.3.1.2 简单例子 152

5 其他 161

5.1 相关性分析 161

5.1.1 相关性分析界面介绍 162

5.1.1.1 偏相关界面介绍 162

5.1.1.2 双变量相关性界面介绍 165

5.1.2 简单例子 170

5.2 标准化处理 173

5.2.1 标准化简介 173

5.2.2 手把手教你 173

5.3 特征选择 175

5.3.1 手把手教你——特征选择 177

5.3.1.1 特征选择界面介绍 177

5.3.1.2 简单例子 179

6 实例 186

6.1 岩性识别 186

6.1.1 前言 186

6.1.2 原理及实现 196

6.1.3 应用实例 197

6.1.3.1 标准化处理 197

6.1.3.2 异常值处理 199

6.1.3.3 优选变量 200

6.1.4 结论 206

6.2 沉积体系分析 206

6.2.1 前言 206

6.2.2 原理及实现 207

6.2.3 应用实例 207

6.2.3 聚类分析 208

6.2.3.1 多期次物源供给分析 208

6.2.3.1.2 沉积体系划分 209

6.2.4 物源方向判断 213

6.2.5 因子分析——明确母岩类型 213

6.2.6 结论 216

6.3 储层物性参数预测 216

6.3.1 前言 216

6.3.2 原理及实现 221

6.3.3 应用实例 222

6.3.3.1 标准化处理 223

6.3.3.2 异常值处理 225

6.3.3.3 优选变量 226

6.3.3.4 建模及误差分析 227

6.3.4 结论 231

6.4 储层分类评价 231

6.4.1 前言 231

6.4.2 原理及实现 236

6.4.3 应用实例 237

6.4.3.1 标准化处理 237

6.4.3.2 异常值处理 239

6.4.3.3 建模储层分类模型 240

6.4.3.4 分类模型评价 242

6.4.3 结论 246

6.5 储层影响因素关联分析 246

6.5.1 前言 246

6.5.2 原理及实现 249

6.5.3 应用实例 250

6.5.3.1 网络图分析 251

6.5.3.2 关联规则建模 252

6.5.3.3 关联规则模型分析 253

6.5.4 结论 255