第1章 样本学习和控制复杂性的理论和方法 1
1.1引言 1
1.2推广性的定性分析 3
1.2.1推广与过拟合 3
1.2.2减少方差与偏置的两难问题 4
1.3平均推广能力 6
1.4 PAC可学习理论 8
1.5统计学习理论 9
1.5.1经验风险最小化和一致收敛性 10
1.5.2 VC维 11
1.5.3推广性的界 12
1.5.4结构风险最小化方法 13
1.5.5关于统计学习理论的评述 14
1.6寻找“简单的”模型方法综述 15
1.7正则化技术和贝叶斯观点 16
第2章 人工神经网络 18
2.1引言 18
2.2概述 19
2.2.1神经元模型 19
2.2.2神经网络结构及工作方式 20
2.2.3神经网络的学习方法 21
2.2.4神经网络的基本特征 22
2.3多层前馈网络 23
2.3.1多层前馈网络训练的BP算法 23
2.4多层前馈网络快速监督学习算法 27
2.4.1基于梯度信息的优化学习算法 28
2.4.2基于L—M的前馈网络训练算法 30
2.4.3改进的共轭梯度法 33
2.4.4阻尼因子的自适应调整 34
2.4.5基于改进共轭梯度法的L—M神经网络快速学习算法 35
2.4.6实验模拟结果 36
2.5多层前馈网络的结构优化 40
2.5.1主要方法 40
2.5.2确定网络结构的综合法 41
第3章 贝叶斯神经网络 45
3.1引言 45
3.2正则化网络的概率解释 47
3.3贝叶斯神经网络回归 48
3.4贝叶斯神经网络模式分类 49
3.5先验知识的表达 50
3.5.1关于模型参数的先验 51
3.5.2噪声（残差）模型 52
3.6贝叶斯推理和边缘化原理的近似 54
3.6.1显著度框架下的贝叶斯推理 54
3.6.2马尔可夫链蒙特卡罗模拟法 56
3.7模拟实验结果 58
3.7.1 Diabetes糖尿病诊断问题 58
3.7.2 Glass玻璃类型分类问题 59
3.7.3二维非线性函数回归问题 60
第4章 神经模糊系统方法 62
4.1引言 62
4.2模糊联想记忆网络FAM 65
4.2.1原理 65
4.2.2基于FAM的测井岩性识别 68
4.3基于神经网络的模糊推理 71
4.3.1原理 71
4.3.2模糊C—均值聚类法 72
4.3.3 NNFR神经模糊推理算法 73
4.3.4应用实例 74
第5章 支持向量机 77
5.1引言 77
5.2支持向量机方法 78
5.2.1支持向量分类器SVC 78
5.2.2支持向量回归机SVR 80
5.2.3求解SVM的QP问题最优化技术评述 82
5.2.4确定模型参数的方法评述 83
5.3 SVM的贝叶斯概率框架 84
5.3.1似然函数 84
5.3.2先验概率分布 85
5.3.3后验分布 86
5.4超参数推理和ARD特征选择 86
5.4.1基于Laplace近似的显著度最大化下的超参数推理 86
5.4.2 ARD特征选择 88
5.5在SVC中的实验结果 88
5.6在SVR中的实验结果 90
5.6.1 5个二维非线性函数回归问题 90
5.6.2 Boston房价中值预测问题 91
5.6.3猪肉脂肪含量预测 92
5.7后记 93
第6章 测井储层特性智能解释技术 94
6.1引言 94
6.2传统测井解释现状 94
6.2.1均质理论 95
6.2.2线性假设 95
6.2.3统计经验关系式 95
6.3测井储层特性智能解释的任务及特点 96
6.4测井储层特性智能解释过程 98
6.4.1网络结构的确定 98
6.4.2网络模型的建立 99
6.4.3网络模型的预测 100
6.5数据预处理技术 100
6.5.1岩心分析数据的预处理 100
6.5.2测井资料的预处理 102
6.6学习样本的选取原则 107
6.7提高智能解释模型推广能力的措施 108
6.7.1训练样本的数量 108
6.7.2网络学习的精度 109
6.7.3输入信息的选择 110
6.7.4先验知识的应用 111
第7章 在测井储层参数解释中的应用 113
7.1储层孔隙度解释 113
7.2储层渗透率解释 121
7.3储层含水饱和度解释 127
7.3.1测井资料的标准化和归一化 127
7.3.2测井解释模型的建立和预测 129
7.3.3测井含水饱和度预测处理及效果评价 135
7.4粒度中值和束缚水饱和度解释 139
7.4.1粒度中值解释模型 140
7.4.2束缚水饱和度解释模型 141
7.4.3储层参数解释效果对比 142
7.5中途测井资料检预测地层压力 143
7.5.1发展现状 144
7.5.2研究思路 145
7.5.3地层压力测井检测技术 146
7.5.4井底以下地层压力预测 151
7.5.5应用及成果分析 153
第8章 在测井储层特性识别中的应用 162
8.1岩性识别 162
8.1.1神经网络法 162
8.1.2模糊逻辑法 168
8.2油气水层识别 175
8.2.1神经网络法 175
8.2.2模糊逻辑法 180
8.2.3支持向量机法 184
8.3水淹层识别 189
8.3.1水淹层的基本特征 190
8.3.2水淹级别的确定 191
8.3.3在胜利油田胜坨地区的应用 191
参考文献 196