第1章 绪论 1
1.1 神经网络在石油生产中的应用简介 1
1.2 神经网络的研究与发展历史 2
1.3 储层预测的研究与进展 3
1.4 神经网络模式识别概述 6
1.5 遗传算法研究与发展概述 14
1.6 模拟退火算法的研究和发展概况 16
1.7 支持向量机的研究与进展 17
1.8 本书的主要研究内容及章节安排 21
第2章 人工神经网络 24
2.1 引言 24
2.2 神经元模型 25
2.3 神经网络模型 28
2.4 感知器 32
2.5 误差回传神经网络（BP） 35
2.6 神经网络的优点 38
2.7 本章小结 39
第3章 改进遗传算法的径向基函数网络方法研究及应用 41
3.1 引言 41
3.2 径向基函数网络 42
3.3 遗传算法 47
3.4 自适应遗传算法（AGA）基本原理 64
3.5 基于改进遗传算法的径向基函数网络 66
3.6 改进的遗传算法径向基函数网络的应用 71
3.7 本章小结 86
第4章 小波变换及小波神经网络方法研究及应用 87
4.1 引言 87
4.2 小波分析 88
4.3 小波变换模极大检测地震反射界面 100
4.4 小波神经网络 106
4.5 小波神经网络的应用 116
4.6 本章小结 130
第5章 模糊神经网络方法研究及应用 132
5.1 引言 132
5.2 模糊理论 133
5.3 模糊关系和模糊逻辑推理 142
5.4 模糊逻辑系统 146
5.5 模糊系统和神经网络的融合 150
5.6 模糊神经网络 158
5.7 用于火山岩储层识别预测的模糊神经网络 162
5.8 基于模糊神经网络的火山岩储层的识别与预测 169
5.9 基于模糊神经网络多传感器数据融合的海底输油管道腐蚀检测系统 174
5.10 本章小结 179
第6章 改进的模拟退火人工神经网络方法研究及应用 181
6.1 引言 181
6.2 模拟退火算法及其特性 182
6.3 模拟退火算法的渐近收敛性 193
6.4 模拟退火算法与局部搜索算法比较 197
6.5 鲍威尔（Powell）算法 199
6.6 改进的模拟退火人工神经网络 202
6.7 改进的模拟退火人工神经网络应用 209
6.8 算法比较 222
6.9 本章小结 226
第7章 支持向量机方法研究及应用 227
7.1 引言 227
7.2 机器学习的基本问题和方法 228
7.3 统计学习理论的主要内容 231
7.4 分类支持向量机 238
7.5 回归支持向量机 246
7.6 支持向量机的应用 259
7.7 本章小结 268
第8章 结论 270
参考文献 273