掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
公路車寶典(ZINN的公路車維修與保養秘籍)
-
>
晶體管電路設計(下)
-
>
基于個性化設計策略的智能交通系統關鍵技術
-
>
花樣百出:貴州少數民族圖案填色
-
>
山東教育出版社有限公司技術轉移與技術創新歷史叢書中國高等技術教育的蘇化(1949—1961)以北京地區為中心
-
>
鐵路機車概要.交流傳動內燃.電力機車
-
>
利維坦的道德困境:早期現代政治哲學的問題與脈絡
人工智能技術在石油勘探上的應用研究 版權信息
- ISBN：9787030796714
- 條形碼：9787030796714 ; 978-7-03-079671-4
- 裝幀：精裝
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
人工智能技術在石油勘探上的應用研究 內容簡介
近年來，計算機技術的迅猛發展推動了人工智能在各行業的廣泛應用，石油勘探領域也不例外。本書重點介紹人工智能在地震相分類、油藏屬性預測和井間連通性等核心問題中的應用，闡述特征抽取、特征選擇、聚類、分類、回歸、時間序列和神經網絡等不同類型的人工智能算法在石油勘探中的應用。首先，介紹石油勘探的歷史以及數據的采集過程和意義。接著，詳細說明不同算法的原理和具體應用。*后，簡要介紹作者開發的SeisAI平臺，該平臺為讀者提供了便捷的工具和環境。
人工智能技術在石油勘探上的應用研究 目錄
目錄“新一代人工智能理論、技術及應用叢書”序前言第1章 物探領域發展現狀 11.1 物探技術簡介 11.2 發展歷史 21.3 研究現狀 41.4 相關研究機構介紹 61.5 物理方法相關技術介紹 91.6 結合人工智能領域的物探技術 111.7 本章小結 11第2章 石油勘探數據簡介與應用分析 122.1 數據類型 122.1.1 石油勘探數據 122.1.2 測井數據 152.1.3 生產數據 192.2 石油勘探數據集 202.2.1 F3區塊 202.2.2 Volve 222.2.3 模擬數據 232.3 地震資料處理的三個基本階段 252.4 地震反演 262.4.1 簡介 262.4.2 地震反演技術的發展歷程 282.4.3 基于人工智能的地震反演技術的研究現狀 292.5 地震相分類 302.5.1 地震相參數 302.5.2 機器學習地震相分類 312.5.3 圖像分割地震相分類 312.6 生產預測和井連通性 322.6.1 生產預測 322.6.2 連通性概念 332.6.3 連通性靜態分析方法 332.6.4 連通性動態分析方法 342.6.5 連通性分析模型研究 352.6.6 井間連通通路的研究 382.7 本章小結 39第3章 特征工程算法原理與分析 403.1 數據預處理 403.1.1 空值處理 403.1.2 野值處理 413.1.3 Z-Score標準化 423.1.4 Min-Max歸一化 433.2 特征選擇 433.2.1 Filter方法 433.2.2 拉普拉斯算子方法 443.2.3 Lasso算法 453.2.4 方差過濾 463.2.5 譜特征選擇 473.2.6 多簇特征選擇 483.3 特征抽取 483.3.1 主分量分析 483.3.2 *立成分分析 503.3.3 局部保持投影算法 513.3.4 局部線性嵌入 523.3.5 奇異值分解 533.3.6 t-SNE 543.3.7 非負矩陣分解 553.3.8 領域保持嵌入算法 563.4 特征工程在H6上的應用 583.4.1 H6地震屬性數據 583.4.2 降維屬性可視化 593.5 本章小結 65第4章 典型無監督機器學習算法原理與應用 664.1 K均值 664.1.1 算法簡介 664.1.2 算法流程 664.1.3 算法優缺點 674.2 譜聚類 674.2.1 算法簡介 674.2.2 算法流程 684.2.3 算法優缺點 684.3 模糊 C 均值聚類算法 684.3.1 算法簡介 684.3.2 算法流程 694.3.3 算法優缺點 694.4 密度聚類算法 694.4.1 算法簡介 694.4.2 算法流程 704.4.3 算法優缺點 714.5 高斯混合模型 714.5.1 算法簡介 714.5.2 算法流程 724.5.3 算法優缺點 724.6 BIRCH聚類 724.6.1 算法簡介 724.6.2 算法流程 724.6.3 算法優缺點 734.7 分層聚類 734.7.1 算法簡介 734.7.2 算法流程 744.7.3 算法優缺點 744.8 近鄰傳播聚類 744.8.1 算法簡介 744.8.2 算法流程 754.8.3 算法優缺點 754.9 均值漂移聚類 754.9.1 算法簡介 754.9.2 算法流程 764.9.3 算法優缺點 764.10 在H6數據地震相分類上的對比分析 764.11 本章小結 81第5章 典型有監督機器學習算法原理與應用 825.1 線性回歸 825.2 邏輯回歸 845.3 決策樹 855.4 支持向量機 885.5 貝葉斯算法 935.6 K 近鄰算法 955.7 高斯過程 975.8 集成學習 985.8.1 隨機森林 995.8.2 XGBoost 1005.8.3 糾錯輸出編碼 1015.9 算法在油藏屬性預測上的對比分析 1025.10 算法在H6數據地震相分類上的對比分析 1105.11 本章小結 115第6章 深度學習算法原理與應用 1166.1 深度學習基礎概念 1166.1.1 深度學習發展歷史 1166.1.2 BP神經網絡 1176.1.3 卷積神經網絡 1186.1.4 循環神經網絡 1196.2 神經網絡預測方法 1206.2.1 基于CNN的波阻抗反演模型 1206.2.2 基于LSTM的波阻抗反演模型 1216.2.3 CNN-LSTM融合結構的波阻抗反演模型 1216.3 算法在油藏屬性預測上的對比分析 1236.4 本章小結 129第7章 時間序列算法原理與應用 1307.1 時間序列算法 1307.1.1 平穩的時間序列模型 1307.1.2 非平穩的時間序列模型 1317.2 數據驅動的建模：人工神經網絡 1327.3 基于XGBoost的井間動態連通性模型研究 1337.3.1 模型分析 1337.3.2 模型驗證 1347.4 算法對比分析 1357.4.1 生產預測 1357.4.2 井間連通 1397.5 本章小結 139第8章 SeisAI平臺 1408.1 平臺體系架構 1408.1.1 Spring Cloud簡介 1418.1.2 Seismic微服務簡介 1418.1.3 File-Service微服務介紹 1428.1.4 前臺架構 1438.1.5 SeisAI算法中臺介紹 1438.2 主要功能展示 1448.2.1 文件上傳 1448.2.2 文件分塊上傳 1448.2.3 文件下載 1448.2.4 導入SEGY文件 1448.2.5 Horizon數據導入 1478.2.6 SEGY數據導出 1488.2.7 數據挖掘 1498.2.8 3D數據可視化 1528.2.9 數據挖掘可視化 1558.3 本章小結 156參考文獻 157附錄 161
展開全部
書友推薦
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
自卑與超越
- >
姑媽的寶刀
- >
巴金－再思錄
- >
中國歷史的瞬間
- >
月亮與六便士
- >
羅庸西南聯大授課錄
- >
二體千字文
本類暢銷
