幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

人工智慧技術在石油勘探上的應用研究(精)/新一代人工智慧理論技術及應用叢書

  • 作者：吳清強//劉昆宏//鄭曉東|責編:姚慶爽|總主編:李衍達
  • 出版社：科學
  • ISBN：9787030796714
  • 出版日期：2024/11/01
  • 裝幀：精裝
  • 頁數：168
人民幣：RMB 120 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    近年來，電腦技術的迅猛發展推動了人工智慧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慧在地震相分類、油藏屬性預測和井間連通性等核心問題中的應用，闡述特徵抽取、特徵選擇、聚類、分類、回歸、時間序列和神經網路等不同類型的人工智慧演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採集過程和意義。接著，詳細說明不同演算法的原理和具體應用。最後，簡要介紹作者開發的SeisAI平台，該平台為讀者提供了便捷的工具和環境。
    本書適合高等院校石油工程、人工智慧及電腦科學與技術專業的教師、研究生以及高年級本科生閱讀，也可供石油勘探領域的工程技術人員和石油勘探領域的研究者與人工智慧技術研究者閱讀參考。
作者介紹
吳清強//劉昆宏//鄭曉東|責編:姚慶爽|總主編:李衍達
目錄
「新一代人工智慧理論、技術及應用叢書」序
前言
第1章  物探領域發展現狀
  1.1  物探技術簡介
  1.2  發展歷史
  1.3  研究現狀
  1.4  相關研究機構介紹
  1.5  物理方法相關技術介紹
  1.6  結合人工智慧領域的物探技術
  1.7  本章小結
第2章  石油勘探數據簡介與應用分析
  2.1  數據類型
    2.1.1  石油勘探數據
    2.1.2  測井數據
    2.1.3  生產數據
  2.2  石油勘探數據集
    2.2.1  F3區塊
    2.2.2  Volve
    2.2.3  模擬數據
  2.3  地震資料處理的三個基本階段
  2.4  地震反演
    2.4.1  簡介
    2.4.2  地震反演技術的發展歷程
    2.4.3  基於人工智慧的地震反演技術的研究現狀
  2.5  地震相分類
    2.5.1  地震相參數
    2.5.2  機器學習地震相分類
    2.5.3  圖像分割地震相分類
  2.6  生產預測和井連通性
    2.6.1  生產預測
    2.6.2  連通性概念
    2.6.3  連通性靜態分析方法
    2.6.4  連通性動態分析方法
    2.6.5  連通性分析模型研究
    2.6.6  井間連通通路的研究
  2.7  本章小結
第3章  特徵工程演算法原理與分析
  3.1  數據預處理
    3.1.1  空值處理
    3.1.2  野值處理
    3.1.3  Z-Score標準化
    3.1.4  Min-Max歸一化
  3.2  特徵選擇
    3.2.1  Filter方法
    3.2.2  拉普拉斯運算元方法
    3.2.3  Lasso演算法
    3.2.4  方差過濾
    3.2.5  譜特徵選擇
    3.2.6  多簇特徵選擇
  3.3  特徵抽取

    3.3.1  主分量分析
    3.3.2  獨立成分分析
    3.3.3  局部保持投影演算法
    3.3.4  局部線性嵌入
    3.3.5  奇異值分解
    3.3.6  t-SNE
    3.3.7  非負矩陣分解
    3.3.8  領域保持嵌入演算法
  3.4  特徵工程在H6上的應用
    3.4.1  H6地震屬性數據
    3.4.2  降維屬性可視化
  3.5  本章小結
第4章  典型無監督機器學習演算法原理與應用
  4.1  K均值
    4.1.1  演算法簡介
    4.1.2  演算法流程
    4.1.3  演算法優缺點
  4.2  譜聚類
    4.2.1  演算法簡介
    4.2.2  演算法流程
    4.2.3  演算法優缺點
  4.3  模糊C均值聚類演算法
    4.3.1  演算法簡介
    4.3.2  演算法流程
    4.3.3  演算法優缺點
  4.4  密度聚類演算法
    4.4.1  演算法簡介
    4.4.2  演算法流程
    4.4.3  演算法優缺點
  4.5  高斯混合模型
    4.5.1  演算法簡介
    4.5.2  演算法流程
    4.5.3  演算法優缺點
  4.6  BIRCH聚類
    4.6.1  演算法簡介
    4.6.2  演算法流程
    4.6.3  演算法優缺點
  4.7  分層聚類
    4.7.1  演算法簡介
    4.7.2  演算法流程
    4.7.3  演算法優缺點
  4.8  近鄰傳播聚類
    4.8.1  演算法簡介
    4.8.2  演算法流程
    4.8.3  演算法優缺點
  4.9  均值漂移聚類
    4.9.1  演算法簡介
    4.9.2  演算法流程
    4.9.3  演算法優缺點
  4.10  在H6數據地震相分類上的對比分析

  4.11  本章小結
第5章  典型有監督機器學習演算法原理與應用
  5.1  線性回歸
  5.2  邏輯回歸
  5.3  決策樹
  5.4  支持向量機
  5.5  貝葉斯演算法
  5.6  K近鄰演算法
  5.7  高斯過程
  5.8  集成學習
    5.8.1  隨機森林
    5.8.2  XGBoost
    5.8.3  糾錯輸出編碼
  5.9  演算法在油藏屬性預測上的對比分析
  5.10  演算法在H6數據地震相分類上的對比分析
  5.11  本章小結
第6章  深度學習演算法原理與應用
  6.1  深度學習基礎概念
    6.1.1  深度學習發展歷史
    6.1.2  BP神經網路
    6.1.3  卷積神經網路
    6.1.4  循環神經網路
  6.2  神經網路預測方法
    6.2.1  基於CNN的波阻抗反演模型
    6.2.2  基於LSTM的波阻抗反演模型
    6.2.3  CNN-LSTM融合結構的波阻抗反演模型
  6.3  演算法在油藏屬性預測上的對比分析
  6.4  本章小結
第7章  時間序列演算法原理與應用
  7.1  時間序列演算法
    7.1.1  平穩的時間序列模型
    7.1.2  非平穩的時間序列模型
  7.2  數據驅動的建模：人工神經網路
  7.3  基於XGBoost的井間動態連通性模型研究
    7.3.1  模型分析
    7.3.2  模型驗證
  7.4  演算法對比分析
    7.4.1  生產預測
    7.4.2  井間連通
  7.5  本章小結
第8章  SeisAI平台
  8.1  平台體系架構
    8.1.1  Spring Cloud簡介
    8.1.2  Seismic微服務簡介
    8.1.3  File-Service微服務介紹
    8.1.4  前台架構
    8.1.5  SeisAI演算法中台介紹
  8.2  主要功能展示
    8.2.1  文件上傳
    8.2.2  文件分塊上傳

    8.2.3  文件下載
    8.2.4  導入SEGY文件
    8.2.5  Horizon數據導入
    8.2.6  SEGY數據導出
    8.2.7  數據挖掘
    8.2.8  3D數據可視化
    8.2.9  數據挖掘可視化
  8.3  本章小結
參考文獻
附錄

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032