人工智能基础理论与能源矿业领域的应用

目录
序
前言
第1章 机器学习基础 1
1.1 引言 1
1.2 机器学习基本流程 5
1.3 监督学习 13
1.4 无监督学习 68
1.5 半监督学习 86
1.6 模型评估与改进 94
课后习题 104
参考文献 107
第2章 深度学习基础 109
2.1 引言 109
2.2 基础理论 109
2.3 神经网络数据预处理 114
2.4 网络结构 121
2.5 训练参数 123
2.6 其他深度学习方法 128
课后习题 136
参考文献 136
第3章 机器学习在油气勘探开发中的应用 138
3.1 引言 138
3.2 勘探地震反演 140
3.3 储层岩性识别 152
3.4 钻井钻速预测 168
3.5 孔隙度、渗透率参数预测 183
3.6 地层力学参数预测 193
3.7 可压性评价 201
3.8 压裂设计优化 212
3.9 油井产量预测 220
课后习题 227
参考文献 228
第4章 机器学习在智能矿山开采中的应用 232
4.1 引言 232
4.2 边坡稳定性分析 232
4.3 岩爆预测 239
4.4 煤岩破坏状态预警 245
4.5 矿柱稳定性分析 255
4.6 矿产资源评价 263
课后习题 273
参考文献 274
第5章 机器学习在新领域的应用 276
5.1 引言 276
5.2 碳捕集与封存 277
5.3 断层活化与诱发地震 292
课后习题 307
参考文献 307