- 人工智能地球物理勘探(精)/中国石油大学北京学术专著系列
- - 作者：王尚旭//袁三一|责编:万群霞//崔元春
  - 出版社：科学
  - ISBN：9787030790293
  - 出版日期：2025/01/01
  - 页数：463
- 售价：140

内容大纲
本书在概述人工智能与地球物理勘探的基本原理及二者关系的基础上，总结了以深度学习为代表的新一代人工智能技术在地球物理勘探领域中取得的研究进展与核心成果；主要介绍不同人工智能算法在地震资料处理、地震资料解释、地震资料反演和储层流体预测四大类场景中的实现原理及数值模拟数据、物理模拟数据和实际数据的效果分析，并对人工智能地球物理勘探的未来发展方向进行总结与展望。
本书适合从事地球物理勘探与人工智能交叉研究的本科高年级学生、研究生阅读，也可以供高校、企业、科研院所等从事人工智能地球物理勘探及其他应用场景相关的研究人员借鉴与参考。
作者介绍
王尚旭 1962年生，中国石油大学（北京）地球物理学院教授，长江学者，973首席科学家，第十一届、十二届、十三届全国政协委员。长期从事地震勘探基础理论、技术及实际应用研究，针对我国陆相油气藏储层薄、非均质性强导致的地球物理勘探难题，建立地质地球物理信息融合模型，提出地质导向地震数据处理理论，大幅度提升地震图像分辨率；建立我国首套宽频岩石物理实验装置，发现地震频段弹性波传播规律；揭示非均质陆相油气藏地震响应介观特征，提出陆相油气藏地震识别新标志。主持国家重点基础研究发展计划（973计划）2项、国家重点研发计划1项、国家自然科学基金重点项目1项；发表论文200余篇，获国家发明专利授权31件；获国家科技进步奖二等奖2项。
目录
丛书序
前言
第1章  绪论
  1.1  地球物理勘探概述
    1.1.1  油气勘探的基本方法
    1.1.2  油气勘探的数据特征
    1.1.3  地震勘探的基本问题
    1.1.4  地震勘探的发展瓶颈
  1.2  人工智能地球物理勘探概述
    1.2.1  人工智能的发展历程
    1.2.2  人工智能地球物理勘探的基本原理
    1.2.3  神经网络的数学和物理理解
    1.2.4  模型驱动与数据驱动的异同
  参考文献
第2章  人工智能地震资料处理
  2.1  初至拾取
    2.1.1  研究进展
    2.1.2  基于滑动窗口的智能初至拾取
    2.1.3  基于端到端神经网络的初至拾取
    2.1.4  基于BiLSTM网络回归的初至拾取
    2.1.5  小结与展望
  2.2  速度分析
    2.2.1  研究进展
    2.2.2  基于无监督聚类的速度分析
    2.2.3  基于有监督神经网络的速度分析
    2.2.4  基于多模态神经网络的速度分析
    2.2.5  小结与展望
  2.3  高分辨率处理
    2.3.1  研究进展
    2.3.2  基于端到端神经网络的高分辨率处理
    2.3.3  基于双监督神经网络的高分辨率处理
    2.3.4  基于物理引导神经网络的高分辨率处理
    2.3.5  小结与展望
  2.4  提高信噪比处理
    2.4.1  研究进展
    2.4.2  基于全连接神经网络的提高信噪比处理
    2.4.3  基于去噪自编码器的提高信噪比处理
    2.4.4  基于深度残差网络的提高信噪比处理
    2.4.5  小结与展望
  参考文献
第3章  人工智能地震资料解释
  3.1  层位拾取
    3.1.1  研究进展
    3.1.2  基于U-Net的层位拾取
    3.1.3  基于VQVAE的层位拾取
    3.1.4  多属性智能融合的层位拾取
    3.1.5  小结与展望
  3.2  断裂识别
    3.2.1  研究进展
    3.2.2  基于主成分分析的断裂识别

    3.2.3  基于三维多尺度卷积神经网络的断裂识别
    3.2.4  基于深层聚合神经网络的多属性融合断裂识别
    3.2.5  小结与展望
  3.3  孔洞识别
    3.3.1  研究进展
    3.3.2  基于多属性制作标签的孔洞识别
    3.3.3  基于VQVAE的孔洞识别
    3.3.4  联合U-Net与VQVAE的孔洞识别
    3.3.5  小结与展望
  3.4  地震相解释
    3.4.1  研究进展
    3.4.2  基于XGBoost有监督学习的地震相解释
    3.4.3  基于U-Net有监督学习的地震相解释
    3.4.4  基于半监督学习的地震相解释
    3.4.5  基于自监督学习的地震相解释
    3.4.6  小结与展望
  3.5  盐丘识别
    3.5.1  研究进展
    3.5.2  基于随机森林的盐丘识别
    3.5.3  基于U-Net++的盐丘识别
    3.5.4  联合CAE与K均值的盐丘识别
    3.5.5  小结与展望
  参考文献
第4章  人工智能地震资料反演
  4.1  波阻抗反演
    4.1.1  研究进展
    4.1.2  井震联合有监督波阻抗反演
    4.1.3  井震联合双监督波阻抗反演
    4.1.4  数据与模型联合驱动波阻抗反演
    4.1.5  小结与展望
  4.2  叠前弹性参数反演
    4.2.1  研究进展
    4.2.2  基于单监督学习的叠前弹性参数反演
    4.2.3  基于半监督学习的叠前弹性参数反演
    4.2.4  基于注意力机制的权重自适应弹性参数反演
    4.2.5  小结与展望
  参考文献
第5章  人工智能储层流体预测
  5.1  储层孔隙度预测
    5.1.1  研究进展
    5.1.2  井震联合有监督孔隙度预测
    5.1.3  井震联合半监督孔隙度预测
    5.1.4  小结与展望
  5.2  储层流体预测
    5.2.1  研究进展
    5.2.2  基于机器学习的有监督含气性预测
    5.2.3  基于深度学习的有监督含气性预测
    5.2.4  基于半监督学习的含气性预测
    5.2.5  基于多任务学习的含气饱和度和波阻抗同时预测
    5.2.6  小结与展望

  参考文献

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目