预测理论及其在工农业中的应用

　　在过去十多年里，《预测理论及其在工农业中的应用》作者通过对国内外各种预测方法类型的分类、各种预测理论的数学方法描述、各类预测方法的优缺点的深入研究、应用领域边界条件的限制和对应用成功案例的解剖，以及相关资料进行了广泛的收集、整理和分类，目的是帮助广大工农业预测者根据研究目标，选择最佳的预测方法，确保研究结果的有效性和可靠性。本书定位是面向国内各类大学科研院校理工科师生、科研机构和工矿企业的专业工具书。本书强调了对不同的预测目标选择合适的预测方法的重要性，用户必须准确理解研究或预测对象的本质（内涵和外延）才能选择准确的预测方法。

暂缺《预测理论及其在工农业中的应用》作者简介

第1章预测方法类型简介
1.1传统的预测和新近的预测方法
1.1.1传统的预测方法
1.1.2新近的一些预测方法
1.2离散的预测和连续的预测方法
1.2.1离散时间系统模型演化预测
1.2.2连续的预测方法
1.3定性预测和定量预测方法
1.3.1定性预测
1.3.2定量预测
1.3.3定性预测和定量预测关系的比较
1.4统计型预测和专家系统预测方法
1.4.1统计型预测
1.4.2专家系统预测
第2章传统的预测方法和理论
2.1线性回归预测方法
2.1.1线性回归预测方法的起源和发展
2.1.2线性回归预测方法的数学工具和理论基础
2.1.3线性回归预测方法的数学模型
2.1.4线性回归预测方法的优缺点
2.1.5线性回归预测方法的应用领域
2.1.6线性回归预测方法在油气田预测中的应用及效果
2.2时间序列预测方法
2.2.1时间序列预测方法的起源和发展
2.2.2时间序列预测方法的数学工具和理论基础
2.2.3时间序列预测方法的数学模型
2.2.4时间序列预测方法的优缺点
2.3聚类分析预测方法
2.3.1聚类分析预测方法的起源
2.3.2聚类分析预测方法的数学工具和理论基础
2.3.3聚类分析预测方法的数学模型
2.3.4聚类分析预测方法的优缺点
2.3.5聚类分析预测方法的应用领域
2.3.6聚类分析预测方法在油气田预测中的应用及效果
2.4卡尔曼滤波预测方法
2.4.1卡尔曼滤波预测方法的起源和发展
2.4.2卡尔曼滤波预测方法的数学模型
2.4.3卡尔曼滤波预测方法的优缺点
2.4.4卡尔曼滤波预测方法的应用领域
2.4.5集合卡尔曼滤波预测方法在油气田预测中的应用及效果
2.5小波变换预测方法
2.5.1小波变换预测方法的起源和发展
2.5.2小波变换预测方法的数学工具和理论基础
2.5.3小波变换预测方法在油气田预测中的应用及效果
2.6分形预测方法
2.6.1分形预测方法的起源和发展
2.6.2分形预测方法的优缺点
2.6.3分形预测方法的数学工具和理论基础
2.6.4分形预测方法的应用领域
2.6.5分形预测方法在油气田预测中的应用及效果
2.6.6分形预测方法的问题讨论
2.7模式识别预测方法
2.7.1模式识别预测方法的起源和发展
2.7.2模式识别预测方法的优缺点
2.7.3模式识别预测方法的数学工具和理论基础
2.7.4模式识别预测方法在工农业中的应用
2.7.5模式识别预测方法在油气田预测中的应用及效果
2.8克里金预测方法
2.8.1克里金预测方法的起源和发展
2.8.2克里金预测方法的数学工具和理论基础
2.8.3克里金预测方法的优缺点
2.8.4克里金预测方法的应用领域
2.9专家系统预测方法
2.9.1专家系统预测方法的起源和发展
2.9.2专家系统预测方法的优缺点
2.9.3专家系统预测方法的数学工具和理论基础
2.9.4专家系统预测方法在工农业中的应用
2.9.5专家系统预测方法在油气田预测中的应用及效果
2.10模糊数学预测方法
2.10.1模糊数学预测方法的起源和发展
2.10.2模糊数学预测方法的优缺点
2.10.3模糊数学预测方法的数学工具和理论基础
2.10.4模糊数学预测方法的应用领域
2.11混沌理论预测方法
2.11.1混沌理论预测方法的起源和发展
2.11.2混沌理论预测方法的优缺点
2.11.3混沌理论预测方法的数学工具和理论基础
2.11.4混沌理论预测方法在工农业中的应用
2.11.5混沌理论预测方法在油气田预测中的应用及效果
第3章灰色预测方法
3.1概述
3.2理论基础
3.2.1灰色系统的基本概念
3.2.2灰色系统与模糊数学、黑箱方法的区别
3.2.3灰色系统的基本原理
3.2.4灰色系统理论的主要内容
3.3数学模型
3.3.1灰色预测的概念
3.3.2灰色预测的类型
3.3.3数据处理
3.3.4关联度
3.3.5灰色预测模型
3.4应用实例及效果
3.4.1灰色预测方法在工农业中的应用
3.4.2灰色预测方法在油气田预测中的应用
第4章毕奥双相介质预测方法
4.1双相介质理论的历史发展
4.2毕奥理论的数学基础
4.3毕奥理论的开拓
4.4毕奥理论在地震勘探应用的探索
4.5储层物性参数反演的流程
4.5.1地震应力反演
4.5.2地质反演
4.5.3油气藏综合分析
4.6储层物性参数简介
4.6.1由地震应力两个分量导出的Ⅰ类物性参数
4.6.2由Ⅰ类物性参数导出的Ⅱ类物性参数
4.6.3由Ⅰ、Ⅱ类物性参数导出的Ⅲ类物性参数
4.7物性参数在疑难地质问题的应用
4.8在油气藏勘探开发中的应用实例
4.8.1勘探中的应用实例
4.8.2开发中的应用实例
第5章波形结构特征预测方法
5.1引言
5.2波形结构特征预测方法简介
5.2.1基本概念
5.2.2基本原理
5.2.3技术优势
5.2.4应用特点
5.2.5该方法的创新性
5.3波形结构特征描述
5.3.1方法原理
5.3.2波形结构特征的分类
5.3.3波形结构特征预测油气的方法
5.4预测方法数学模型的建立
5.4.1建立预测数学模型的基本方法
5.4.2实现油气预测过程的基本步骤
5.4.3工作流程——结构特征处理流程和控制参数
5.5应用实例——以普光气田为例
5.5.1普光气田气层的波形结构特征
5.5.2地震数据体结构预测模型数值特征 
5.5.3地震数据体结构预测模型图形特征
5.5.4地震数据体结构预测模型特征
5.5.5普光气田含气性量化判别标准及分类
5.6预测方法应用效果的综合评价
5.6.1勘探上的应用效果——以Pg7井等井为例
5.6.2开发上的应用效果——38口开发井位轨迹的优化
5.6.3应用效果综合评价
第6章新近预测方法
6.1多波勘探技术
6.1.1多波勘探技术的历史发展
6.1.2多波勘探技术的性质特点
6.1.3多波勘探技术的数学基础
6.1.4多波勘探技术的应用
6.1.5多波勘探的问题讨论
6.2时移(四维)地震技术
6.2.1时移地震技术的历史发展
6.2.2时移地震技术的性质特点
6.2.3时移地震技术的数学基础
6.2.4时移地震的岩石物理学基础
6.2.5时移地震资料处理
6.2.6时移地震的关键问题及其解决方案
6.2.7时移地震的应用实例
6.2.8时移地震问题讨论
6.2.9我国开展四维地震的可能性和必要性
6.3井间地震技术
6.3.1井间地震技术的历史发展
6.3.2井间地震技术的性质特点
6.3.3井间地震技术的数学基础
6.3.4井间地震技术的应用
第7章人工智能和支持向量机算法及应用概述
7.1人工智能BP算法简介
7.2人工智能理论基础
7.3人工智能数学模型
7.3.1人工智能基本BP算法
7.3.2反向传播法的改进方法
7.4人工智能BP算法的优缺点
7.4.1优点
7.4.2缺点及局限
7.5人工智能神经网络的应用领域
7.6支持向量机的发展历史
7.7支持向量机研究现状
7.7.1支持向量机在分类方面的应用研究
7.7.2支持向量机在回归估计方面的应用研究
7.8支持向量机的性质特点
7.9支持向量机的数学基础
7.9.1统计学习理论
7.9.2支持向量机的基本原理
7.9.3核函数及其性能分析
7.9.4支持向量机训练算法
7.10支持向量机的应用
7.10.1支持向量回归机预测模型
7.10.2序列最小优化算法
7.10.3应用实例及其分析
7.10.4小结
主要参考文献
后记