地學數據挖掘與知識發(fā)現

內容概要

《地學數據挖掘與知識發(fā)現(精)》由石廣仁所著，數據挖掘與知識發(fā)現已在某些科技、商業(yè)等領域得到了較好的應用，但在地學的應用尚處于起步階段，這是由于地學的多學科性和復雜性造成的。鑒于它在地學中的已有應用及未來應用前景，本書重點放在介紹如下八大類算法：①概率與統(tǒng)計，包括概率密度函數、蒙特卡羅法、最小二乘法、多元回歸分析：②人工神經網絡，包括BP模型的常用預測算法、特殊預測(即時間序列型數據的預測)算法；③支持向量機，包括D支持向量機二分類算法、采用機器學習的降維算法；④決策樹，包括ID3算法、C4．5算法；⑤貝葉斯分類，包括樸素貝葉斯、貝葉斯判別、貝葉斯逐步判別；⑥聚類分析，包括Q型聚類分析、R型聚類分析；⑦克立格法；⑧其他地學軟計算，包括模糊、灰色、分形幾何、線性規(guī)劃。共計21個算法。對于每一算法，分別給出其應用范圍及條件、基本原理、計算方法、應用實例。共計34個應用實例(其中31個為地學實例)，并在若干地學實例中進行了幾種分類算法的適用性比較。
    《地學數據挖掘與知識發(fā)現(精)》可供算法研究、軟件開發(fā)、地學科技人員使用，也可作為高等院校地學專業(yè)本科生和研究生的教材。

書籍目錄

第一章  數據挖掘與知識發(fā)現的概述  第一節(jié) 數據挖掘引論    一、數據挖掘的原動力    二、數據挖掘的任務和內容    三、數據挖掘系統(tǒng)的分類    四、地學數據挖掘的特殊性  第二節(jié) 可進行數據挖掘的數據系統(tǒng)    一、數據庫    二、數據倉庫    三、數據銀行  第三節(jié) 數據挖掘系統(tǒng)    一、系統(tǒng)功能    二、系統(tǒng)流程    三、數據預處理    四、算法概述第二章  概率與統(tǒng)計  第一節(jié) 概率    一、應用范圍及條件    二、基本原理    三、用概率密度函數預測未發(fā)現的資源    四、用蒙特卡羅法計算某個地質參數  第二節(jié) 統(tǒng)計    一、應用范圍及條件    二、基本原理    三、用最小二乘法求一個地質參數表達所研究的另一個地質參數的關系式    四、用多元回歸分析求多個地質參數表達所研究的另一個地質參數的關系式第三章  人工神經網絡  第一節(jié) 人工神經網絡方法    一、應用范圍及條件    二、基本原理    三、BP模型    四、簡單應用實例1：用ANN進行原油產量的預測    五、簡單應用實例2：用ANN進行壓裂酸化效果的預測  第二節(jié) 應用實例1：含油氣圈閉勘探價值的綜合評價    一、研究問題    二、輸入數據    三、ANN、MRA兩種算法的應用比較    四、小結  第三節(jié) 應用實例2：利用常規(guī)測井資料預測裂縫    一、研究問題    二、輸入數據    三、ANN、MRA兩種算法的應用比較    四、小結第四章  支持向量機  第一節(jié) 支持向量機方法    一、應用范圍及條件    二、基本原理    三、C-支持向量機二分類算法  第二節(jié) 應用實例1：基于孔滲飽的含氣性評價    一、研究問題    二、輸入數據    三、SVM、ANN、MRA三種算法的應用比較    四、小結  第三節(jié) 應用實例2：基于測井資料解釋的含油性評價    一、研究問題    二、輸入數據    三、SVM、ANN、MRA三種算法的應用比較    四、小結  第四節(jié) 采用機器學習的降維算法    一、降維的定義和意義    二、降維的方法    三、降維的實例    四、小結第五章  決策樹  第一節(jié) 決策樹方法    一、應用范圍及條件    二、基本原理    三、ID3算法    四、C4．5算法    五、簡單應用實例：購買計算機問題  第二節(jié) 應用實例1：頂煤冒放性評價(29個學習樣本)    一、研究問題    二、輸入的已知參數    三、學習過程    四、DTR、SVM、ANN、MRA四種算法的應用比較    五、小結  第三節(jié) 應用實例2：頂煤冒放性評價(26個學習樣本、3個預測樣本)    一、研究問題    二、輸入的已知參數    三、學習過程    四、預測過程    五、DTR、SVM、ANN、MRA四種算法的應用比較    六、小結第六章  貝葉斯分類  第一節(jié) 貝葉斯分類方法    一、應用范圍及條件    二、貝葉斯定理    三、樸素貝葉斯算法    四、貝葉斯判別算法    五、貝葉斯逐步判別算法    六、簡單應用實例：貸款拖欠問題  第二節(jié) 應用實例1：儲層分類    一、研究問題    二、輸入的已知參數    三、學習過程    四、判別BAC、逐步判別BAC、SVM、ANN、MRA五種算法的應用比較    五、小結  第三節(jié) 應用實例2：煤與瓦斯突出預測    一、研究問題    二、輸入的已知參數    三、學習過程    四、預測過程    五、判別BAC、逐步判別BAC、SVM、ANN、MRA五種算法的應用比較    六、小結  第四節(jié) 應用實例3：含油氣圈閉勘探價值的綜合評價    一、研究問題    二、輸入的已知參數    三、學習過程    四、預測過程    五、逐步判別：BAC、SVM、ANN、MRA四種算法的應用比較    六、小結  第五節(jié) 應用實例4：基于測井資料解釋的含油性評價    一、研究問題    二、輸入的已知參數    三、學習過程    四、預測過程    五、逐步判別BAC、SVM、ANN、MRA四種算法的應用比較    六、小結第七章  聚類分析  第一節(jié) 聚類分析方法    一、應用范圍及條件    二、基本原理    三、O型聚類分析    四、R型聚類分析  第二節(jié) 應用實例1：探明儲量的相關地質參數    一、研究問題    二、輸入數據    三、計算結果及結果分析    四、小結  第三節(jié) 應用實例2：含油氣圈閉評價參數    一、研究問題    二、輸入數據    三、計算結果及結果分析    四、小結  第四節(jié) 應用實例3：測井資料解釋    一、研究問題    二、輸入數據    三、計算結果及結果分析    四、小結第八章  克立格法  第一節(jié) 預處理  第二節(jié) 實驗變差函數    一、應用范圍及條件    二、基本原理    三、用實驗變差函數描述地質參數的分布特性  第三節(jié) 實驗變差函數的最優(yōu)擬合    一、應用范圍及條件    二、基本原理    三、用球狀模型實現實驗變差函數的最優(yōu)擬合  第四節(jié) 克立格法的交叉驗證    一、應用范圍及條件    二、基本原理    三、用扇形區(qū)最近點法實現克立格法的交叉驗證  第五節(jié) 克立格法的應用    一、應用范圍及條件    二、基本原理    三、用平面最近點法實現克立格法的應用  第六節(jié) 小結第九章  其他地學軟計算  第一節(jié) 模糊    一、應用范圍及條件    二、基本原理    三、用模糊綜合評判法確定地質目標的優(yōu)劣  第二節(jié) 灰色    一、應用范圍及條件    二、基本原理    三、用灰色預測法進行時空推算    四、用灰色綜合評判法確定地質目標的優(yōu)劣  第三節(jié) 分形幾何    一、應用范圍及條件    二、基本原理    三、用分形幾何法定量描述地質構造特征  第四節(jié) 線性規(guī)劃    一、應用范圍及條件    二、基本原理    三、用線性規(guī)劃實現勘探開發(fā)方案的最優(yōu)化參考文獻附錄1  常用專業(yè)詞匯中英文對照表附錄2  計量單位換算表

編輯推薦

《地學數據挖掘與知識發(fā)現(精)》由石廣仁所著，本書是筆者在13年從事地學數據挖掘與知識發(fā)現算法研究、軟件開發(fā)、實際應用的基礎上寫成的。在若干地學實例中進行了五種分類分析算法的適用性比較。因此，本書不僅適用于地學的實際應用，也適用于通用的算法研究和軟件開發(fā)。

圖書封面

評論、評分、閱讀與下載

---

    地學數據挖掘與知識發(fā)現 PDF格式下載

---