太赫茲技術在石油勘探、油氣儲運、石油化工及油氣污染的應用過程中體現(xiàn)出在線、無損、快速等優(yōu)越性的同時，也表現(xiàn)了其在油氣資源關鍵指標和應用科學問題方面亟需有效光譜分析方法的特點。本書針對油氣資源的太赫茲光譜解析，提出了幾種光譜分析方法，包括線性回歸方法、聚類分析法、支持向量機、神經(jīng)網(wǎng)絡及二維相關光譜，并介紹了各種方法的光譜解析應用實例，最后介紹了多種方法在同一體系中的同步運用及具體效果。
更多科學出版社服務，請掃碼獲取。
目錄
前言
第1章 概述 1
1.1 太赫茲光譜 1
1.1.1 太赫茲技術簡介 1
1.1.2 太赫茲時域光譜（THz-TDS） 3
1.1.3 傅里葉變換紅外光譜3～10THz 7
1.1.4 太赫茲光學參數(shù)獲取 8
1.2 MATLAB編程簡介 9
1.2.1 MATLAB簡介 9
1.2.2 變量、常量及常用函數(shù) 16
1.2.3 數(shù)組運算 20
1.2.4 循環(huán)結(jié)構 28
1.2.5 MATLAB繪圖 29
1.2.6 數(shù)據(jù)的導入與導出 31
1.2.7 M代碼的編寫和調(diào)試 34
1.2.8 MATLAB幫助系統(tǒng) 35
第2章 線性回歸分析 38
2.1 方法概述 38
2.1.1 一元線性回歸 38
2.1.2 多元線性回歸 44
2.2 線性回歸的MATLAB分析流程 47
2.2.1 一元線性回歸的MATLAB分析 47
2.2.2 多元線性回歸分析 51
2.3 一元線性回歸分析實例 52
2.4 多元線性回歸分析實例 57
第3章 主成分分析 63
3.1 引論 63
3.2 主成分分析原理 64
3.2.1 主成分分析的幾何意義 64
3.2.2 主成分分析的代數(shù)模型 65
3.2.3 總體的主成分 66
3.2.4 樣本的主成分 70
3.3 主成分分析的MATLAB實現(xiàn) 71
3.3.1 主成分分析的MATLAB函數(shù) 72
3.3.2 主成分分析的編程 74
3.4 主成分分析應用實例 76
3.4.1 吸附動力學過程研究 76
3.4.2 孔隙形狀識別 80
3.4.3 原油油頭識別 82
第4章 聚類分析 85
4.1 聚類分析簡介 85
4.1.1 聚類分析的概念 85
4.1.2 聚類距離與相似系數(shù) 86
4.2 聚類分析方法 88
4.2.1 系統(tǒng)聚類法 88
4.2.2 K均值聚類法 93
4.2.3 模糊C均值聚類法 93
4.3 聚類分析的MATLAB函數(shù) 94
4.3.1 系統(tǒng)聚類 94
4.3.2 K均值聚類 101
4.3.3 模糊C均值聚類 103
4.4 聚類分析的MATLAB實現(xiàn)及應用舉例 104
4.4.1 聚類分析的MATLAB實現(xiàn) 104
4.4.2 聚類分析的應用實例 105
第5章 人工神經(jīng)網(wǎng)絡 111
5.1 人工神經(jīng)網(wǎng)絡基礎 111
5.1.1 人工神經(jīng)網(wǎng)絡的概念 111
5.1.2 人工神經(jīng)網(wǎng)絡的發(fā)展史 112
5.1.3 人工神經(jīng)網(wǎng)絡的特點 114
5.1.4 人工神經(jīng)元模型 114
5.1.5 M-P模型 117
5.1.6 人工神經(jīng)網(wǎng)絡的學習 120
5.2 神經(jīng)網(wǎng)絡MATLAB工具箱函數(shù) 123
5.2.1 神經(jīng)網(wǎng)絡通用函數(shù) 123
5.2.2 感知器的神經(jīng)網(wǎng)絡函數(shù) 129
5.3 誤差反向傳播神經(jīng)網(wǎng)絡 132
5.3.1 BP網(wǎng)絡結(jié)構 133
5.3.2 BP網(wǎng)絡學習算法 134
5.3.3 BP網(wǎng)絡的MATLAB工具箱函數(shù) 137
5.3.4 BP網(wǎng)絡應用舉例 145
5.4 線性神經(jīng)網(wǎng)絡 154
5.4.1 線性神經(jīng)網(wǎng)絡的結(jié)構 154
5.4.2 線性神經(jīng)網(wǎng)絡的學習算法 155
5.4.3 線性神經(jīng)網(wǎng)絡的MATLAB工具箱函數(shù) 156
5.4.4 線性神經(jīng)網(wǎng)絡的應用舉例 159
第6章 支持向量機 162
6.1 引論 162
6.2 支持向量機分類 162
6.2.1 最優(yōu)超平面 163
6.2.2 非線性支持向量機 166
6.2.3 核函數(shù) 168
6.2.4 支持向量機的學習算法 169
6.3 支持向量機回歸 169
6.3.1 線性支持向量機回歸 169
6.3.2 非線性支持向量機回歸 172
6.4 支持向量機的應用實例 173
6.4.1 油品的支持向量機分類 173
6.4.2 PM2.5的支持向量機回歸 174
第7章 二維相關光譜 175
7.1 二維相關光譜的提出 175
7.2 二維相關方程 176
7.3 二維相關光譜性質(zhì) 178
7.3.1 同步光譜性質(zhì) 178
7.3.2 異步光譜性質(zhì) 179
7.4 二維相關光譜讀譜規(guī)則 180
7.4.1 同步光譜讀譜規(guī)則 180
7.4.2 異步光譜讀譜規(guī)則 181
7.4.3 二維相關光譜的優(yōu)勢 181
7.5 二維相關光譜應用舉例 181
第8章 太赫茲光譜分析方法的聯(lián)用及實例 185
8.1 成品油及其添加劑檢測 185
8.1.1 主成分分析 186
8.1.2 線性回歸分析 187
8.1.3 人工神經(jīng)網(wǎng)絡與支持向量機 187
8.1.4 二維相關光譜 189
8.2 煤炭的元素和關鍵指標分析 192
8.2.1 聚類分析 192
8.2.2 主成分分析 194
8.3 地溝油的鑒別 196
8.3.1 聚類分析鑒別 196
8.3.2 主成分分析鑒別 197
8.3.3 支持向量機 198
參考文獻 200
書單推薦
