本书全面介绍人工智能基础理论及其在能源矿业领域应用，旨在帮助石油工程和采矿工程专业本科生掌握人工智能的基本概念、原理及其在能源行业的实际应用。内容涵盖人工智能的基础理论，包括机器学习、深度学习等，并结合石油工程和采矿工程领域的实际案例，深入探讨人工智能在能源勘探、开采、生产和管理等多个方面的应用。 本书特色在于理论与实践相结合，注重培养学生的实际应用能力，适合作为石油工程和采矿工程专业本科生的参考书。

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