| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-19页 |
| 1.1 研究背景和意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-17页 |
| 1.3 论文主要工作 | 第17-18页 |
| 1.4 论文组织结构 | 第18-19页 |
| 第二章 油管柱腐蚀预测问题分析 | 第19-25页 |
| 2.1 油管柱腐蚀的特征 | 第19-22页 |
| 2.2 油管柱腐蚀预测需要解决的问题 | 第22-23页 |
| 2.3 本章小结 | 第23-25页 |
| 第三章 基于数据挖掘的油管柱腐蚀预警方法 | 第25-67页 |
| 3.1 数据挖掘概述 | 第25-26页 |
| 3.2 基于贝叶斯方法的油管柱腐蚀预测方法 | 第26-46页 |
| 3.2.1 典型的贝叶斯算法 | 第26-28页 |
| 3.2.2 基于朴素贝叶斯方法的油管柱腐蚀速率预测方法 | 第28-40页 |
| 3.2.3 基于贝叶斯网络算法的油管柱腐蚀速率预测方法 | 第40-46页 |
| 3.2.4 结果分析 | 第46页 |
| 3.3 基于决策树算法的油管柱腐蚀速率预测方法 | 第46-60页 |
| 3.3.1 典型的决策树算法 | 第46-47页 |
| 3.3.2 基于C4.5决策树算法的油管柱腐蚀速率预测方法 | 第47-54页 |
| 3.3.3 基于随机森林算法的油管柱腐蚀速率预测方法 | 第54-59页 |
| 3.3.4 结果分析 | 第59-60页 |
| 3.4 基于人工神经网络算法的油管柱腐蚀速率预测方法 | 第60-65页 |
| 3.4.1 典型的人工神经网络算法 | 第60页 |
| 3.4.2 基于人工神经网络算法的油管柱腐蚀速率预测方法 | 第60-65页 |
| 3.4.3 结果分析 | 第65页 |
| 3.5 方法对比和结论 | 第65-66页 |
| 3.6 本章小结 | 第66-67页 |
| 第四章 基于数据挖掘的油管柱腐蚀预警系统设计和实现 | 第67-91页 |
| 4.1 架构设计 | 第67-69页 |
| 4.2 流程设计 | 第69-71页 |
| 4.2.1 模型刷新 | 第69-70页 |
| 4.2.2 腐蚀速率预测 | 第70-71页 |
| 4.3 程序设计和关键代码实现 | 第71-81页 |
| 4.3.1 接口设计 | 第71-72页 |
| 4.3.2 数据挖掘程序详细设计 | 第72-78页 |
| 4.3.3 Web程序详细设计 | 第78-81页 |
| 4.4 系统实现 | 第81-90页 |
| 4.4.1 模块实现 | 第81-84页 |
| 4.4.2 神经网络模型实现 | 第84-90页 |
| 4.5 本章小结 | 第90-91页 |
| 第五章 系统测试与应用验证 | 第91-95页 |
| 5.1 系统测试 | 第91-92页 |
| 5.2 应用验证 | 第92-95页 |
| 第六章 总结和展望 | 第95-99页 |
| 6.1 总结 | 第95-96页 |
| 6.2 前景展望 | 第96-99页 |
| 参考文献 | 第99-103页 |
| 致谢 | 第103-105页 |
| 作者简介 | 第105-106页 |
