| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 创新点摘要 | 第7-10页 |
| 第一章 绪论 | 第10-17页 |
| ·研究背景和意义 | 第10页 |
| ·油田开发指标研究概况 | 第10-14页 |
| ·经验统计类 | 第11-12页 |
| ·概率统计方法类 | 第12-13页 |
| ·水动力学公式类 | 第13页 |
| ·油藏数值模拟类 | 第13页 |
| ·其他预测方法类 | 第13-14页 |
| ·人工神经网络发展概况 | 第14-15页 |
| ·系统辨识理论发展概况 | 第15-16页 |
| ·论文主要研究内容 | 第16-17页 |
| 第二章 人工神经网络与系统辨识理论研究 | 第17-26页 |
| ·人工神经网络理论基础 | 第17-20页 |
| ·人工神经元模型 | 第17-18页 |
| ·人工神经网络结构 | 第18-19页 |
| ·人工神经网络的学习 | 第19-20页 |
| ·人工神经网络的特点 | 第20页 |
| ·系统辨识方法研究 | 第20-25页 |
| ·系统辨识的定义 | 第20-21页 |
| ·系统辨识的基本原理 | 第21-23页 |
| ·系统辨识方法 | 第23-25页 |
| ·系统辨识的用途 | 第25页 |
| ·本章小结 | 第25-26页 |
| 第三章 基于神经网络的系统辨识 | 第26-40页 |
| ·神经网络系统辨识的基本原理 | 第26-27页 |
| ·神经网络系统辨识的特点 | 第27页 |
| ·神经网络系统辨识的步骤 | 第27-29页 |
| ·辨识模型结构 | 第29-32页 |
| ·基于改进BP 算法的地层压力预测 | 第32-39页 |
| ·BP 网络和BP 算法 | 第32-37页 |
| ·在地层压力预测中的应用 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 基于时变输入输出的过程神经元网络系统辨识 | 第40-55页 |
| ·过程神经元 | 第40-44页 |
| ·过程神经元的定义 | 第40-42页 |
| ·过程神经元与泛函 | 第42-43页 |
| ·过程神经元与复合函数 | 第43-44页 |
| ·输入输出均为时变函数过程神经网络辨识模型和算法 | 第44-53页 |
| ·网络拓扑结构 | 第44-46页 |
| ·基于函数正交基展开的梯度下降的辨识算法 | 第46-48页 |
| ·遗传—模拟退火算法 | 第48-50页 |
| ·模型的连续性与逼近能力 | 第50-53页 |
| ·在油田注采系统的应用 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 第五章 基于Elman 型反馈过程神经网络的系统辨识 | 第55-62页 |
| ·辨识模型 | 第55-57页 |
| ·辨识算法 | 第57-60页 |
| ·油藏开发过程模拟 | 第60-61页 |
| ·本章小结 | 第61-62页 |
| 结论 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 发表文章目录 | 第66-67页 |
| 致谢 | 第67-68页 |
| 详细摘要 | 第68-76页 |