| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 创新点摘要 | 第8-12页 |
| 第一章 绪论 | 第12-24页 |
| 1.1 课题背景及研究意义 | 第12-13页 |
| 1.2 油田常用诊断预测方法介绍 | 第13-14页 |
| 1.3 人工神经元网络的发展及应用 | 第14-17页 |
| 1.4 过程神经元网络的研究现状 | 第17-19页 |
| 1.5 神经网络在油田中的应用研究 | 第19-21页 |
| 1.6 论文主要研究内容与结构安排 | 第21-24页 |
| 第二章 相关基础理论概述 | 第24-31页 |
| 2.1 过程神经元网络基础理论 | 第24-27页 |
| 2.1.1 过程神经元的一般定义 | 第24-25页 |
| 2.1.2 前馈过程神经元网络 | 第25页 |
| 2.1.3 反馈过程神经元网络 | 第25-27页 |
| 2.2 半监督学习方法 | 第27-28页 |
| 2.2.1 基于距离的方法 | 第27页 |
| 2.2.2 基于约束的方法 | 第27-28页 |
| 2.2.3 基于距离与约束的融合方法 | 第28页 |
| 2.3 粒子群优化算法 | 第28-29页 |
| 2.4 猫群优化算法 | 第29-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 自组织过程神经元网络模型及其学习算法 | 第31-58页 |
| 3.1 引言 | 第31-32页 |
| 3.2 自组织过程神经元网络模型 | 第32-34页 |
| 3.2.1 自组织过程神经元 | 第32页 |
| 3.2.2 自组织过程神经元网络拓扑结构 | 第32-34页 |
| 3.3 自组织过程神经元网络学习算法 | 第34-51页 |
| 3.3.1 基本学习步骤 | 第34-35页 |
| 3.3.2 动态模式向量间距离的测量 | 第35-41页 |
| 3.3.3 权向量调整更新规则 | 第41-45页 |
| 3.3.4 半监督自适应竞争学习算法 | 第45-51页 |
| 3.4 仿真实验分析 | 第51-57页 |
| 3.4.1 模型算法性能测试 | 第51-56页 |
| 3.4.2 储层水淹级别判别 | 第56-57页 |
| 3.5 本章小结 | 第57-58页 |
| 第四章 云过程神经元网络模型及其学习算法 | 第58-80页 |
| 4.1 引言 | 第58-59页 |
| 4.2 云理论 | 第59-62页 |
| 4.2.1 云的定义及数字特征 | 第59-60页 |
| 4.2.2 正态云模型 | 第60页 |
| 4.2.3 云发生器 | 第60-61页 |
| 4.2.4 云模型雾化特性 | 第61-62页 |
| 4.3 云过程神经元网络模型 | 第62-65页 |
| 4.3.1 输出为数值的云过程神经元网络 | 第62-63页 |
| 4.3.2 输出为云模型的云过程神经元网络 | 第63-65页 |
| 4.4 云过程神经元网络学习算法 | 第65-73页 |
| 4.4.1 基于梯度下降的学习算法 | 第65-68页 |
| 4.4.2 基于GUASS-NEWTON的快速学习算法 | 第68-69页 |
| 4.4.3 基于猫群优化的学习算法 | 第69-73页 |
| 4.5 仿真实验分析 | 第73-79页 |
| 4.5.1 模型算法性能测试 | 第74-77页 |
| 4.5.2 注水泵状态监测与故障诊断 | 第77-79页 |
| 4.6 本章小结 | 第79-80页 |
| 第五章 对角回归过程神经元网络模型及其学习算法 | 第80-105页 |
| 5.1 引言 | 第80-81页 |
| 5.2 对角回归过程神经元网络模型 | 第81-84页 |
| 5.2.1 对角回归过程神经元 | 第81页 |
| 5.2.2 输出为数值的对角回归过程神经元网络 | 第81-83页 |
| 5.2.3 输出为函数的对角回归过程神经元网络 | 第83-84页 |
| 5.3 对角回归过程神经元网络学习算法 | 第84-98页 |
| 5.3.1 基于数值积分结合梯度下降的学习算法 | 第84-95页 |
| 5.3.2 基于改进粒子群优化的结构自适应学习算法 | 第95-98页 |
| 5.4 仿真实验分析 | 第98-104页 |
| 5.4.1 模型算法性能测试 | 第98-102页 |
| 5.4.2 井组注采过程动态模拟 | 第102-104页 |
| 5.5 本章小结 | 第104-105页 |
| 第六章 过程神经元网络在油藏勘探开发中的应用 | 第105-134页 |
| 6.1 引言 | 第105-106页 |
| 6.2 过程神经元网络在油田诊断识别中的应用 | 第106-120页 |
| 6.2.1 基于示功图的抽油机故障诊断 | 第106-112页 |
| 6.2.2 基于测井资料的油、气、水层综合评价 | 第112-120页 |
| 6.3 过程神经元网络在油田生产预测中的应用 | 第120-127页 |
| 6.3.1 三元复合驱采油指标预测 | 第120-124页 |
| 6.3.2 油气集输站库耗电量预测 | 第124-127页 |
| 6.4 过程神经元网络在油田过程控制中的应用 | 第127-132页 |
| 6.4.1 联合站原油脱水过程控制概述 | 第127-128页 |
| 6.4.2 基于内模控制的自动控制方案 | 第128-129页 |
| 6.4.3 过程神经元网络辨识模型及控制模型的构建 | 第129-130页 |
| 6.4.4 控制系统仿真及实验结果分析 | 第130-132页 |
| 6.5 本章小结 | 第132-134页 |
| 结论 | 第134-136页 |
| 参考文献 | 第136-151页 |
| 发表文章目录 | 第151-155页 |
| 攻读博士学位论文期间参加的科研项目 | 第155-156页 |
| 致谢 | 第156页 |
