| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 前言 | 第9-12页 |
| 第一章 油井产量计量技术概述 | 第12-18页 |
| 1.1 单井高架罐量油 | 第12页 |
| 1.2 玻璃管量油 | 第12-13页 |
| 1.3 液位自动量油 | 第13页 |
| 1.4 翻斗量油 | 第13-14页 |
| 1.5 功图法量油 | 第14页 |
| 1.6 三相分离式量油 | 第14-15页 |
| 1.7 不分离多相量油 | 第15-16页 |
| 1.8 计量技术对比分析 | 第16-18页 |
| 第二章 功图法量油技术分析研究 | 第18-24页 |
| 2.1 功图法量油技术背景 | 第18页 |
| 2.2 功图法量油技术原理 | 第18-20页 |
| 2.3 功图法量油技术特点 | 第20页 |
| 2.4 功图法量油技术应用 | 第20-24页 |
| 2.4.1 现场应用情况 | 第20-22页 |
| 2.4.2 应用效果评价 | 第22-24页 |
| 第三章 玻璃管量油技术分析研究 | 第24-27页 |
| 3.1 玻璃管量油技术原理及特点 | 第24-25页 |
| 3.1.1 玻璃管量油技术原理 | 第24页 |
| 3.1.2 玻璃管量油技术特点 | 第24-25页 |
| 3.2 玻璃管量油现场应用 | 第25-27页 |
| 第四章 简易称重法量油技术初步研究 | 第27-35页 |
| 4.1 称重转子式油井产量计量仪 | 第27-30页 |
| 4.1.1 装置简介 | 第27页 |
| 4.1.2 装置结构组成 | 第27-28页 |
| 4.1.3 主要技术参数 | 第28页 |
| 4.1.4 装置现场安装说明 | 第28-30页 |
| 4.1.5 计量仪现场操作说明 | 第30页 |
| 4.2 简易称重法计量原理 | 第30-32页 |
| 4.3 简易称重法技术特点 | 第32-33页 |
| 4.3.1 技术优势分析 | 第32-33页 |
| 4.3.2 技术缺陷分析 | 第33页 |
| 4.4 现场设备维护与标定 | 第33-35页 |
| 4.4.1 现场设备维护 | 第33页 |
| 4.4.2 计量仪标定 | 第33-35页 |
| 第五章 简易称重法量油技术试验研究 | 第35-55页 |
| 5.1 动态计量 | 第35-38页 |
| 5.1.1 动态计量误差分析 | 第35-36页 |
| 5.1.2 动态计量误差控制方法 | 第36-37页 |
| 5.1.3 交接计算方法 | 第37-38页 |
| 5.2 简易称重法量油现场试验情况及数据分析 | 第38-46页 |
| 5.2.1 现场试验情况 | 第38-39页 |
| 5.2.2 试验数据准确性分析 | 第39-43页 |
| 5.2.3 试验数据适用性分析 | 第43-46页 |
| 5.3 简易称重法量油误差分析及其修正 | 第46-55页 |
| 5.3.1 系统误差分析及其修正 | 第46-51页 |
| 5.3.2 操作误差分析及其修正 | 第51-54页 |
| 5.3.3 综合误差分析 | 第54-55页 |
| 第六章 基于BP神经网络的计量仪动态称重过程研究 | 第55-64页 |
| 6.1 人工神经网络 | 第55-57页 |
| 6.1.1 人工神经网络的发展 | 第55页 |
| 6.1.2 人工神经网络的特点 | 第55页 |
| 6.1.3 通用神经元模型 | 第55-56页 |
| 6.1.4 人工神经网络的设计要点 | 第56-57页 |
| 6.2 基于BP神经网络的计量仪动态称重过程问题分析 | 第57-64页 |
| 6.2.1 BP(BackPropagation)神经网络 | 第57-59页 |
| 6.2.2 计量仪动态称重系统网络模型的建立 | 第59-60页 |
| 6.2.3 BP神经网络模型参数的确定 | 第60-61页 |
| 6.2.4 BP神经网络训练过程描述 | 第61-62页 |
| 6.2.5 BP神经网络模型在线训练及现场验证 | 第62-64页 |
| 结论 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 作者简介、发表文章及研究成果目录 | 第70-72页 |
| 致谢 | 第72-73页 |