| 摘要 | 第1-4页 |
| ABSTRACT | 第4-6页 |
| 目录 | 第6-9页 |
| 第一章 前言 | 第9-14页 |
| ·学术背景和意义 | 第9-10页 |
| ·国内外发展现状 | 第10-12页 |
| ·国外水力压裂裂缝模型的发展 | 第10-11页 |
| ·国内水力压裂裂缝模型的发展 | 第11-12页 |
| ·本文的主要研究内容 | 第12-13页 |
| ·题目来源 | 第13-14页 |
| 第二章 测试器外筒强度分析 | 第14-22页 |
| ·分析环境及基本思路 | 第14页 |
| ·分析模型 | 第14-18页 |
| ·外压的影响 | 第15-17页 |
| ·厚壁计算求解 | 第15-16页 |
| ·薄壁计算求解 | 第16-17页 |
| ·编写尺寸优化软件和实例分析 | 第17-18页 |
| ·材料的影响 | 第18-19页 |
| ·热应力的影响 | 第19-21页 |
| ·热应力基本方程 | 第19-20页 |
| ·实例计算结果和分析 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第三章 水力压裂裂缝检测与模型分析 | 第22-37页 |
| ·水力压裂裂缝的监测方法 | 第22-24页 |
| ·微地震法压裂测量技术 | 第22-23页 |
| ·地面监测 | 第22-23页 |
| ·邻井井下监测 | 第23页 |
| ·电位法裂缝测试技术 | 第23页 |
| ·测斜仪裂缝监测技术 | 第23-24页 |
| ·间接裂缝诊断技术 | 第24页 |
| ·现有压裂模型 | 第24-27页 |
| ·PKN模型 | 第25页 |
| ·KGD模型 | 第25-26页 |
| ·径向模型 | 第26-27页 |
| ·裂缝动态参数反演 | 第27-30页 |
| ·停泵后的压降方程 | 第30-33页 |
| ·裂缝模型诊断方式 | 第33-36页 |
| ·施工压力与时间双对数图 | 第33-34页 |
| ·井底施工压力与时间（注入量）关系图 | 第34-35页 |
| ·典型压裂曲线 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第四章 压裂效果自动识别 | 第37-53页 |
| ·模式识别背景 | 第37-38页 |
| ·神经网络背景 | 第38-43页 |
| ·神经网络的发展 | 第38-39页 |
| ·神经网络的分类 | 第39-41页 |
| ·神经网络学习算法 | 第41-43页 |
| ·误差反向传播（BP）网络 | 第43-47页 |
| ·BP神经网络算法基本原理 | 第43-46页 |
| ·实现步骤 | 第46-47页 |
| ·信号的初步去噪 | 第47-52页 |
| ·小波变换去噪的基本原理 | 第48页 |
| ·小波信号消噪方法 | 第48-49页 |
| ·基于 MATLAB 的小波去噪函数 | 第49-50页 |
| ·小波去噪对比试验 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 第五章 裂缝参数反演与效果评估 | 第53-59页 |
| ·实验数据采集 | 第53页 |
| ·压裂压力信号（模型输入变量 INPUT LAYER）的获取 | 第53-56页 |
| ·井下裂缝参数（模型输出变量 OUTPUT LAYER）的获取 | 第56-58页 |
| ·本章小结 | 第58-59页 |
| 第六章 基于 BP 神经网络的裂缝参数反演系统的分析与设计 | 第59-72页 |
| ·基于 MATLAB 的 BP 神经网络实现步骤 | 第59-60页 |
| ·BP 神经网络各项参数选取 | 第60-64页 |
| ·BP神经网络隐含层（hide layer）的确定 | 第60-62页 |
| ·网络算法的选择 | 第62-64页 |
| ·网络学习速率的确定 | 第64页 |
| ·训练样本的无量纲化处理 | 第64-68页 |
| ·神经网络的建立 | 第68-69页 |
| ·测试网络性能 | 第69-71页 |
| ·本章小结 | 第71-72页 |
| 第七章 水力压裂裂缝参数反演分析软件编译 | 第72-77页 |
| ·软件概述 | 第72页 |
| ·软件运行流程和主要功能界面 | 第72-76页 |
| ·本章小结 | 第76-77页 |
| 第八章 结束语 | 第77-79页 |
| ·结论 | 第77页 |
| ·进一步研究建议 | 第77-79页 |
| 致谢 | 第79-80页 |
| 参考文献 | 第80-82页 |
| 攻读硕士学位期间发表的论文 | 第82-83页 |
| 详细摘要 | 第83-96页 |
