基于石油钻井大数据技术的钻进优化控制的研究
| 摘要 | 第3-4页 |
| abstract | 第4页 |
| 第一章 绪论 | 第7-13页 |
| 1.1 研究目的及意义 | 第7页 |
| 1.1.1 研究的目的 | 第7页 |
| 1.1.2 研究的意义 | 第7页 |
| 1.2 国内外现状 | 第7-11页 |
| 1.2.1 国外发展过程及现状 | 第7-9页 |
| 1.2.2 国内发展过程及现状 | 第9页 |
| 1.2.3 钻进优化的发展 | 第9-11页 |
| 1.3 章节安排 | 第11-13页 |
| 第二章 大数据技术在石油钻井中的应用及分析 | 第13-27页 |
| 2.1 大数据基础理论 | 第13-14页 |
| 2.1.1 大数据的基本概念 | 第13-14页 |
| 2.1.2 钻井大数据的基本概念 | 第14页 |
| 2.2 大数据技术在石油钻井中的应用 | 第14-16页 |
| 2.2.1 钻井大数据技术的应用领域 | 第14-16页 |
| 2.2.2 钻井大数据技术的应用模式 | 第16页 |
| 2.3 大数据建模算法 | 第16-19页 |
| 2.3.1 支持向量机算法 | 第17-18页 |
| 2.3.2 遗传算法 | 第18-19页 |
| 2.3.3 主成分分析方法 | 第19页 |
| 2.4 钻井大数据关键技术 | 第19-26页 |
| 2.4.1 Hadoop技术 | 第19-22页 |
| 2.4.2 云存储技术 | 第22-23页 |
| 2.4.3 NoSQL | 第23-24页 |
| 2.4.4 数据查询和分析的高级技术 | 第24-25页 |
| 2.4.5 数据挖掘技术 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 基于大数据技术的钻进优化控制系统整体设计 | 第27-38页 |
| 3.1 系统设计目标 | 第27页 |
| 3.2 系统模拟开发环境设计 | 第27-32页 |
| 3.3 系统软件模块设计 | 第32页 |
| 3.4 基于大数据技术的钻进优化系统整体架构 | 第32-36页 |
| 3.4.1 钻井大数据分类 | 第32-33页 |
| 3.4.2 钻井数据库的选择 | 第33-34页 |
| 3.4.3 系统总体架构设计 | 第34-36页 |
| 3.5 系统特性 | 第36-37页 |
| 3.6 本章小结 | 第37-38页 |
| 第四章 钻井大数据的存储与分析设计 | 第38-46页 |
| 4.1 数据存储设计 | 第38-43页 |
| 4.1.1 数据存储目标 | 第38-39页 |
| 4.1.2 基于HBase的钻井数据库设计 | 第39-41页 |
| 4.1.3 数据导入设计 | 第41-43页 |
| 4.2 数据分析设计 | 第43-45页 |
| 4.2.1 数据分析目标 | 第43页 |
| 4.2.2 数据分析过程 | 第43页 |
| 4.2.3 数据二级索引表的设计 | 第43-44页 |
| 4.2.4 数据优化设计 | 第44-45页 |
| 4.3 本章小结 | 第45-46页 |
| 第五章 钻进优化控制的实现与实例分析 | 第46-58页 |
| 5.1 基于支持向量机的钻井状况预测分析 | 第46-50页 |
| 5.1.1 特征参数的选择 | 第46页 |
| 5.1.2 支持向量机预测模型的建立 | 第46-49页 |
| 5.1.3 结果分析 | 第49-50页 |
| 5.2 基于主成分分析法的钻进优化分析 | 第50-57页 |
| 5.2.1 钻进影响因素选择及数据来源 | 第50-52页 |
| 5.2.2 目标函数 | 第52-53页 |
| 5.2.3 主成分回归模型的建立 | 第53-54页 |
| 5.2.4 结果分析 | 第54-57页 |
| 5.3 本章小结 | 第57-58页 |
| 第六章 结论与展望 | 第58-60页 |
| 6.1 结论 | 第58-59页 |
| 6.2 展望 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 攻读学位期间参加科研情况及获得的学术成果 | 第64-65页 |
