| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 研究目的及意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-11页 |
| 1.3 主要研究内容 | 第11-12页 |
| 1.4 技术路线 | 第12-13页 |
| 第2章 煤层气产量诊断与预测模型难点及对策 | 第13-18页 |
| 2.1 煤层气产量诊断与预测模型难点及对策 | 第13-14页 |
| 2.2 机器学习概述 | 第14-15页 |
| 2.3 构建煤层气产量诊断与预测的机器学习算法选择 | 第15-17页 |
| 2.4 本章小结 | 第17-18页 |
| 第3章 构建煤层气产量主控因素诊断模型 | 第18-40页 |
| 3.1 煤层气产量影响因素及稳产日产气量统计 | 第18-19页 |
| 3.2 数据预处理 | 第19-33页 |
| 3.2.1 定性变量处理 | 第19-20页 |
| 3.2.2 缺失值处理 | 第20-21页 |
| 3.2.3 线性相关分析 | 第21-26页 |
| 3.2.4 数据标准化 | 第26页 |
| 3.2.5 降维处理 | 第26-33页 |
| 3.3 数据建模 | 第33-39页 |
| 3.3.1 应用K均值聚类对样本进行标记 | 第33-37页 |
| 3.3.2 应用KNN分类算法建立煤层气诊断模型 | 第37-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第4章 构建煤层气产量预测模型 | 第40-54页 |
| 4.1 应用RPROP神经网络构建产量预测模型 | 第40-45页 |
| 4.1.1 RPROP神经网络原理 | 第40-42页 |
| 4.1.2 神经网络设计 | 第42-45页 |
| 4.2 应用支持向量机构建煤层气产量预测模型 | 第45-49页 |
| 4.2.1 支持向量机原理 | 第45-47页 |
| 4.2.2 支持向量机参数优选 | 第47-49页 |
| 4.3 应用多元逐步回归算法构建煤层气产量预测模型 | 第49-53页 |
| 4.3.1 多元逐步回归原理 | 第49-52页 |
| 4.3.2 构建煤层气稳产日产气量逐步回归模型 | 第52-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第5章 煤层气产量诊断与预测模型应用 | 第54-58页 |
| 5.1 煤层气诊断模型应用 | 第54-56页 |
| 5.2 煤层气稳产气量预测模型应用 | 第56-58页 |
| 第6章 认识与结论 | 第58-60页 |
| 6.1 完成的工作量 | 第58页 |
| 6.2 取得的主要成果 | 第58-59页 |
| 6.3 存在问题及建议 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 附录A 煤层气样本井原始数据 | 第64-70页 |
| 附录B 数据预处理后聚类结果 | 第70-74页 |
| 附录C 煤层气产量主控因素诊断模型和产量预测模型核心R语言代码 | 第74-79页 |
| 致谢 | 第79页 |
