| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 创新点摘要 | 第6-9页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 课题的研究目的与意义 | 第9-10页 |
| 1.2 课题的国内外现状 | 第10-14页 |
| 1.3 课题的来源于主要研究内容 | 第14-16页 |
| 第二章 井眼轨迹的测斜计算及其方法优选 | 第16-25页 |
| 2.1 测斜计算的数学模型 | 第16-20页 |
| 2.1.1 圆柱螺线法数学模型 | 第17-19页 |
| 2.1.2 平均角法数学模型 | 第19-20页 |
| 2.1.3 校正平均角法数学模型 | 第20页 |
| 2.1.4 平衡正切法数学模型 | 第20页 |
| 2.2 其他数学模型 | 第20-21页 |
| 2.2.1 水平位移（闭合距）的数学模型 | 第20-21页 |
| 2.2.2 平移方位角的数学模型 | 第21页 |
| 2.2.3 狗腿角数学模型 | 第21页 |
| 2.2.4 井眼曲率的数学模型 | 第21页 |
| 2.3 测斜计算方法的误差分析 | 第21-25页 |
| 第三章 井眼轨迹的预测的相关方法 | 第25-31页 |
| 3.1 井眼轨迹外推法的曲率补偿模型 | 第25-26页 |
| 3.2 几何法井底数据预测模型 | 第26-28页 |
| 3.2.1 井眼轨迹预测的定曲率外推法 | 第26-27页 |
| 3.2.2 井眼轨迹预测的定方向外推法 | 第27页 |
| 3.2.3 井眼轨迹预测的定目标外推法 | 第27-28页 |
| 3.3 智能算法在井眼轨迹预测中的应用 | 第28-31页 |
| 第四章 基于粒子群优化的SVM井眼轨迹预测方法的研究 | 第31-42页 |
| 4.1 SVM的原理 | 第31-36页 |
| 4.1.1 结构风险最小化原则 | 第31-32页 |
| 4.1.2 支持向量回归原则 | 第32-35页 |
| 4.1.3 最小二乘支持向量机 | 第35-36页 |
| 4.2 粒子群参数优化的相关理论 | 第36-38页 |
| 4.2.1 标准粒子群优化理论 | 第36页 |
| 4.2.2 改进的粒子群优化理论 | 第36-38页 |
| 4.3 基于粒子群优化的SVM的参数选择与处理 | 第38-40页 |
| 4.3.1 训练的选择与处理 | 第38页 |
| 4.3.2 核函数的选择 | 第38-39页 |
| 4.3.3 参数的选择 | 第39-40页 |
| 4.4 基于改进的PSO优化的SVM的模型的建立 | 第40-42页 |
| 第五章 井眼轨迹的三维可视化研究 | 第42-48页 |
| 5.1 井眼轨迹的分类与井眼轨迹的结构分析 | 第42-43页 |
| 5.1.1 井眼轨迹的分类 | 第42页 |
| 5.1.2 水平井的井眼轨迹分析 | 第42-43页 |
| 5.2 二维井眼轨迹投影图的研究 | 第43-44页 |
| 5.2.1 垂直剖面图 | 第43页 |
| 5.2.2 水平投影图图 | 第43-44页 |
| 5.2.3 柱面图示法 | 第44页 |
| 5.3 三维井眼轨迹的相关研究 | 第44-48页 |
| 5.3.1 三维坐标图示法 | 第45页 |
| 5.3.2 利用切片法对井眼轨迹进行筒状建模 | 第45-48页 |
| 第六章 井眼轨迹预测及井眼轨迹可视化的设计与实现 | 第48-58页 |
| 6.1 系统实现环境 | 第48页 |
| 6.1.1 开发环境 | 第48页 |
| 6.1.2 OpenGL | 第48页 |
| 6.2 基于粒子群优化的SVM的井眼轨迹预测实例 | 第48-54页 |
| 6.2.1 基于最小二乘SVM的井眼轨迹预测仿真研究与分析 | 第48-50页 |
| 6.2.2 基于标准PSO算法优化的SVM井眼轨迹预测的仿真研究与分析 | 第50-51页 |
| 6.2.3 基于改进PSO算法优化的SVM井眼轨迹预测的仿真研究与分析 | 第51-54页 |
| 6.3 井眼轨迹三维可视化的设计与实现 | 第54-58页 |
| 6.3.1 建立三维的井眼轨迹 | 第54页 |
| 6.3.2 建立三维的井眼轨迹 | 第54-55页 |
| 6.3.3 建立井眼轨迹预测的三维可视化 | 第55-56页 |
| 6.3.4 二维的井眼轨迹 | 第56页 |
| 6.3.5 井眼轨迹预测误差对比 | 第56-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-63页 |
| 发表文章目录 | 第63-64页 |
| 致谢 | 第64-65页 |
