首页--工业技术论文--石油、天然气工业论文--油气田开发与开采论文--油气田开发设计与计算论文--油气产量与可采储量论文

基于时间序列分析方法的油田产量预测与应用

摘要第7-8页
Abstract第8-9页
第1章 绪论第12-18页
    1.1 课题的研究背景与意义第12-13页
    1.2 国内外研究现状第13-15页
        1.2.1 时间序列理论国内外研究现状第13-14页
        1.2.2 石油产量预测国内外研究现状第14-15页
    1.3 本文的主要工作与结构安排第15-18页
        1.3.1 本文主要工作第15-16页
        1.3.2 本文的结构安排第16-18页
第2章 时间序列的基本理论与模型第18-31页
    2.1 时间序列理论分析第18-21页
        2.1.1 时间序列定义第18-19页
        2.1.2 时间序列的特征分析第19-21页
    2.2 时间序列的常用模型第21-23页
        2.2.1 AR(自回归)模型第21页
        2.2.2 MA(滑动平均)模型第21-22页
        2.2.3 ARMA(自回归移动平均)模型第22-23页
        2.2.4 ARIMA(自回归积分滑动平均)模型第23页
    2.3 时间序列的建模过程第23-30页
        2.3.1 数据平稳性检测第24页
        2.3.2 模型识别第24-26页
        2.3.3 模型的参数估计第26-28页
        2.3.4 模型校验第28-30页
        2.3.5 模型数据预测第30页
    2.4 本章小结第30-31页
第3章 ARIMA模型在油田产量预测中的应用第31-40页
    3.1 ARIMA模型在油田产量预测中的应用第31页
    3.2 实验分析过程与结果第31-39页
        3.2.1 实验数据第31页
        3.2.2 数据平稳性检测第31-34页
        3.2.3 模型识别第34-35页
        3.2.4 模型参数估计第35页
        3.2.5 模型校验第35-36页
        3.2.6 模型数据预测第36-39页
    3.3 本章小结第39-40页
第4章 组合模型ARIMA-BP神经网络在油田产量预测中的应用第40-55页
    4.1 BP神经网络模型基本简介第40页
    4.2 BP神经网络模型结构第40-42页
    4.3 BP神经网络模型基本原理过程第42-45页
        4.3.1 BP神经网络模型正向信号传递过程第42-43页
        4.3.2 BP神经网络误差反向传递过程第43-45页
    4.4 BP神经网络在油田产量预测中的应用第45-48页
        4.4.1 BP神经网络模型算法步骤第45-46页
        4.4.2 实验数据第46页
        4.4.3 模型参数及技术路线第46-47页
        4.4.4 实验结果分析第47-48页
    4.5 ARIMA-BP神经网络模型在预测油田产量中的应用第48-51页
        4.5.1 模型构造原理第48-49页
        4.5.2 模型的构造过程第49页
        4.5.3 模型在预测油田产量中的应用第49-51页
    4.6 ARIMA,BP,ARIMA-BP三种模型的比较第51-53页
    4.7 时间序列模型在油气生产物联网系统(A11)中的应用第53-54页
    4.8 本章小结第54-55页
总结与展望第55-56页
参考文献第56-60页
致谢第60-61页
附录A 攻读硕士学位期间所参与的项目第61页

论文共61页,点击 下载论文
上一篇:可降解离子液体溶解分离蚕蛹蛋白研究
下一篇:交流变频石油钻机自动钻进的模糊PID控制研究