| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 创新点摘要 | 第7-10页 |
| 第一章 绪论 | 第10-17页 |
| ·研究背景及意义 | 第10-11页 |
| ·过程神经元网络概述 | 第11-14页 |
| ·过程神经元模型的定义 | 第11页 |
| ·过程神经元网络学习算法 | 第11-13页 |
| ·过程神经元网络的应用 | 第13-14页 |
| ·系统建模概述 | 第14-15页 |
| ·系统建模方法 | 第14页 |
| ·系统建模过程示意图 | 第14-15页 |
| ·本文主要研究内容 | 第15-17页 |
| 第二章 时空维动态系统建模技术的研究 | 第17-25页 |
| ·引言 | 第17页 |
| ·时空维动态系统模型 | 第17页 |
| ·时空维动态系统建模方法 | 第17-23页 |
| ·层次贝叶斯建模方法 | 第18-19页 |
| ·状态空间和随机理论建模方法 | 第19-21页 |
| ·时空插值建模方法 | 第21-22页 |
| ·时空维数据挖掘建模方法 | 第22-23页 |
| ·时空维动态系统建模的应用 | 第23页 |
| ·目前时空维动态系统建模技术存在的问题 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 基于 MPPNN 的动态系统建模技术研究 | 第25-34页 |
| ·引言 | 第25页 |
| ·MPPNN 模型 | 第25-26页 |
| ·多聚合过程神经元模型 | 第25-26页 |
| ·MPPNN 模型 | 第26页 |
| ·基于MPPNN 的时空维动态系统模型的设计与实现 | 第26-33页 |
| ·模型分析 | 第26-27页 |
| ·时空维MPPN 及模型建立 | 第27-28页 |
| ·网络连接权值初始化 | 第28-29页 |
| ·模型层数以及隐层节点数的确定 | 第29页 |
| ·激励函数的选取 | 第29-30页 |
| ·网络的结构及其工作方式 | 第30-31页 |
| ·网络的学习方法和算法 | 第31-33页 |
| ·本章小结 | 第33-34页 |
| 第四章 MPPNN 学习算法的研究 | 第34-53页 |
| ·MPPNN 学习算法研究问题的提出 | 第34页 |
| ·基于并行算法的MPPNN 学习算法 | 第34-40页 |
| ·基于结构并行的MPPNN 并行算法 | 第34-36页 |
| ·基于数据并行的MPPNN 并行算法 | 第36-38页 |
| ·在油田开发自喷采油动态预测中的应用 | 第38-40页 |
| ·基于勒让德正交基展开的MPPNN 学习法 | 第40-47页 |
| ·概述 | 第40页 |
| ·勒让德多项式 | 第40-41页 |
| ·内积空间中函数的勒让德正交基展开 | 第41-42页 |
| ·基于勒让德正交基展开的MPPNN 学习算法的推导 | 第42-45页 |
| ·在气象预报中的应用 | 第45-47页 |
| ·基于改进差分进化算法的MPPNN 学习法 | 第47-52页 |
| ·进化策略 | 第47-48页 |
| ·差分进化算法 | 第48-49页 |
| ·基于改进差分进化算法的MPPNN 学习算法 | 第49-51页 |
| ·在飞机航班旅客流量预测中的应用 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 第五章 在油藏四维动态系统建模中的应用 | 第53-57页 |
| ·引言 | 第53页 |
| ·利用MPPNN 实现储层四维模型参数的预测 | 第53-56页 |
| ·研究区开发现状 | 第53页 |
| ·网络结构设计及其参数选取 | 第53-54页 |
| ·神经网络的训练与学习 | 第54-56页 |
| ·对未来时间含水饱和度的预测 | 第56页 |
| ·本章小结 | 第56-57页 |
| 第六章 结论与展望 | 第57-58页 |
| ·全文总结 | 第57页 |
| ·今后研究方向 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 发表文章目录 | 第62-63页 |
| 致谢 | 第63-64页 |
| 详细摘要 | 第64-74页 |