应用BP神经网络预测原油含水率的研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-6页 |
| 创新点摘要 | 第6-9页 |
| 前言 | 第9-14页 |
| ·选题的目的和意义 | 第9页 |
| ·国内外研究现状 | 第9-12页 |
| ·本文主要研究内容 | 第12-14页 |
| 第一章 含水率测试影响因素与补偿方法 | 第14-22页 |
| ·原油含水率测量的影响因素 | 第14-15页 |
| ·温度对含水率测量的影响分析 | 第14页 |
| ·压力对含水率测量的影响分析 | 第14页 |
| ·矿化度对含水率测量的影响分析 | 第14-15页 |
| ·测量原油含水率影响因素的补偿方法 | 第15-21页 |
| ·多元回归分析方法 | 第15-16页 |
| ·人工神经网络方法 | 第16-21页 |
| ·本章小结 | 第21-22页 |
| 第二章 基于BP 神经网络预测原油含水率模型 | 第22-41页 |
| ·BP 神经网络 | 第22-29页 |
| ·BP 网络的结构及描述 | 第22-24页 |
| ·BP 网络的非线性映射能力 | 第24页 |
| ·BP 网络的泛化能力 | 第24-25页 |
| ·BP 神经网络算法求解 | 第25-28页 |
| ·BP 神经网络算法流程 | 第28-29页 |
| ·BP 神经网络预测原油含水率模型建立 | 第29页 |
| ·BP 神经网络模型结构的确定 | 第29-32页 |
| ·输入层与输出层节点数 | 第29-30页 |
| ·隐层数和层内节点数 | 第30-32页 |
| ·样本集的构造 | 第32-34页 |
| ·样本数的选择 | 第32-34页 |
| ·样本的组织与合理选择 | 第34页 |
| ·网络训练参数的选取 | 第34-35页 |
| ·初始权值的选取 | 第34页 |
| ·训练次数的确定 | 第34-35页 |
| ·学习速率的选取 | 第35页 |
| ·BP 网络模型泛化能力的检验 | 第35-36页 |
| ·BP 神经网络模型算法的改进 | 第36-40页 |
| ·变步长BP 算法 | 第36-37页 |
| ·附加动量项 | 第37-38页 |
| ·改进算法的步骤 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 第三章 实验及算例分析 | 第41-54页 |
| ·原油含水率测试实验 | 第41-42页 |
| ·实验装置 | 第41页 |
| ·实验步骤 | 第41-42页 |
| ·实验数据分析 | 第42-45页 |
| ·温度对含水率测量的实验分析 | 第42-43页 |
| ·压力对含水率测量的实验分析 | 第43-44页 |
| ·矿化度对含水率测量的实验分析 | 第44-45页 |
| ·软件实现 | 第45-50页 |
| ·界面设计软件简介 | 第45-46页 |
| ·软件实现功能 | 第46-50页 |
| ·算例分析 | 第50-53页 |
| ·本章小结 | 第53-54页 |
| 结论 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 发表文章目录 | 第59-60页 |
| 致谢 | 第60-61页 |
| 详细摘要 | 第61-68页 |
