| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 创新点摘要 | 第7-10页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 课题背景及研究意义 | 第10页 |
| 1.2 课题相关研究现状分析 | 第10-14页 |
| 1.2.1 油藏建模研究现状 | 第10-11页 |
| 1.2.2 基于智能模型的油田开发研究现状 | 第11-14页 |
| 1.3 论文的研究内容及结构安排 | 第14-15页 |
| 1.4 本章小结 | 第15-16页 |
| 第二章 油田开发预测与评估问题基础理论和方法 | 第16-22页 |
| 2.1 概述 | 第16页 |
| 2.2 油田开发指标分类 | 第16-20页 |
| 2.2.1 开发指标基本数据 | 第16-18页 |
| 2.2.2 开发指标概述与分类 | 第18-19页 |
| 2.2.3 指标预测和评估方法分析 | 第19-20页 |
| 2.2.4 油藏数值模拟指标数据 | 第20页 |
| 2.3 油田常用开发预测与评估方法介绍 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第三章 基于离散过程神经网络的油田开发指标预测 | 第22-37页 |
| 3.1 概述 | 第22页 |
| 3.2 离散过程神经网络基本模型算法 | 第22-26页 |
| 3.2.1 离散过程神经网络模型 | 第22-23页 |
| 3.2.2 离散采样数据预处理 | 第23-24页 |
| 3.2.3 基于离散沃尔什变换的DPNN模型 | 第24-26页 |
| 3.3 基于改进粒子群算法的DPNN优化 | 第26-29页 |
| 3.4 仿真实验 | 第29-31页 |
| 3.5 油田开发指标预测的实际应用 | 第31-36页 |
| 3.5.1 预测开发指标的选取与建立 | 第31-32页 |
| 3.5.2 训练样本数据预处理 | 第32-33页 |
| 3.5.3 网络训练与结果对比分析 | 第33-36页 |
| 3.6 本章小结 | 第36-37页 |
| 第四章 基于过程支持向量机分类的油田状态评估 | 第37-53页 |
| 4.1 概述 | 第37页 |
| 4.2 过程支持向量机模型及优化 | 第37-46页 |
| 4.2.1 过程支持向量机模型 | 第37-42页 |
| 4.2.2 过程支持向量机学习算法 | 第42-43页 |
| 4.2.3 基于多宽度组合核方法的PSVM模型改进 | 第43-44页 |
| 4.2.4 参数优化求解方法 | 第44-46页 |
| 4.3 仿真实验 | 第46-48页 |
| 4.4 油田状态评估应用 | 第48-51页 |
| 4.4.1 状态评估指标体系 | 第48页 |
| 4.4.2 样本数据选择 | 第48-49页 |
| 4.4.3 数据处理结果与分析 | 第49-51页 |
| 4.5 本章小结 | 第51-53页 |
| 第五章 系统设计及实现 | 第53-59页 |
| 5.1 引言 | 第53页 |
| 5.2 系统设计 | 第53-54页 |
| 5.3 系统实现 | 第54-58页 |
| 5.3.1 开发指标预测模块 | 第54-57页 |
| 5.3.2 状态评估模块 | 第57-58页 |
| 5.4 本章小结 | 第58-59页 |
| 结论 | 第59-60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 |