| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 随钻测量研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 随钻测量技术现状 | 第10-12页 |
| 1.2.2 神经网络研究现状 | 第12-13页 |
| 1.2.3 混沌优化的现状 | 第13页 |
| 1.3 课题主要研究内容 | 第13-14页 |
| 1.4 论文结构安排 | 第14-15页 |
| 第二章 泥浆连续波随钻测量系统设计 | 第15-34页 |
| 2.1 井底信号收发装置的选择及其研究 | 第16-28页 |
| 2.1.1 二进制数字调制系统 | 第16-20页 |
| 2.1.2 多进制数字调制系统 | 第20-21页 |
| 2.1.3 数据传输通信协议 | 第21-22页 |
| 2.1.4 软硬件的设计及其研究 | 第22-24页 |
| 2.1.5 系统的软硬件设计 | 第24-28页 |
| 2.2 数据传输通道的选择及其研究 | 第28-33页 |
| 2.2.1 有线传输方式 | 第28-29页 |
| 2.2.2 无线传输方式 | 第29-32页 |
| 2.2.3 性能对比及分析 | 第32-33页 |
| 2.3 本章小结 | 第33-34页 |
| 第三章 泥浆脉冲信号的去噪方法 | 第34-40页 |
| 3.1 噪声分析及其抑制 | 第34页 |
| 3.2 传统的去噪方法 | 第34-36页 |
| 3.2.1 基于傅里叶变换的去噪方法 | 第35页 |
| 3.2.2 FIR 数字滤波器 | 第35-36页 |
| 3.3 小波变换 | 第36-39页 |
| 3.3.1 小波去噪的原理 | 第36-38页 |
| 3.3.2 小波的参数选择 | 第38-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第四章 基于混沌优化理论的 BP 神经网络算法 | 第40-55页 |
| 4.1 人工神经网络理论 | 第40-43页 |
| 4.1.1 人工神经元模型 | 第40-42页 |
| 4.1.2 人工神经网络的分类 | 第42-43页 |
| 4.2 BP 神经网络 | 第43-48页 |
| 4.2.1 BP 神经网络学习过程 | 第43-46页 |
| 4.2.2 BP 神经网络结构的确定 | 第46-47页 |
| 4.2.3 BP 神经网络的缺陷 | 第47-48页 |
| 4.3 混沌优化理论 | 第48-50页 |
| 4.3.1 混沌在优化中的应用 | 第48-49页 |
| 4.3.2 混沌优化算法 | 第49-50页 |
| 4.4 基于混沌优化理论的 BP 神经网络算法的建立 | 第50-53页 |
| 4.5 本章小结 | 第53-55页 |
| 第五章 基于混沌优化 BP 神经网络的泥浆连续波误码率预测 | 第55-63页 |
| 5.1 变频率传输模型及仿真试验 | 第55-61页 |
| 5.1.1 确定码元传输的频率范围 | 第55页 |
| 5.1.2 初选数据传输方式 | 第55-57页 |
| 5.1.3 风洞模拟试验及网络训练 | 第57-60页 |
| 5.1.4 网络训练结果及其相关分析 | 第60-61页 |
| 5.2 本章小结 | 第61-63页 |
| 总结与展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 攻读硕士学位期间取得的学术成果 | 第69-70页 |
| 致谢 | 第70页 |