| 摘要 | 第1-5页 |
| ABSTRACT | 第5-6页 |
| 创新点摘要 | 第6-7页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-17页 |
| ·研究背景及意义 | 第9页 |
| ·国内外研究现状 | 第9-15页 |
| ·数据预处理研究现状 | 第9-11页 |
| ·油田指标预测研究现状 | 第11-13页 |
| ·注水系统节能现状 | 第13-15页 |
| ·本文主要研究内容 | 第15页 |
| ·本文组织结构 | 第15-17页 |
| 第二章 相关理论 | 第17-23页 |
| ·滑动平均算法 | 第17-18页 |
| ·滑动平均算法的原理 | 第17-18页 |
| ·BP 神经网络 | 第18-20页 |
| ·BP 神经网络结构及数学模型 | 第18-19页 |
| ·BP 算法的步骤及流程图 | 第19-20页 |
| ·粒子群算法 | 第20-22页 |
| ·粒子群算法的产生 | 第20页 |
| ·量子粒子群算法的产生 | 第20页 |
| ·量子粒子群算法的流程 | 第20-22页 |
| ·小结 | 第22-23页 |
| 第三章 基于加权滑动平均方法的注水系统能耗指标预处理 | 第23-35页 |
| ·滑动平均方法 | 第23-24页 |
| ·简单滑动平均 | 第23页 |
| ·加权滑动平均 | 第23-24页 |
| ·加权滑动平均存在的问题 | 第24页 |
| ·基于权重转移的加权滑动平均跳变值和滞后性的改进 | 第24-26页 |
| ·权重转移概念的提出 | 第24-25页 |
| ·加权滑动平均滞后性改进 | 第25-26页 |
| ·加权滑动平均跳变值改进 | 第26页 |
| ·相关实验 | 第26-34页 |
| ·实验环境和实验数据 | 第26-29页 |
| ·实验方法 | 第29-33页 |
| ·结果分析 | 第33-34页 |
| ·小结 | 第34-35页 |
| 第四章 基于 QPSO 算法的 BP 神经网络注水系统能耗指标预测研究 | 第35-44页 |
| ·BP 神经网络预测 | 第35-37页 |
| ·BP 神经网络预测模型 | 第35-37页 |
| ·BP 神经网络的优缺点 | 第37页 |
| ·QPSO 算法模型 | 第37-38页 |
| ·QPSO 算法的优势 | 第37页 |
| ·QPSO 算法的基本原理 | 第37-38页 |
| ·基于 QPSO 算法的 BP 神经网络预测 | 第38-39页 |
| ·相关实验 | 第39-43页 |
| ·实验环境和实验数据 | 第39页 |
| ·实验方法 | 第39-42页 |
| ·结果分析 | 第42-43页 |
| ·小结 | 第43-44页 |
| 第五章 注水系统重点耗能设备能耗判别模型研究 | 第44-60页 |
| ·问题的提出 | 第44页 |
| ·能耗判别模型原理 | 第44-45页 |
| ·实际工作存在的问题 | 第44页 |
| ·解决问题的思路 | 第44-45页 |
| ·能耗判别模型的建立 | 第45-51页 |
| ·数学模型的建立 | 第45-48页 |
| ·约束条件的建立及区间的划分 | 第48-51页 |
| ·基于滑动平均的数据预处理 | 第51页 |
| ·基于 QPSO 算法优化的 BP 神经网络指标预测 | 第51页 |
| ·能耗判别模型的建立 | 第51页 |
| ·相关实验 | 第51-58页 |
| ·实验环境和实验数据 | 第51-52页 |
| ·实验方法 | 第52-58页 |
| ·结果分析 | 第58页 |
| ·小结 | 第58-60页 |
| 结论 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 发表文章目录 | 第65-66页 |
| 致谢 | 第66-67页 |
| 详细摘要 | 第67-74页 |
