基于小波分析和神经网络的油气产能预测研究与应用
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第1章 绪论 | 第10-15页 |
| ·选题背景及研究意义 | 第10-11页 |
| ·油气产能预测的研究现状 | 第11-13页 |
| ·本文主要工作 | 第13页 |
| ·本文组织结构 | 第13-15页 |
| 第2章 小波分析理论及应用 | 第15-23页 |
| ·小波分析简介 | 第15页 |
| ·小波分析的演变 | 第15-18页 |
| ·傅立叶变换 | 第15-16页 |
| ·窗口傅立叶变换 | 第16-17页 |
| ·小波分析 | 第17-18页 |
| ·离散小波变换 | 第18-20页 |
| ·多分辨率分析思想 | 第20-22页 |
| ·多分辨分析定义 | 第20-21页 |
| ·小波分解与重构 | 第21-22页 |
| ·小波分析应用于油气预测的基本思想 | 第22页 |
| ·本章小结 | 第22-23页 |
| 第3章 人工神经网络理论及应用 | 第23-32页 |
| ·人工神经网络简介 | 第23页 |
| ·人工神经网络概述 | 第23-26页 |
| ·人工神经元模型 | 第24-25页 |
| ·神经网络拓扑结构 | 第25页 |
| ·神经网络学习方式 | 第25-26页 |
| ·误差反向传播神经网络 | 第26-30页 |
| ·BP网络模型 | 第26-27页 |
| ·BP学习算法 | 第27-28页 |
| ·BP算法局限性及改进 | 第28-30页 |
| ·人工神经网络应用于油气预测的基本思想 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第4章 油气产能预测研究 | 第32-49页 |
| ·常用预测方法介绍 | 第32-33页 |
| ·基于小波理论的神经网络模型构造 | 第33-37页 |
| ·现有构造模型分析 | 第33-34页 |
| ·“紧致型”小波网络 | 第34页 |
| ·“松散型”小波网络 | 第34-37页 |
| ·研究思路 | 第37-38页 |
| ·研究对象及处理 | 第38-39页 |
| ·压力测试曲线介绍 | 第38-39页 |
| ·测井曲线常规处理 | 第39页 |
| ·测井曲线数据预处理 | 第39页 |
| ·研究方法 | 第39-44页 |
| ·研究计算要点 | 第44-48页 |
| ·小波分析要点 | 第44-45页 |
| ·神经网络要点 | 第45-48页 |
| ·本章小结 | 第48-49页 |
| 第5章 油气产能预测模型应用实例 | 第49-64页 |
| ·系统描述 | 第49页 |
| ·系统环境 | 第49-50页 |
| ·系统实现 | 第50-62页 |
| ·数据准备 | 第50-51页 |
| ·小波分析 | 第51-53页 |
| ·数据整理 | 第53-54页 |
| ·神经网络训练 | 第54-58页 |
| ·产能预测 | 第58-62页 |
| ·结果分析 | 第62-63页 |
| ·本章小结 | 第63-64页 |
| 第6章 总结与展望 | 第64-66页 |
| ·总结 | 第64-65页 |
| ·展望 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 致谢 | 第69-70页 |
| 附录: 攻读硕士学位期间公开发表的论文及参与项目 | 第70页 |
