采用径向基函数神经网络预测气井井筒积液
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第1章 绪论 | 第7-13页 |
| ·目的及意义 | 第7页 |
| ·国内外研究概况 | 第7-11页 |
| ·气井井筒积液预测国内外现状 | 第7-9页 |
| ·人工神经网络国内外研究概况 | 第9-11页 |
| ·研究内容及创新点 | 第11-12页 |
| ·主要研究内容 | 第11页 |
| ·创新点 | 第11-12页 |
| ·技术路线 | 第12-13页 |
| 第2章 气井常用携液模型及影响因素研究 | 第13-25页 |
| ·直井携液模型及影响因素分析 | 第13-19页 |
| ·直井携液模型 | 第13-16页 |
| ·四种预测模型对比分析 | 第16-17页 |
| ·影响因素分析 | 第17-19页 |
| ·斜井携液模型及影响因素分析 | 第19-24页 |
| ·斜井携液模型 | 第19-20页 |
| ·预测模型对比分析 | 第20-21页 |
| ·影响因素分析 | 第21-24页 |
| ·小结 | 第24-25页 |
| 第3章 RBF神经网络及其结构 | 第25-36页 |
| ·人工神经网络简介 | 第25-27页 |
| ·人工神经网络简述及特点 | 第25页 |
| ·人工神经网络模型 | 第25-27页 |
| ·RBF神经网络 | 第27-34页 |
| ·RBF神经网络简介 | 第27页 |
| ·RBF神经网络结构及实现 | 第27-28页 |
| ·RBF神经网络学习过程 | 第28-30页 |
| ·RBF神经网络实现流程 | 第30-31页 |
| ·RBF神经网络算法 | 第31-34页 |
| ·RBF与BP神经网络的对比 | 第34-35页 |
| ·小结 | 第35-36页 |
| 第4章 基于RBF神经网络的气井积液新模型 | 第36-59页 |
| ·RBF神经网络模型的建立 | 第36-37页 |
| ·输入层设计 | 第36页 |
| ·隐含层设计 | 第36页 |
| ·输出层设计 | 第36-37页 |
| ·RBF神经网络模型的确定 | 第37页 |
| ·基于MATLAB的RBF神经网络的实现 | 第37-53页 |
| ·MATLAB引入 | 第37-38页 |
| ·RBF神经网络工具箱简介 | 第38-39页 |
| ·RBF网络算法的MATLAB实现 | 第39-53页 |
| ·RBF网络模型在气井生产中的应用 | 第53-58页 |
| ·基于RBF网络模型的Y1井生产状态预测 | 第53-55页 |
| ·基于RBF网络模型的Y2井生产状态预测 | 第55-58页 |
| ·小结 | 第58-59页 |
| 第5章 结论与建议 | 第59-60页 |
| ·结论 | 第59页 |
| ·建议 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 攻读硕士学位期间发表的论文 | 第64页 |
