海上平台油气生产预警方法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-12页 |
| ·课题研究背景及意义 | 第8页 |
| ·国内外研究现状概述 | 第8-11页 |
| ·国外预警理论研究历史及现状 | 第8-10页 |
| ·国内预警理论研究历史及现状 | 第10-11页 |
| ·论文主要研究内容 | 第11-12页 |
| 第二章 油气生产预警理论 | 第12-19页 |
| ·预警的概念及研究依据 | 第12-13页 |
| ·预警系统的基本构成 | 第13-14页 |
| ·预警系统的组成 | 第13页 |
| ·预警系统逻辑构成 | 第13-14页 |
| ·常见的预警方法及特点 | 第14-15页 |
| ·油气生产预警的特点 | 第15-16页 |
| ·油气生产动态预测及预警常用方法 | 第16-18页 |
| ·本章小结 | 第18-19页 |
| 第三章 油气生产预警指标体系构建 | 第19-32页 |
| ·预警指标的确立 | 第19-21页 |
| ·预警指标选取及确立原则 | 第19-20页 |
| ·预警指标构建方法 | 第20-21页 |
| ·预警指标影响因素定量分析 | 第21-26页 |
| ·数据预处理 | 第22-23页 |
| ·数据关联规则挖掘 | 第23-26页 |
| ·预警指标影响因素定性分析 | 第26-29页 |
| ·预警指标体系的建立 | 第29-31页 |
| ·预警体系的构成 | 第29-30页 |
| ·警限的确定 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第四章 基于人工神经网络的预警模型 | 第32-51页 |
| ·BP神经网络基本理论 | 第32-34页 |
| ·BP基本原理 | 第32-34页 |
| ·BP算法的优势及局限性 | 第34页 |
| ·粒子群优化算法基本理论 | 第34-37页 |
| ·粒子群算法基本原理及计算流程 | 第34-36页 |
| ·粒子群算法特点 | 第36-37页 |
| ·基于PSO-BP神经网络的区块产油量预警模型 | 第37-45页 |
| ·基于粒子群优化的神经网络的优势 | 第37-38页 |
| ·基于PSO-BP的区块产油量预警实现流程 | 第38-40页 |
| ·基于PSO-BP的神经网络预测模型的结构设计 | 第40-45页 |
| ·基于PSO-BP的区块产油量预测方法及分析 | 第45-50页 |
| ·区块产油量预测模型分析 | 第45-48页 |
| ·影响因素指标预测方法研究 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 第五章 软件设计及应用实例分析 | 第51-65页 |
| ·软件设计 | 第51-57页 |
| ·混合编程的意义 | 第51页 |
| ·油气生产动态预警软件设计 | 第51-52页 |
| ·软件功能介绍 | 第52-57页 |
| ·实例分析 | 第57-64页 |
| ·油田情况简述 | 第57页 |
| ·软件应用及预警分析 | 第57-62页 |
| ·提前预警与方案仿真 | 第62-64页 |
| ·本章小结 | 第64-65页 |
| 结论与建议 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70页 |
