| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究的目的意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 井喷事故的分析与预测 | 第10-11页 |
| 1.2.2 井喷早期监测方法 | 第11-12页 |
| 1.2.3 井喷早期监测系统 | 第12-14页 |
| 1.3 主要研究内容 | 第14页 |
| 1.4 研究技术路线 | 第14-15页 |
| 1.5 创新点 | 第15-17页 |
| 第二章 确定井喷关键风险因素 | 第17-37页 |
| 2.1 井喷事故树分析法 | 第17-22页 |
| 2.1.1 建立井喷事故树 | 第17-20页 |
| 2.1.2 布尔代数在事故树分析中的应用 | 第20-21页 |
| 2.1.3 求取最小径集 | 第21-22页 |
| 2.1.4 判断事件结构重要度 | 第22页 |
| 2.2 改进事故树定量分析 | 第22-28页 |
| 2.2.1 建立层次结构模型 | 第23-25页 |
| 2.2.2 选取标度 | 第25页 |
| 2.2.3 构造判断矩阵 | 第25-26页 |
| 2.2.4 计算权重 | 第26-27页 |
| 2.2.5 权重的结合 | 第27-28页 |
| 2.3 井喷关键风险因子筛选 | 第28-35页 |
| 2.3.1 事故树法准则层指标权重计算 | 第28-30页 |
| 2.3.2 事故树法指标层指标权重计算 | 第30-32页 |
| 2.3.3 标度层次分析法对准则层指标权重计算 | 第32页 |
| 2.3.4 标度层次分析法对指标层指标权重计算 | 第32-34页 |
| 2.3.5 确定海上井喷关键风险因素 | 第34-35页 |
| 2.4 本章小结 | 第35-37页 |
| 第三章 井喷等钻井事故判别方法研究与实现 | 第37-60页 |
| 3.1 井喷监测参数的选取 | 第37页 |
| 3.2 钻井工况的划分 | 第37-38页 |
| 3.3 基于专家系统的井喷等钻井事故识别方法 | 第38-46页 |
| 3.3.1 知识库的建立 | 第39-44页 |
| 3.3.2 推理机设计 | 第44-46页 |
| 3.4 基于Hadoop的贝叶斯网络判别方法 | 第46-57页 |
| 3.4.1 Hadoop计算平台 | 第47-50页 |
| 3.4.2 贝叶斯判别模型 | 第50-52页 |
| 3.4.3 应用贝叶斯判别井喷等钻井事故及存在的问题 | 第52页 |
| 3.4.4 基于Hadoop的贝叶斯网络判别实现 | 第52-57页 |
| 3.5 专家系统与基于Hadoop的贝叶斯网络判别结合 | 第57-59页 |
| 3.6 本章小结 | 第59-60页 |
| 第四章 井喷实时监控系统设计与开发 | 第60-75页 |
| 4.1 监控系统功能需求分析 | 第60-61页 |
| 4.1.1 设计目标 | 第60页 |
| 4.1.2 设计原则 | 第60-61页 |
| 4.1.3 系统功能需求 | 第61页 |
| 4.2 监控系统方案设计 | 第61-68页 |
| 4.2.1 系统物理架构设计 | 第61-62页 |
| 4.2.2 监控系统功能结构设计 | 第62-63页 |
| 4.2.3 关键风险因素监测模块 | 第63-65页 |
| 4.2.4 钻井参数实时监测模块 | 第65页 |
| 4.2.5 井喷监控系统预警模块 | 第65-67页 |
| 4.2.6 井喷事故处理模块 | 第67-68页 |
| 4.3 系统监测仪器选取 | 第68-70页 |
| 4.3.1 流量传感器 | 第69页 |
| 4.3.2 液位传感器 | 第69页 |
| 4.3.3 密度传感器 | 第69页 |
| 4.3.4 压力传感器 | 第69-70页 |
| 4.4 系统软件开发 | 第70-73页 |
| 4.4.1 软件功能模块划分 | 第70页 |
| 4.4.2 软件功能开发 | 第70-73页 |
| 4.5 实例应用 | 第73-74页 |
| 4.6 本章小结 | 第74-75页 |
| 第五章 结论与建议 | 第75-77页 |
| 5.1 结论 | 第75页 |
| 5.2 建议 | 第75-77页 |
| 致谢 | 第77-78页 |
| 参考文献 | 第78-81页 |
| 攻读硕士学位期间发表的论文 | 第81-82页 |