| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-36页 |
| 1.1 立题背景及研究意义 | 第9-12页 |
| 1.1.1 立题背景 | 第9-11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-34页 |
| 1.2.1 实验方面 | 第12页 |
| 1.2.2 图版方面 | 第12-19页 |
| 1.2.3 理论模型方面 | 第19-34页 |
| 1.3 研究内容及技术路线 | 第34-36页 |
| 第2章 机器学习算法相关理论 | 第36-45页 |
| 2.1 神经网络 | 第36-39页 |
| 2.1.1 背景 | 第36页 |
| 2.1.2 BP神经网络理论 | 第36-37页 |
| 2.1.3 BP神经网络的优缺点 | 第37-38页 |
| 2.1.4 BP神经网络模型的建立和参数优选 | 第38-39页 |
| 2.2 支持向量机 | 第39-43页 |
| 2.2.1 背景 | 第39-40页 |
| 2.2.2 理论基础 | 第40-41页 |
| 2.2.3 支持向量机的优缺点 | 第41-42页 |
| 2.2.4 SVM模型的建立和参数优选 | 第42-43页 |
| 2.3 本章小结 | 第43-45页 |
| 第3章 含水量影响因素分析及异常点检测理论 | 第45-50页 |
| 3.1 灰色关联分析 | 第45-46页 |
| 3.2 饱和含水量影响因素分析 | 第46-47页 |
| 3.3 异常点检测理论 | 第47-49页 |
| 3.4 本章小结 | 第49-50页 |
| 第4章 模型建立及结果分析 | 第50-73页 |
| 4.1 数据选择 | 第50-51页 |
| 4.2 常规天然气饱和含水量 | 第51-59页 |
| 4.3 酸性天然气饱和含水量 | 第59-71页 |
| 4.3.1 纯H_2S和纯CO_2气体饱和含水量 | 第59-62页 |
| 4.3.2 H_2S-CO_2二元混合气体饱和含水量 | 第62-66页 |
| 4.3.3 酸性天然气饱和含水量 | 第66-71页 |
| 4.4 本章小结 | 第71-73页 |
| 第5章 结论与建议 | 第73-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-81页 |
| 攻读硕士学位期间发表的论文 | 第81页 |