| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 课题来源及研究目的意义 | 第8-9页 |
| 1.2 相关技术的国内外研究现状 | 第9-12页 |
| 1.2.1 数据挖掘技术研究概况 | 第9-10页 |
| 1.2.2 油田产量预测方法研究概况 | 第10-12页 |
| 1.3 主要研究内容 | 第12-13页 |
| 1.4 论文安排 | 第13-14页 |
| 第二章 基于粗糙集理论的生产数据属性约简 | 第14-27页 |
| 2.1 引言 | 第14页 |
| 2.2 粗糙集理论 | 第14-17页 |
| 2.2.1 粗糙集相关概念 | 第15-16页 |
| 2.2.2 属性约简与属性核 | 第16-17页 |
| 2.3 基于改进粒子群算法的属性约简 | 第17-26页 |
| 2.3.1 基于属性依赖度的约简算法 | 第17-19页 |
| 2.3.2 改进粒子群算法描述 | 第19-24页 |
| 2.3.3 属性约简结果对比分析 | 第24-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 基于改进决策树算法的生产数据分类 | 第27-37页 |
| 3.1 引言 | 第27页 |
| 3.2 决策树理论 | 第27-30页 |
| 3.2.1 基本概念 | 第27-28页 |
| 3.2.2 决策树C4.5 算法 | 第28-30页 |
| 3.3 基于Fayyad边界点判定定理的改进C4.5 算法描述 | 第30-34页 |
| 3.3.1 Fayyad边界点判定定理及C4.5 算法分析 | 第30-31页 |
| 3.3.2 C4.5 算法改进思路 | 第31-32页 |
| 3.3.3 改进C4.5 算法的执行过程描述 | 第32-33页 |
| 3.3.4 改进C4.5 算法的性能测试 | 第33-34页 |
| 3.4 改进C4.5 算法在产量数据分类中的应用 | 第34-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第四章 基于组合预测方法的油田产量预测 | 第37-48页 |
| 4.1 引言 | 第37页 |
| 4.2 油田产量的组合预测方法 | 第37-46页 |
| 4.2.1 基于多元线性回归的产油量影响因素筛选 | 第38-40页 |
| 4.2.2 基于ARMA模型的显著变量数据预测 | 第40-44页 |
| 4.2.3 基于BP神经网络的产油量预测 | 第44-46页 |
| 4.3 预测对比结果分析 | 第46-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第五章 基于数据挖掘的决策支持系统设计 | 第48-58页 |
| 5.1 系统架构 | 第48-49页 |
| 5.2 系统主要功能及流程设计 | 第49-52页 |
| 5.3 系统实现过程 | 第52-57页 |
| 5.3.1 数据库设计 | 第52-53页 |
| 5.3.2 算法的实现过程 | 第53-55页 |
| 5.3.3 系统实现效果展示 | 第55-57页 |
| 5.4 本章小结 | 第57-58页 |
| 结论 | 第58-59页 |
| 参考文献 | 第59-64页 |
| 作者简介、发表文章及研究成果目录 | 第64-65页 |
| 致谢 | 第65-66页 |