首页--工业技术论文--石油、天然气工业论文--钻井工程论文--洗井、固井、完井、油层损害与预防论文--油气层损害与预防论文

基于支持向量机方法的致密砂岩储层损害预测系统研发

摘要第4-5页
Abstract第5页
第1章 绪论第9-24页
    1.1 研究背景第9-10页
    1.2 研究目的及意义第10-11页
    1.3 国内外研究现状第11-22页
        1.3.1 致密砂岩储层特征与储层损害特征研究现状第11-12页
        1.3.2 致密砂岩储层损害评价方法研究现状第12-16页
        1.3.3 数学模型储层损害预测方法的研究现状第16-19页
        1.3.4 人工智能储层损害预测方法的研究现状第19-22页
    1.4 研究内容及技术路线第22-24页
        1.4.1 主要研究内容第22-23页
        1.4.2 技术路线第23-24页
第2章 人工智能方法原理及优选第24-34页
    2.1 支持向量机第24-27页
    2.2 人工神经网络第27-28页
    2.3 专家系统第28-29页
    2.4 遗传算法第29-30页
    2.5 粒子群算法第30-31页
    2.6 蚁群算法第31-32页
    2.7 基于小样本条件的人工智能方法优选第32-33页
    2.8 本章小结第33-34页
第3章 致密砂岩储层损害预测方法的搭建第34-51页
    3.1 方法搭建的技术路线第34-35页
    3.2 数据预处理方法第35-41页
        3.2.1 归一化方法第35-38页
        3.2.2 数据降维方法第38-41页
    3.3 适用于小样本的支持向量机预测方法第41-44页
    3.4 支持向量机参数优选方法第44-50页
        3.4.1 基于网格搜寻算法和交叉验证的寻优计算第44-46页
        3.4.2 基于遗传算法的寻优计算第46-48页
        3.4.3 基于粒子群算法的寻优计算第48-50页
    3.5 本章小结第50-51页
第4章 致密砂岩储层损害预测系统的开发第51-67页
    4.1 需求分析第51-52页
    4.2 系统概要设计第52-54页
        4.2.1 系统主体架构第52-53页
        4.2.2 系统主要功能第53-54页
        4.2.3 系统编写语言、运行环境及特点第54页
    4.3 系统详细设计第54-56页
    4.4 代码编写第56页
    4.5 系统功能测试和界面展示第56-66页
        4.5.1 打开程序与用户登录功能第57-58页
        4.5.2 数据输入及处理功能第58-61页
        4.5.3 SVM参数寻优功能第61-63页
        4.5.4 SVM预测储层损害功能第63-65页
        4.5.5 其他功能第65-66页
    4.6 本章小结第66-67页
第5章 致密砂岩储层损害预测系统应用与分析第67-81页
    5.1 水锁损害预测应用第67-76页
        5.1.1 实例一第67-70页
        5.1.2 实例二第70-73页
        5.1.3 实例三第73-76页
    5.2 敏感性损害预测应用第76-80页
    5.3 本章小结第80-81页
第6章 结论及建议第81-83页
    6.1 结论第81-82页
    6.2 建议第82-83页
致谢第83-84页
参考文献第84-90页
附录第90-101页

论文共101页,点击 下载论文
上一篇:S气田凝析油污染研究
下一篇:基于复杂裂缝网络页岩气产量研究