| 摘要 | 第1-5页 |
| ABSTRACT | 第5-11页 |
| 第一章 绪论 | 第11-19页 |
| ·本文的研究目的和意义 | 第11-13页 |
| ·国内外研究现状 | 第13-16页 |
| ·课题背景及本文主要工作 | 第16-17页 |
| ·本文的创新点 | 第17-19页 |
| 第二章 钻井风险管理知识集成体系与模型研究 | 第19-42页 |
| ·知识集成理论的发展与应用 | 第19-21页 |
| ·知识集成的概念 | 第19页 |
| ·知识集成理论的应用 | 第19-21页 |
| ·钻井风险知识集成与体系划分 | 第21-36页 |
| ·钻井风险知识体系划分 | 第21-22页 |
| ·钻井风险及复杂问题分析 | 第22-36页 |
| ·基于本体知识和语义 Web 技术的钻井风险知识集成模型研究 | 第36-41页 |
| ·基于专家系统的知识表示与推理机制 | 第37-38页 |
| ·基于 Web 语义技术的钻井风险知识模型构建工具 | 第38-41页 |
| ·本章小结 | 第41-42页 |
| 第三章 基于多源信息融合的钻井风险管理与分析评价方法 | 第42-58页 |
| ·风险及风险管理相关术语 | 第42-46页 |
| ·风险的相关概念 | 第42-43页 |
| ·风险管理的相关概念 | 第43-46页 |
| ·基于多源信息融合的钻井风险分析评价方法 | 第46-50页 |
| ·基于 Copula 函数和随钻信息的钻井风险评价模型建立 | 第50-56页 |
| ·基于 Copula 函数的集成化风险评估 | 第50-52页 |
| ·随钻测量技术的发展 | 第52-53页 |
| ·钻井信息云模型的概念 | 第53页 |
| ·模型设计思路 | 第53-54页 |
| ·模型总体框架 | 第54-56页 |
| ·本章小结 | 第56-58页 |
| 第四章 基于神经网络的钻井风险实时监测与智能诊断模型研究 | 第58-73页 |
| ·人工神经网络概述 | 第58-61页 |
| ·神经网络的基本特征 | 第58-60页 |
| ·神经网络的功能 | 第60-61页 |
| ·神经网络算法的应用 | 第61-67页 |
| ·神经网络结构和异常映射 | 第61-62页 |
| ·神经元模型 | 第62-63页 |
| ·BP 算法及模型 | 第63-64页 |
| ·网络训练 | 第64-67页 |
| ·钻井实时状态监测与诊断系统模型研究 | 第67-72页 |
| ·系统总体设计 | 第67-69页 |
| ·钻井实时数据采集与传输系统研究 | 第69页 |
| ·远程专家协助决策子系统 | 第69-70页 |
| ·异常诊断子系统研究 | 第70-72页 |
| ·本章小结 | 第72-73页 |
| 第五章 钻井风险管理知识集成与智能决策系统平台开发与应用 | 第73-94页 |
| ·智能决策支持系统总体设计方案 | 第73-81页 |
| ·系统设计思路 | 第73-77页 |
| ·系统技术路线 | 第77-81页 |
| ·系统开发环境及编程语言 | 第81-88页 |
| ·开发环境 | 第82-85页 |
| ·编程语言 | 第85-87页 |
| ·数据库管理系统 | 第87-88页 |
| ·系统应用与软件功能实现 | 第88-93页 |
| ·本章小结 | 第93-94页 |
| 第六章 结论与建议 | 第94-97页 |
| ·结论 | 第94-95页 |
| ·建议 | 第95-97页 |
| 致谢 | 第97-98页 |
| 参考文献 | 第98-103页 |
| 攻读硕士学位期间发表的论文 | 第103-104页 |
| 详细摘要 | 第104-131页 |
