| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 创新点摘要 | 第7-11页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 研究背景及研究意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 油田开发调整规划 | 第11-13页 |
| 1.2.2 智能计算概述 | 第13-14页 |
| 1.2.3 过程神经元网络 | 第14页 |
| 1.2.4 智能进化算法 | 第14-16页 |
| 1.3 主要研究内容 | 第16页 |
| 1.4 研究方法及技术路线 | 第16-18页 |
| 第二章 油田开发规划与智能计算相关理论技术 | 第18-34页 |
| 2.1 油田开发规划概述 | 第18-22页 |
| 2.1.1 数学规划理论 | 第18-19页 |
| 2.1.2 油田开发规划模型及其求解算法 | 第19-22页 |
| 2.2 过程神经网络模型及学习算法 | 第22-25页 |
| 2.2.1 连续过程神经元网络 | 第23-24页 |
| 2.2.2 离散过程神经元网络 | 第24页 |
| 2.2.3 过程神经元网络学习算法 | 第24-25页 |
| 2.3 标准混洗蛙跳算法 | 第25-28页 |
| 2.3.1 混洗蛙跳算法的基本原理 | 第26页 |
| 2.3.2 混洗蛙跳算法的运行轨迹分析 | 第26-27页 |
| 2.3.3 混洗蛙跳算法的收敛性分析 | 第27-28页 |
| 2.4 云模型理论 | 第28-33页 |
| 2.4.1 云的定义及数字特征 | 第28-31页 |
| 2.4.2 正态云的数学性质 | 第31-32页 |
| 2.4.3 正态云的普适分布 | 第32页 |
| 2.4.4 基于云模型改进混洗蛙跳算法的基本原理 | 第32-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第三章 基于智能计算的开发调整措施井优选方法研究 | 第34-68页 |
| 3.1 储层微观孔隙结构分类标准及识别方法 | 第34-38页 |
| 3.1.1 储层微观孔隙结构特征相关概念 | 第34-35页 |
| 3.1.2 储层微观孔隙结构分类标准 | 第35-37页 |
| 3.1.3 基于BP神经网络的储层微观孔隙结构识别 | 第37-38页 |
| 3.2 基于双层过程神经网络的储层微观孔隙结构识别 | 第38-49页 |
| 3.2.1 双层过程神经网络识别模型 | 第38-39页 |
| 3.2.2 自适应分组混沌云模型蛙跳算法(AGCCM-SFLA) | 第39-48页 |
| 3.2.3 储层微观孔隙结构分类实验仿真 | 第48-49页 |
| 3.3 基于储层微观孔隙结构的单井及井组动静态分类 | 第49-64页 |
| 3.3.1 单井及井组动静态分类方法 | 第50-53页 |
| 3.3.2 模糊综合评判理论 | 第53-55页 |
| 3.3.3 评价模型隶属度函数确定 | 第55-62页 |
| 3.3.4 评价指标权重的确定 | 第62-64页 |
| 3.4 油田区块实例数据验证 | 第64-67页 |
| 3.5 本章小结 | 第67-68页 |
| 第四章 基于量子混洗蛙跳算法的综合措施调整多目标优化 | 第68-85页 |
| 4.1 量子混洗蛙跳算法(QSFLA) | 第68-74页 |
| 4.1.1 量子混洗蛙跳算法的个体编码方案 | 第68-69页 |
| 4.1.2 量子混洗蛙跳算法的种群评估 | 第69页 |
| 4.1.3 量子混洗蛙跳算法的种群进化 | 第69-72页 |
| 4.1.4 量子混洗蛙跳算法分组方法改进 | 第72页 |
| 4.1.5 算法的收敛性分析 | 第72页 |
| 4.1.6 函数极值优化 | 第72-74页 |
| 4.2 综合措施调整方案优化模型 | 第74-77页 |
| 4.2.1 决策变量及参数 | 第74-75页 |
| 4.2.2 约束条件的确定 | 第75页 |
| 4.2.3 模型的具体形式 | 第75-77页 |
| 4.3 基于QSFLA的调整优化模型求解及实例验证 | 第77-78页 |
| 4.4 基于单隐层过程神经网络的注采比预测 | 第78-83页 |
| 4.4.1 预测指标集的建立 | 第79-80页 |
| 4.4.2 单隐层过程神经网络预测模型及学习算法 | 第80-82页 |
| 4.4.3 实验仿真 | 第82-83页 |
| 4.5 本章小结 | 第83-85页 |
| 第五章 油田开发调整随机规划模型及求解算法研究 | 第85-115页 |
| 5.1 油田开发调整随机规划模型 | 第85-89页 |
| 5.1.1 随机规划的相关理论 | 第85-86页 |
| 5.1.2 油田开发单目标调整随机规划模型 | 第86-87页 |
| 5.1.3 油田开发多目标调整随机规划模型 | 第87-89页 |
| 5.2 基于离散过程神经网络的油价预测 | 第89-95页 |
| 5.2.1 离散输入过程神经网络模型及学习算法 | 第89-92页 |
| 5.2.2 预测模型仿真实验 | 第92-95页 |
| 5.3 自适应混洗文化蛙跳算法(AMC SFLA) | 第95-100页 |
| 5.3.1 群体空间的进化方式 | 第95-96页 |
| 5.3.2 信念空间的进化方式 | 第96页 |
| 5.3.3 外部空间的进化方式 | 第96-97页 |
| 5.3.4 接受函数和影响函数的设计 | 第97-99页 |
| 5.3.5 函数极值优化 | 第99-100页 |
| 5.4 基于AMC SFLA的随机规划模型求解及实例应用 | 第100-109页 |
| 5.4.1 单目标调整随机规划模型求解及实例 | 第101-106页 |
| 5.4.2 基于用户偏好的多目标调整随机规划模型求解及实例 | 第106-109页 |
| 5.5 基于多层模糊综合评价的多目标规划方案优选 | 第109-114页 |
| 5.5.1 评价因素的隶属度函数 | 第110-112页 |
| 5.5.2 多层模糊综合评价方案优选及效果评价 | 第112-114页 |
| 5.6 本章小结 | 第114-115页 |
| 第六章 基于构件的油田开发调整规划系统设计与实现 | 第115-126页 |
| 6.1 构件技术理论 | 第115-118页 |
| 6.1.1 构件的定义 | 第115-116页 |
| 6.1.2 构件技术的特征 | 第116-117页 |
| 6.1.3 构件的粒度及构件间的通信 | 第117-118页 |
| 6.2 系统设计与实现 | 第118-125页 |
| 6.2.1 相关构件功能介绍 | 第119-120页 |
| 6.2.2 系统相关功能介绍 | 第120-125页 |
| 6.3 本章小结 | 第125-126页 |
| 结论 | 第126-127页 |
| 参考文献 | 第127-136页 |
| 攻读博士学位期间取得的研究成果 | 第136-138页 |
| 致谢 | 第138页 |
