优选压裂井方法研究
| 摘要 | 第1-3页 |
| Abstract | 第3-8页 |
| 1.绪论 | 第8-17页 |
| ·本文研究目的与意义 | 第8页 |
| ·国内外研究现状 | 第8-13页 |
| ·优选压裂井方法概况 | 第8-11页 |
| ·神经网络的研究与发展历史 | 第11-12页 |
| ·遗传算法的研究和发展概述 | 第12-13页 |
| ·本文的主要研究内容 | 第13-14页 |
| ·本文研究的技术路线 | 第14-15页 |
| ·本文的主要研究成果及创新点 | 第15-17页 |
| ·本文的主要研究成果 | 第15-16页 |
| ·本文的创新点 | 第16-17页 |
| 2.影响压裂选井的因素和数据集筛选 | 第17-33页 |
| ·压裂选井的原则 | 第17页 |
| ·影响压裂效果的主要因素分析 | 第17-21页 |
| ·灰色关联分析方法计算步骤 | 第17-19页 |
| ·灰色关联分析方法优选主要影响因素 | 第19-21页 |
| ·模糊排序确定主要影响因素 | 第21-25页 |
| ·压裂选井数据集的筛选 | 第25-33页 |
| ·模糊聚类方法 | 第25-27页 |
| ·模糊神经分类系统 | 第27-33页 |
| 3 模糊数学方法优选压裂井 | 第33-50页 |
| ·层次分析法原理 | 第33-35页 |
| ·优选压裂井的模糊综合评判模型 | 第35-37页 |
| ·优选压裂井的模糊决策模型 | 第37-39页 |
| ·优选压裂井的模糊分析模型 | 第39-41页 |
| ·优选压裂井的模糊综合决策模型 | 第41-44页 |
| ·优选压裂井的灰色关联分析模型 | 第44-48页 |
| ·模糊数学方法分析压裂井成功性 | 第48-50页 |
| 4 改进的人工神经网络优选压裂井 | 第50-86页 |
| ·标准的BP人工神经网络 | 第50-51页 |
| ·BP神经网络算法推导过程 | 第51-54页 |
| ·标准BP神经网络的缺点及改进方法 | 第54-56页 |
| ·标准BP神经网络的缺点 | 第54页 |
| ·标准BP神经网络的改进方法 | 第54-56页 |
| ·网络训练优化算法 | 第56-60页 |
| ·基于标准梯度下降的方法 | 第57页 |
| ·附加动量法 | 第57-59页 |
| ·自适应学习速率 | 第59页 |
| ·弹性BP算法 | 第59-60页 |
| ·基于数值优化方法的网络训练算法 | 第60-64页 |
| ·拟牛顿法 | 第61-62页 |
| ·共轭梯度法 | 第62-63页 |
| ·Levenberg-Marquardt法 | 第63-64页 |
| ·神经网络的泛化能力 | 第64-66页 |
| ·泛化能力是神经网络的重要技术指标 | 第64页 |
| ·影响神经网络泛化能力的主要因素 | 第64-65页 |
| ·提高神经网络泛化能力的方法 | 第65-66页 |
| ·BP网络结构、参数及训练方法的设计与选择 | 第66-86页 |
| ·BP网络的设计 | 第67-80页 |
| ·改进的BP神经网络优选压裂井 | 第80-86页 |
| 5 改进的模糊神经网络优选压裂井 | 第86-103页 |
| ·模糊系统和神经网络的融合 | 第86-87页 |
| ·模糊系统模型 | 第87-88页 |
| ·模糊逻辑和BP神经网络结合 | 第88-90页 |
| ·模糊逻辑的基本理论 | 第88-89页 |
| ·模糊逻辑和BP神经网络结合的方式 | 第89-90页 |
| ·常见的模糊神经网络 | 第90-97页 |
| ·正规化模糊神经网络 | 第90-92页 |
| ·传统的高木—关野模糊神经网络 | 第92-94页 |
| ·改进的高木—关野模糊神经网络 | 第94-97页 |
| ·改进的高木—关野模糊神经网络的训练及优选压裂井 | 第97-103页 |
| ·改进的高木—关野模糊神经网络的训练 | 第97-98页 |
| ·改进的高木—关野模糊神经网络优选压裂井 | 第98-103页 |
| 6 改进的遗传神经网络优选压裂井 | 第103-132页 |
| ·遗传算法的基本理论 | 第103-109页 |
| ·参数编码和初始群体的生成 | 第103页 |
| ·适应度函数及其尺度变换 | 第103-107页 |
| ·遗传算法的三个主要遗传算子 | 第107-109页 |
| ·遗传算法面临的问题及改进方法 | 第109-114页 |
| ·简单保留最优值的遗传算法 | 第110页 |
| ·选择算子的改进 | 第110-111页 |
| ·交叉算子的改进 | 第111-112页 |
| ·变异算子的改进 | 第112页 |
| ·自适应遗传算法 | 第112-114页 |
| ·遗传算法与人工神经网络的结合 | 第114-116页 |
| ·神经网络连接权的进化 | 第114-115页 |
| ·神经网络结构的进化 | 第115-116页 |
| ·遗传算法优化神经网络结构和权值 | 第116-125页 |
| ·遗传算法优化神经网络结构 | 第116-118页 |
| ·遗传算法优化神经网络权值 | 第118-125页 |
| ·遗传算法优化结构和权值的神经网络优选压裂井 | 第125-130页 |
| ·训练数据集与测试数据集分析 | 第125-128页 |
| ·遗传神经网络优选压裂井 | 第128-130页 |
| ·各种选井方法对比 | 第130页 |
| ·忽略参数法分析影响因素重要性 | 第130-132页 |
| 7 主要结论与建议 | 第132-134页 |
| ·本文的主要结论 | 第132-133页 |
| ·主要建议 | 第133-134页 |
| 致谢 | 第134-135页 |
| 博士期间发表的论文 | 第135-136页 |
| 参考文献 | 第136-141页 |
