| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-10页 |
| 第1章 前言 | 第10-17页 |
| ·选题背景及研究意义 | 第10-11页 |
| ·国内外研究现状 | 第11-14页 |
| ·措施规划的国内外研究现状 | 第11-12页 |
| ·数据挖掘的国内外研究现状 | 第12-14页 |
| ·课题研究内容及思路 | 第14-15页 |
| ·论文的组织结构 | 第15-17页 |
| 第2章 数据挖掘技术理论研究 | 第17-25页 |
| ·数据挖掘的定义与功能 | 第17-19页 |
| ·数据挖掘的过程分析 | 第19-22页 |
| ·数据挖掘的步骤 | 第19-21页 |
| ·数据挖掘的体系结构 | 第21-22页 |
| ·数据挖掘的常用算法和技术研究 | 第22-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 面向数据挖掘的BP网络模型研究 | 第25-44页 |
| ·标准BP神经网络模型及算法 | 第25-30页 |
| ·BP网络的结构 | 第25-26页 |
| ·标准BP网络的学习算法 | 第26-30页 |
| ·面向数据挖掘的BP神经网络关键技术研究 | 第30-42页 |
| ·训练样本集的前置处理 | 第30-33页 |
| ·BP神经网络结构参数的确定 | 第33-37页 |
| ·BP神经网络结构的设计 | 第37-40页 |
| ·网络的训练与测试 | 第40-42页 |
| ·标准BP网络存在的局限性 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第4章 基于非线性调整的自适应遗传算法 | 第44-54页 |
| ·简单遗传算法（SGA） | 第44-49页 |
| ·运算流程 | 第44-45页 |
| ·遗传操作 | 第45-48页 |
| ·编码方式 | 第48页 |
| ·适应度函数 | 第48-49页 |
| ·基于非线性调整的自适应遗传算法的改进（NLSAGA） | 第49-53页 |
| ·算法改进策略 | 第49-51页 |
| ·实验验证及分析 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 第5章 BP神经网络全局优化策略的研究与改进 | 第54-71页 |
| ·基于跳跃梯度的LMBP算法优化策略 | 第54-62页 |
| ·LMBP(Levenberg-Marquardt)算法 | 第54-57页 |
| ·基于跳跃梯度的LMBP算法的改进 | 第57-61页 |
| ·实验结果及分析 | 第61-62页 |
| ·基于NLSAGA的LMBP全局自适应优化策略 | 第62-70页 |
| ·算法策略与流程 | 第63-68页 |
| ·实验结果及分析 | 第68-70页 |
| ·算法适应性分析 | 第70页 |
| ·本章小结 | 第70-71页 |
| 第6章 改进的BP神经网络在油田措施规划预测中的应用 | 第71-81页 |
| ·模型的描述 | 第71-72页 |
| ·模型的参数选择系统 | 第72-74页 |
| ·模型样本的数据预处理 | 第74-77页 |
| ·模型的构造与预测系统 | 第77页 |
| ·模型的比较分析 | 第77-80页 |
| ·本章小节 | 第80-81页 |
| 第7章 总结与展望 | 第81-83页 |
| ·本文的研究总结 | 第81-82页 |
| ·进一步的工作 | 第82-83页 |
| 参考文献 | 第83-88页 |
| 致谢 | 第88-89页 |
| 个人简历、在学期间的研究成果 | 第89页 |
