| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究背景 | 第8页 |
| 1.2 研究目标和研究意义 | 第8-9页 |
| 1.2.1 研究目标 | 第8-9页 |
| 1.2.2 研究意义 | 第9页 |
| 1.3 研究内容和研究方法 | 第9-10页 |
| 1.3.1 研究内容 | 第9-10页 |
| 1.3.2 研究方法 | 第10页 |
| 1.4 论文结构和技术路线 | 第10-11页 |
| 1.4.1 论文结构 | 第10-11页 |
| 1.4.2 研究模型和技术路线 | 第11页 |
| 1.5 论文创新点 | 第11页 |
| 1.6 本章小结 | 第11-14页 |
| 2 相关理论研究及油气储运预警管理现状 | 第14-29页 |
| 2.1 控制图理论 | 第14-15页 |
| 2.2 K-means聚类 | 第15页 |
| 2.3 人工神经网络 | 第15-24页 |
| 2.3.1 BP神经网络 | 第15-18页 |
| 2.3.2 PNN相关理论 | 第18-24页 |
| 2.4 油气储运预警管理现状 | 第24-28页 |
| 2.4.1 大数据 | 第24-25页 |
| 2.4.2 油气储运标准 | 第25页 |
| 2.4.3 预警指标 | 第25-26页 |
| 2.4.4 预警方法 | 第26-27页 |
| 2.4.5 预警系统 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 3 油气储运指标体系构建及预警模型 | 第29-44页 |
| 3.1 指标体系建立 | 第29页 |
| 3.1.1 指标体系建立的意义 | 第29页 |
| 3.1.2 指标确立原则及指标描述 | 第29页 |
| 3.2 预警模型 | 第29-35页 |
| 3.2.1 问题引入 | 第29-31页 |
| 3.2.2 控制图理论实现大数据初步筛选 | 第31页 |
| 3.2.3 BP算法实现数据拟合 | 第31-33页 |
| 3.2.4 数据分类方法初探 | 第33-34页 |
| 3.2.5 PNN网络改进在线智能分类模型 | 第34-35页 |
| 3.2.6 应急预案 | 第35页 |
| 3.3 仿真实验 | 第35-43页 |
| 3.3.1 控制图数据初筛选 | 第35-38页 |
| 3.3.2 BP非线性拟合 | 第38-42页 |
| 3.3.3 异常数据智能分类 | 第42-43页 |
| 3.4 本章小结 | 第43-44页 |
| 4 监测预警管理系统设计开发 | 第44-58页 |
| 4.1 设计方法 | 第44页 |
| 4.2 设计思想 | 第44页 |
| 4.3 系统分析 | 第44-45页 |
| 4.4 系统设计 | 第45-57页 |
| 4.4.1 模块设计 | 第45-56页 |
| 4.4.2 系统功能模块 | 第56-57页 |
| 4.5 本章小结 | 第57-58页 |
| 5 油气储运设施智能在线预警管理系统与传统预警管理对接 | 第58-62页 |
| 5.1 传统预警系统存在的问题 | 第58页 |
| 5.2 实现智能预警系统与传统管理的对接 | 第58-61页 |
| 5.2.1 温度预案管理 | 第59-60页 |
| 5.2.2 压力预案管理 | 第60页 |
| 5.2.3 液位预案管理 | 第60页 |
| 5.2.4 介质浓度预案管理 | 第60-61页 |
| 5.3 管理应用 | 第61页 |
| 5.4 本章小结 | 第61-62页 |
| 6 总结和展望 | 第62-66页 |
| 6.1 研究结论 | 第62-64页 |
| 6.2 研究局限及展望 | 第64-66页 |
| 参考文献 | 第66-71页 |
| 攻读硕士学位期间发表学术论文情况 | 第71-72页 |
| 致谢 | 第72-74页 |