摘要 | 第1-6页 |
Abstract | 第6-8页 |
目录 | 第8-11页 |
第1章 绪论 | 第11-18页 |
·研究意义及选题依据 | 第11-12页 |
·井斜问题概述 | 第12-16页 |
·井斜的相关参数 | 第12-13页 |
·井斜的原因 | 第13-14页 |
·地质因素 | 第13-14页 |
·技术因素 | 第14页 |
·钻进参数因素 | 第14页 |
·国外直井防斜理论和技术研究现状 | 第14-16页 |
·国内外井眼轨迹预测研究现状 | 第16页 |
·主要研究内容与研究思路 | 第16-18页 |
·主要研究内容 | 第16页 |
·研究思路 | 第16-18页 |
第2章 数据挖掘技术与工具介绍 | 第18-27页 |
·数据挖掘的定义 | 第18页 |
·数据挖掘的功能 | 第18-19页 |
·数据挖掘的步骤 | 第19-20页 |
·数据预处理 | 第19-20页 |
·数据挖掘 | 第20页 |
·模式评估和解释 | 第20页 |
·数据挖掘常用算法 | 第20-22页 |
·关联规则 | 第20-21页 |
·决策树 | 第21页 |
·贝叶斯分类 | 第21页 |
·神经网络 | 第21-22页 |
·数据挖掘工具介绍 | 第22-27页 |
·SQL Servers 2008 Excel数据挖掘组件 | 第23-25页 |
·数据准备 | 第23页 |
·数据建模 | 第23页 |
·准确性和验证 | 第23-25页 |
·SPSS Clementine | 第25-27页 |
第3章 应用Excel数据挖掘组件分析钻井数据 | 第27-51页 |
·数据录入 | 第27-29页 |
·数据预处理 | 第29-36页 |
·数据变换 | 第29页 |
·数据清理 | 第29-32页 |
·数据离散化 | 第32-36页 |
·建立模型 | 第36-47页 |
·创建数据挖掘结构 | 第36页 |
·Microsoft决策树 | 第36-39页 |
·Microsoft Naive Bayes算法 | 第39-43页 |
·Microsoft关联规则 | 第43-45页 |
·Microsoft神经网络 | 第45-47页 |
·模型对比 | 第47-50页 |
·本章小结 | 第50-51页 |
第4章 应用SPSS Clementine进行数据挖掘 | 第51-70页 |
·数据导入 | 第51-52页 |
·数据预处理 | 第52-54页 |
·数据清理 | 第52页 |
·数据变换 | 第52-53页 |
·数据离散化 | 第53-54页 |
·建立模型及分析结果 | 第54-69页 |
·决策树 | 第55-64页 |
·决策树模型的创建方法 | 第55页 |
·决策树挖掘结果 | 第55-61页 |
·模型分析和评估 | 第61-64页 |
·关联规则 | 第64-66页 |
·贝叶斯 | 第66-67页 |
·神经网络 | 第67-69页 |
·本章结论 | 第69-70页 |
第5章 石湖井井斜机理分析 | 第70-75页 |
·井斜关键因素分析 | 第70-71页 |
·井斜机理分析 | 第71-74页 |
·本章小结 | 第74-75页 |
第6章 基于数据挖掘技术的井斜预测系统的初步设计 | 第75-80页 |
·系统的初步设计 | 第75-77页 |
·主要功能和目的 | 第75页 |
·主要工作原理和主要组成部分 | 第75-76页 |
·井斜预测系统工作流程 | 第76-77页 |
·系统测试 | 第77-79页 |
·Excel数据挖掘组件建立预测模型 | 第77-78页 |
·SPSS Clementine建立模型 | 第78-79页 |
·本章小结 | 第79-80页 |
结论 | 第80-81页 |
致谢 | 第81-82页 |
参考文献 | 第82-84页 |
攻读学位期间取得学术成果 | 第84页 |