| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 创新点摘要 | 第6-9页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9页 |
| 1.2 国内外相关研究 | 第9-13页 |
| 1.2.1 数据挖掘智能模型研究现状 | 第9-12页 |
| 1.2.2 数据挖掘智能模型研究现状 | 第12-13页 |
| 1.3 论文的研究内容及结构安排 | 第13-15页 |
| 第二章 油田开发评价典型问题概述 | 第15-23页 |
| 2.1 引言 | 第15页 |
| 2.2 油田开发评价数据分析 | 第15-17页 |
| 2.3 油田开发过程及典型评价问题 | 第17-20页 |
| 2.3.1 油田开发的基本过程 | 第17-19页 |
| 2.3.2 油田开发评价的典型问题 | 第19-20页 |
| 2.4 油田开发评价的基本模型 | 第20-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第三章 基于径向基过程神经网络的预测挖掘模型及应用 | 第23-37页 |
| 3.1 引言 | 第23-24页 |
| 3.2 径向基过程神经网络挖掘模型的建立 | 第24-27页 |
| 3.2.1 径向基过程神经网络模型 | 第24页 |
| 3.2.2 基于离散Walsh变换的RBFPNN模型 | 第24-26页 |
| 3.2.3 基于超线性收敛的学习算法 | 第26-27页 |
| 3.3 径向基函数的函数形式及模型参数的研究 | 第27-29页 |
| 3.3.1 基函数形式的选择策略 | 第27-28页 |
| 3.3.2 基于动态K-均值的核参数确定方法 | 第28-29页 |
| 3.4 实验仿真对比 | 第29-31页 |
| 3.5 在油田开发指标预测中的应用 | 第31-36页 |
| 3.5.1 预测指标集的建立 | 第31-33页 |
| 3.5.2 基础数据预处理 | 第33-34页 |
| 3.5.3 网络训练过程 | 第34-35页 |
| 3.5.4 实验结果对比分析 | 第35-36页 |
| 3.6 本章小结 | 第36-37页 |
| 第四章 基于过程支持向量机的分类挖掘模型及应用 | 第37-50页 |
| 4.1 引言 | 第37-38页 |
| 4.2 过程支持向量机模型及参数优化方法 | 第38-42页 |
| 4.2.1 过程支持向量机模型 | 第38-40页 |
| 4.2.2 基于多尺度核方法的模型改进 | 第40-41页 |
| 4.2.3 参数优化方法 | 第41-42页 |
| 4.3 仿真实验对比 | 第42-44页 |
| 4.4 在低效井诊断过程中的应用 | 第44-49页 |
| 4.4.1 低效井诊断指标的确定 | 第44-45页 |
| 4.4.2 低效井诊断实现步骤 | 第45-47页 |
| 4.4.3 实验结果对比分析 | 第47-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第五章 系统设计与实现 | 第50-57页 |
| 5.1 系统设计 | 第50-52页 |
| 5.1.1 数据层的基本设计 | 第51页 |
| 5.1.2 业务逻辑层的基本设计 | 第51-52页 |
| 5.1.3 用户表现层的基本设计 | 第52页 |
| 5.2 原型系统实现 | 第52-55页 |
| 5.3 实际应用情况 | 第55-56页 |
| 5.4 本章小结 | 第56-57页 |
| 结论 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 发表文章目录 | 第61-62页 |
| 致谢 | 第62-63页 |