| 摘要 | 第1-5页 |
| ABSTRACT | 第5-6页 |
| 创新点摘要 | 第6-9页 |
| 第一章 绪论 | 第9-13页 |
| ·研究背景及意义 | 第9-10页 |
| ·课题研究现状及发展趋势 | 第10-12页 |
| ·本文研究内容简介 | 第12页 |
| ·本章小结 | 第12-13页 |
| 第二章 基于人工神经网络的指标预测基础知识简介 | 第13-21页 |
| ·引言 | 第13页 |
| ·人工神经网络简介 | 第13-17页 |
| ·人工神经网络基本理论 | 第13-16页 |
| ·人工神经网络模型机制分析 | 第16-17页 |
| ·油田开发指标 | 第17-20页 |
| ·开发指标简介与分类 | 第17-18页 |
| ·指标基本预测方法分析 | 第18-20页 |
| ·本章小结 | 第20-21页 |
| 第三章 基于改进的 ELMAN 网络的含水率的预测 | 第21-29页 |
| ·引言 | 第21页 |
| ·ELMAN 神经网络 | 第21-26页 |
| ·ELMAN 网络模型 | 第21-22页 |
| ·ELMAN 网络学习算法 | 第22-23页 |
| ·一种改进的遗传算法 | 第23-24页 |
| ·基于改进的遗传算法的 ELMAN 网络优化模型 | 第24-26页 |
| ·优化模型在含水率预测中的实际应用 | 第26-28页 |
| ·油田实测数据 | 第26-27页 |
| ·预测结果分析 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第四章 基于优化的过程神经网络的原油产量预测预警 | 第29-42页 |
| ·引言 | 第29页 |
| ·过程神经网络 | 第29-30页 |
| ·过程神经元 | 第29-30页 |
| ·过程神经元网络模型 | 第30页 |
| ·优化模型的建立 | 第30-36页 |
| ·过程神经网络学习算法 | 第30-32页 |
| ·粒子群优化算法 | 第32-34页 |
| ·基于粒子群算法优化的过程神经网络模型 | 第34-36页 |
| ·优化模型在原油产量预测预警中的应用 | 第36-41页 |
| ·预警指标体系的建立 | 第36-38页 |
| ·样本数据选取及处理 | 第38-39页 |
| ·模型的建立与应用 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 第五章 基于优化的 RBF 网络的措施效果预测 | 第42-51页 |
| ·引言 | 第42页 |
| ·径向基神经网络 | 第42-47页 |
| ·径向基函数神经网络模型 | 第43-44页 |
| ·径向基函数神经网络算法 | 第44-45页 |
| ·一种动态 K-均值聚类算法 | 第45-47页 |
| ·基于动态 K-均值算法的优化径向基网络模型 | 第47页 |
| ·在油井措施效果预测中的应用 | 第47-50页 |
| ·措施效果预测指标体系的建立 | 第47-48页 |
| ·样本数据 | 第48-49页 |
| ·模型的训练及应用 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 第六章 基于人工神经网络的指标预测系统实现 | 第51-61页 |
| ·引言 | 第51页 |
| ·系统设计 | 第51-52页 |
| ·系统实现技术简介 | 第52-54页 |
| ·系统功能模块介绍 | 第54-60页 |
| ·指标数据组织与管理 | 第54-56页 |
| ·成果数据管理 | 第56-57页 |
| ·指标预测 | 第57-58页 |
| ·指标预警 | 第58-59页 |
| ·措施评价 | 第59-60页 |
| ·本章小结 | 第60-61页 |
| 结论 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 发表文章目录 | 第65-66页 |
| 致谢 | 第66-67页 |
| 详细摘要 | 第67-76页 |