摘要 | 第4-5页 |
abstract | 第5页 |
第一章 绪论 | 第9-15页 |
1.1 课题来源及其研究意义 | 第9页 |
1.2 国内外研究现状及存在问题 | 第9-13页 |
1.2.1 国内外对低渗气藏的研究 | 第9-11页 |
1.2.2 国内外对致密气层压裂气井产能的研究现状 | 第11-12页 |
1.2.3 数学方法的研究现状 | 第12-13页 |
1.2.4 存在的问题 | 第13页 |
1.3 课题的研究内容、拟解决的关键问题 | 第13-15页 |
1.3.1 研究内容 | 第13-14页 |
1.3.2 拟解决的关键技术 | 第14-15页 |
第二章 致密气藏开发机理研究 | 第15-28页 |
2.1 致密气藏的特征 | 第15-22页 |
2.1.1 致密气藏的储层特征 | 第15-16页 |
2.1.2 致密气藏的开发特征 | 第16-18页 |
2.1.3 致密气藏的物性特征 | 第18-22页 |
2.2 压裂增产的机理研究 | 第22-23页 |
2.2.1 压裂裂缝的形态 | 第22-23页 |
2.2.2 压裂增产因素 | 第23页 |
2.3 致密气层压裂井产能预测方法 | 第23-26页 |
2.3.1 常规方法 | 第23-25页 |
2.3.2 数学统计方法 | 第25-26页 |
2.4 本章小结 | 第26-28页 |
第三章 致密气层压裂井产能影响因素分析 | 第28-41页 |
3.1 定性分析 | 第29-35页 |
3.1.1 可研究的因素 | 第29页 |
3.1.2 数值模拟分析 | 第29-35页 |
3.2 定量分析 | 第35-40页 |
3.2.1 正交试验分析 | 第35-39页 |
3.2.2 灰色关联分析 | 第39-40页 |
3.3 本章小结 | 第40-41页 |
第四章 致密气层压裂井产能预测方法 | 第41-59页 |
4.1 基于人工神经网络的产能预测模型 | 第41-47页 |
4.1.1 人工神经网络 | 第41-42页 |
4.1.2 BP基本原理 | 第42页 |
4.1.3 特征参数选择 | 第42-43页 |
4.1.4 网络参数的设定 | 第43-46页 |
4.1.5 实例应用 | 第46-47页 |
4.2 基于支持向量机的产能预测模型 | 第47-54页 |
4.2.1 线性回归预测 | 第47-49页 |
4.2.2 非线性回归预测 | 第49-50页 |
4.2.3 核函数 | 第50-51页 |
4.2.4 参数的优选 | 第51-52页 |
4.2.5 实例应用 | 第52-54页 |
4.3 基于灰色理论的产能预测模型 | 第54-58页 |
4.3.1 建模思想 | 第54页 |
4.3.2 GM(1,1)模型的建立 | 第54-55页 |
4.3.3 残差检验 | 第55-56页 |
4.3.4 实例应用 | 第56-58页 |
4.4 本章小结 | 第58-59页 |
第五章 程序设计与实例应用 | 第59-69页 |
5.1 程序设计 | 第59-60页 |
5.1.1 VB与Matlab混合编程 | 第59页 |
5.1.2 软件设计 | 第59-60页 |
5.2 实例分析 | 第60-68页 |
5.2.1 致密气层压裂井产能预测结果及分析 | 第60-62页 |
5.2.2 投产后的压裂井产量变化规律预测结果及分析 | 第62-68页 |
5.3 预测方法的评价 | 第68页 |
5.4 本章小结 | 第68-69页 |
结论 | 第69-70页 |
参考文献 | 第70-74页 |
致谢 | 第74页 |