基于数据智能的油水井测试方案优化技术研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 选题背景及其意义 | 第8-9页 |
| 1.2 国内外油田测试方案现状 | 第9页 |
| 1.3 国内外时间序列挖掘现状 | 第9-11页 |
| 1.4 研究目标与内容 | 第11页 |
| 1.4.1 研究目标 | 第11页 |
| 1.4.2 研究内容 | 第11页 |
| 1.5 论文结构 | 第11-13页 |
| 第2章 油田数据结构和相关技术理论 | 第13-18页 |
| 2.1 油田数据结构现状 | 第13-14页 |
| 2.2 测试方案优化研究的主要任务 | 第14页 |
| 2.3 测试方案优化研究的相关技术 | 第14-17页 |
| 2.3.1 时间序列数据预处理 | 第14-15页 |
| 2.3.2 时间序列数据的表示 | 第15页 |
| 2.3.3 时间序列相似性度量 | 第15-16页 |
| 2.3.4 时间序列聚类 | 第16-17页 |
| 2.4 本章小结 | 第17-18页 |
| 第3章 油水井时间序列数据处理和特征集构建 | 第18-34页 |
| 3.1 油水井时间序列数据预处理 | 第18-23页 |
| 3.1.1 数据集选择 | 第18页 |
| 3.1.2 数据集清理 | 第18-20页 |
| 3.1.3 数据集转换 | 第20-21页 |
| 3.1.4 数据处理实验 | 第21-23页 |
| 3.2 时间序列全局特征提取 | 第23-28页 |
| 3.2.1 基本统计特征 | 第24-25页 |
| 3.2.2 时域特征 | 第25-26页 |
| 3.2.3 混沌性特征 | 第26-28页 |
| 3.3 时间序列特征集构建 | 第28-29页 |
| 3.4 时间序列特征抽取实验 | 第29-33页 |
| 3.5 本章小结 | 第33-34页 |
| 第4章 油水井时间序列的聚类 | 第34-45页 |
| 4.1 聚类算法 | 第34-36页 |
| 4.1.1 基于遗传的K-means算法 | 第34-35页 |
| 4.1.2 层次聚类算法 | 第35页 |
| 4.1.3 两种聚类算法组合 | 第35-36页 |
| 4.2 油井时间序列聚类 | 第36-40页 |
| 4.2.1 特征集标准化 | 第36页 |
| 4.2.2 聚类结果及分析 | 第36-40页 |
| 4.3 注水井时间序列聚类 | 第40-44页 |
| 4.3.1 特征集标准化 | 第40-41页 |
| 4.3.2 聚类结果及分析 | 第41-44页 |
| 4.4 本章小结 | 第44-45页 |
| 第5章 油水井测试方案优化软件 | 第45-56页 |
| 5.1 测试方案优化软件原理 | 第45-46页 |
| 5.2 测试方案优化软件设计 | 第46-49页 |
| 5.2.1 软件框架 | 第46-47页 |
| 5.2.2 数据库设计 | 第47-48页 |
| 5.2.3 优化模型设计 | 第48-49页 |
| 5.3 测试方案优化软件关键技术 | 第49-50页 |
| 5.3.1 Java和Matlab混合编程 | 第49页 |
| 5.3.2 Hibernate框架 | 第49-50页 |
| 5.3.3 Java Swing技术 | 第50页 |
| 5.3.4 JFreeChart技术 | 第50页 |
| 5.4 测试方案优化软件功能 | 第50-55页 |
| 5.4.1 数据载入和选择模块 | 第51-52页 |
| 5.4.2 数据预处理模块 | 第52-53页 |
| 5.4.3 数据特征提取模块 | 第53页 |
| 5.4.4 数据特征聚类模块 | 第53-54页 |
| 5.4.5 效果评价模块 | 第54-55页 |
| 5.5 本章小结 | 第55-56页 |
| 第6章 总结与展望 | 第56-58页 |
| 参考文献 | 第58-60页 |
| 附录A 时间序列相关系数表 | 第60-64页 |
| 致谢 | 第64页 |
