| 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9-14页 |
| 1.1 课题研究背景及目的意义 | 第9页 |
| 1.2 分层注水国内外研究现状 | 第9-10页 |
| 1.3 智能算法国内外发展及应用现状 | 第10-13页 |
| 1.3.1 人工神经网络在智能预测方面研究现状 | 第10-11页 |
| 1.3.2 粒子群算法优化国内外研究现状 | 第11-13页 |
| 1.4 论文的主要研究内容 | 第13页 |
| 1.5 论文的安排 | 第13-14页 |
| 第二章 分层注水工艺介绍 | 第14-21页 |
| 2.1 引言 | 第14-15页 |
| 2.2 分层注水的实现方法 | 第15-17页 |
| 2.2.1 层段划分原理与措施 | 第15页 |
| 2.2.2 分层配注量的控制方法及评价 | 第15-17页 |
| 2.3 影响层段注水效果的地质因素 | 第17-19页 |
| 2.4 目前分层注水量计算方法 | 第19-20页 |
| 2.4.1 静态地层系数法 | 第19页 |
| 2.4.2 动态方程法 | 第19-20页 |
| 2.4.3 剩余油法 | 第20页 |
| 2.5 本章小结 | 第20-21页 |
| 第三章 基于自适应混沌粒子群算法的 BP 神经网络 | 第21-36页 |
| 3.1 引言 | 第21页 |
| 3.2 BP 神经网络 | 第21-23页 |
| 3.2.1 BP 神经网络的基本思想 | 第21-23页 |
| 3.2.2 BP 神经网络的优缺点 | 第23页 |
| 3.3 粒子群算法 | 第23-32页 |
| 3.3.1 粒子群算法的数学描述 | 第24页 |
| 3.3.2 标准粒子群算法的局限性 | 第24-25页 |
| 3.3.3 自适应混沌动态粒子群算法 | 第25-28页 |
| 3.3.4 自适应混沌粒子群算法测试 | 第28-30页 |
| 3.3.5 ACPSO 收敛性分析 | 第30-32页 |
| 3.4 基于 ACPSO 算法的 BP 神经网络 | 第32-35页 |
| 3.4.1 基于 ACPSO 粒子群算法的神经网络整体思想 | 第32-33页 |
| 3.4.2 ACPSO 粒子群算法优化神经网络算法步骤和流程图 | 第33-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第四章 层段注水量预测模型的构建 | 第36-46页 |
| 4.1 引言 | 第36页 |
| 4.2 训练样本集的准备 | 第36-38页 |
| 4.2.1 输入输出变量的选择 | 第36-38页 |
| 4.3 网络拓扑结构设计 | 第38-39页 |
| 4.3.1 输入与输出层的设计 | 第38页 |
| 4.3.2 隐层数设计 | 第38页 |
| 4.3.3 隐层节点数设计 | 第38-39页 |
| 4.4 网络训练 | 第39-45页 |
| 4.4.1 应用实际数据对神经网络进行训练 | 第40-44页 |
| 4.4.2 训练结果敏感性分析 | 第44-45页 |
| 4.5 本章小结 | 第45-46页 |
| 第五章 预测注水量在注水系统设计中的应用 | 第46-60页 |
| 5.1 引言 | 第46页 |
| 5.2 注水量的预测 | 第46-47页 |
| 5.3 依据注水量预测结果的注水压力计算 | 第47-51页 |
| 5.3.1 地层渗流压力计算 | 第47页 |
| 5.3.2 启动压差计算 | 第47页 |
| 5.3.3 注水管道水力摩阻计算 | 第47-48页 |
| 5.3.4 不考虑嘴损下的各层注水压力预测 | 第48-49页 |
| 5.3.5 井口破裂注水压力 | 第49-50页 |
| 5.3.6 计算实例 | 第50-51页 |
| 5.4 根据分层注水量预测结果的水嘴直径计算 | 第51-56页 |
| 5.4.1 相关公式推导 | 第51-53页 |
| 5.4.2 各层水嘴选择方法 | 第53-54页 |
| 5.4.3 计算实例 | 第54-56页 |
| 5.5 注水系统效率计算 | 第56-59页 |
| 5.5.1 电机效率计算 | 第56页 |
| 5.5.2 注水泵效率计算 | 第56-58页 |
| 5.5.3 注水管网的效率 | 第58页 |
| 5.5.4 计算实例 | 第58-59页 |
| 5.6 本章小结 | 第59-60页 |
| 结论 | 第60-61页 |
| 参考文献 | 第61-65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 |
