基于改进的SVR有杆泵抽油井动态液面检测方法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-11页 |
| 第1章 绪论 | 第11-17页 |
| ·研究背景及意义 | 第11-12页 |
| ·国内外动态液面检测发展现状 | 第12-15页 |
| ·回声法 | 第12-13页 |
| ·示功图测量动态液面 | 第13-14页 |
| ·利用井下压力间接测量动液位高度 | 第14页 |
| ·时间序列动态液而测量方法 | 第14-15页 |
| ·基于数据驱动的软测量研究现状 | 第15-16页 |
| ·基于统计的建模方法 | 第15页 |
| ·基于统计学习理论与核函数的方法 | 第15-16页 |
| ·基于人工智能的建模方法 | 第16页 |
| ·本文主要工作 | 第16-17页 |
| 第2章 采油工艺介绍 | 第17-23页 |
| ·有杆泵采油简介 | 第17页 |
| ·抽油泵工作原理 | 第17-21页 |
| ·采油过程 | 第18-20页 |
| ·示功图分析 | 第20-21页 |
| ·动态液面分析 | 第21-23页 |
| 第3章 基于SVR动态液位建模方法研究 | 第23-39页 |
| ·软测量建模 | 第23-26页 |
| ·辅助变量的选择 | 第23-24页 |
| ·数据采集及预处理 | 第24-25页 |
| ·主导变量与辅助变量之间的时序匹配 | 第25页 |
| ·软测量模型的建立 | 第25页 |
| ·软测量模型在线校正 | 第25-26页 |
| ·支持向量回归理论 | 第26-31页 |
| ·统计学习理论与VC维理论 | 第27-28页 |
| ·公式推导 | 第28-29页 |
| ·ε-支持向里回归机 | 第29-31页 |
| ·动态液面辅助变量的选择 | 第31-36页 |
| ·理论分析变量选择 | 第32-35页 |
| ·试验分析变量选择 | 第35-36页 |
| ·SVR的算法的问题 | 第36-37页 |
| ·样本采集和处理 | 第37-39页 |
| ·样本预处理 | 第37-38页 |
| ·预处理 | 第38-39页 |
| 第4章 SVR动态液位模型的改进 | 第39-51页 |
| ·遗传算法 | 第39-43页 |
| ·遗传算法基本操作 | 第39页 |
| ·编码 | 第39-40页 |
| ·适应值函数 | 第40-41页 |
| ·选择策略 | 第41-42页 |
| ·遗传算子 | 第42-43页 |
| ·遗传算法的流程图 | 第43页 |
| ·SVR参数的优化 | 第43-47页 |
| ·遗传算法的特点及优化支持向量机的可行性 | 第43-44页 |
| ·遗传算法与支持向量机结合 | 第44-46页 |
| ·组合核函数改进 | 第46-47页 |
| ·窗口滑动 | 第47-51页 |
| 第5章 动态液面测试仿真研究及编程实现 | 第51-61页 |
| ·试验仿真 | 第51页 |
| ·ε-SVR | 第51-54页 |
| ·SVR算法改进 | 第54-57页 |
| ·GA-SVR | 第54-55页 |
| ·GA-MK-SVR | 第55-56页 |
| ·SW-GM-SVR | 第56-57页 |
| ·实际应用 | 第57-61页 |
| 第6章 结论与展望 | 第61-63页 |
| ·本文总结 | 第61页 |
| ·工作展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67页 |
