| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第1章 绪论 | 第7-12页 |
| 1.1 课题研究的背景以及意义 | 第7页 |
| 1.2 国内外相关研究 | 第7-9页 |
| 1.3 课题研究内容 | 第9-10页 |
| 1.4 组织结构 | 第10-11页 |
| 1.5 本章小结 | 第11-12页 |
| 第2章 油气田产量预测常用方法理论基础 | 第12-18页 |
| 2.1 油气田产量预测常用方法 | 第12-16页 |
| 2.1.1 Arps递减曲线法 | 第12-13页 |
| 2.1.2 灰色预测模型 | 第13页 |
| 2.1.3 线性回归预测模型 | 第13-15页 |
| 2.1.4 BP神经网络预测模型 | 第15-16页 |
| 2.2 问题与解决方案 | 第16-17页 |
| 2.3 本章小结 | 第17-18页 |
| 第3章 单井小层产量预测关键技术 | 第18-38页 |
| 3.1 基于MapReduce建立数据索引的方法 | 第18-23页 |
| 3.1.1 Hadoop平台 | 第18-20页 |
| 3.1.2 MongoDB数据库 | 第20-21页 |
| 3.1.3 利用MapReduce建立数据索引 | 第21-23页 |
| 3.2 二分K-均值聚类算法 | 第23-28页 |
| 3.2.1 K-均值聚类算法基本理论 | 第23-25页 |
| 3.2.2 二分K-均值聚类算法 | 第25-28页 |
| 3.3 KNN算法的值预测方法 | 第28-31页 |
| 3.3.1 KNN算法基本理论 | 第28-29页 |
| 3.3.2 KNN值预测算法 | 第29-31页 |
| 3.4 多元线性回归算法 | 第31-34页 |
| 3.4.1 多元线性回归算法基本理论 | 第31-32页 |
| 3.4.2 局部加权的多元线性回归算法 | 第32-34页 |
| 3.5 粒子群算法 | 第34-37页 |
| 3.5.1 粒子群算法基本理论 | 第34-35页 |
| 3.5.2 粒子群算法优化模型方法 | 第35-37页 |
| 3.6 本章小结 | 第37-38页 |
| 第4章 单井小层产量预测模型建立与结果分析 | 第38-54页 |
| 4.1 单井小层产量预测方案 | 第38-39页 |
| 4.2 单井小层数据处理与分析 | 第39-46页 |
| 4.2.1 基于MapReduce的数据索引的建立 | 第40-43页 |
| 4.2.2 数据预处理 | 第43-44页 |
| 4.2.3 产量相关性分析 | 第44-46页 |
| 4.3 单井小层产量预测模型的建立 | 第46-51页 |
| 4.3.1 二分K-均值聚类分析 | 第47-48页 |
| 4.3.2 单井小层产量预测算法组合模型 | 第48-51页 |
| 4.4 应用结果分析 | 第51-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第5章 总结与展望 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 致谢 | 第58页 |