基于神经网络的欠平衡钻井井底压力预测方法研究
| 第一章 绪论 | 第1-11页 |
| ·研究的目的与意义 | 第7-8页 |
| ·神经网络技术的发展与现状 | 第8-9页 |
| ·欠平衡钻井井底压力预测方法的概述 | 第9-10页 |
| ·论文主要解决问题和研究途径 | 第10-11页 |
| 第二章 人工神经网络理论基础 | 第11-17页 |
| ·人工神经元模型 | 第11-12页 |
| ·人工神经网络的构成 | 第12-13页 |
| ·人工神经网络的学习算法 | 第13-14页 |
| ·多层前向网络和 RBF 网络 | 第14-17页 |
| 第三章 欠平衡钻井简述 | 第17-25页 |
| ·欠平衡钻井的概况 | 第17-18页 |
| ·欠平衡钻井井底压力数学模型 | 第18-23页 |
| ·基本概念 | 第18-19页 |
| ·数学模型 | 第19-23页 |
| ·欠平衡钻井数据采集和压力测量 | 第23-25页 |
| ·综合录井仪概述 | 第23页 |
| ·综合录井仪测量参数 | 第23页 |
| ·欠平衡钻井井底压力测量仪器 | 第23-25页 |
| 第四章 多层前馈神经网络与 RBF 神经网络 | 第25-39页 |
| ·多层前馈网络的函数逼近 | 第25页 |
| ·多层前馈神经网络作用分析 | 第25-26页 |
| ·径向基函（RBF）神经网络 | 第26-37页 |
| ·引言 | 第26-27页 |
| ·插值问题 | 第27-28页 |
| ·正规化问题 | 第28-29页 |
| ·正规化问题的逼近解及 GRBFNN | 第29-30页 |
| ·RBF 神经网络的学习算法 | 第30-31页 |
| ·带混合算法的 RBFNN | 第31-37页 |
| ·RBF 网络的推广能力 | 第37页 |
| ·BP 网络与 RBF 网络的比较 | 第37-39页 |
| 第五章 基于神经网络的欠平衡钻井井底压力预测 | 第39-45页 |
| ·网络模型的确定和预测 | 第39-40页 |
| ·输入层节点确定 | 第39页 |
| ·输入层参数对预测值影响的仿真分析 | 第39-40页 |
| ·学习样本的选取和预处理 | 第40-42页 |
| ·学习样本的选取 | 第40-42页 |
| ·资料预处理 | 第42页 |
| ·网络的泛化能力和学习的精度 | 第42-43页 |
| ·仿真实验结果 | 第43-45页 |
| 第六章 软件实现及实际预测效果分析 | 第45-49页 |
| ·软件实现 | 第45-47页 |
| ·欠平衡钻井井底压力预测的实际应用 | 第47-49页 |
| 结论 | 第49-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-54页 |
| 中文详细摘要 | 第54-58页 |
