| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 创新点摘要 | 第7-11页 |
| 第一章 绪论 | 第11-18页 |
| ·研究背景及研究意义 | 第11-12页 |
| ·系统仿真技术及现状分析 | 第12-14页 |
| ·系统仿真的概念 | 第12页 |
| ·系统仿真的分类 | 第12页 |
| ·系统仿真的发展及研究现状 | 第12-14页 |
| ·动态系统仿真的基本理论 | 第14-15页 |
| ·动态系统仿真人工神经网络方法 | 第15-16页 |
| ·过程神经元网络 | 第16-17页 |
| ·论文选题与内容安排 | 第17-18页 |
| 第二章 用于动态系统仿真的PNN 模型研究 | 第18-27页 |
| ·过程神经元 | 第18-23页 |
| ·过程神经元的基本模型 | 第18-19页 |
| ·时变输入/输出过程神经元模型 | 第19-20页 |
| ·离散过程神经元模型 | 第20-21页 |
| ·模糊过程神经元模型 | 第21-23页 |
| ·用于动态系统仿真的过程神经网络模型 | 第23-26页 |
| ·连续过程神经元网络 | 第23-24页 |
| ·离散过程神经元网络 | 第24-25页 |
| ·过程神经元网络学习算法 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 基于PNN 的动态系统仿真 | 第27-47页 |
| ·基于双隐层PNN 的连续系统仿真 | 第27-32页 |
| ·连续系统仿真模型拓扑结构 | 第28-30页 |
| ·仿真模型求解学习算法 | 第30-32页 |
| ·基于双隐层PNN 的离散系统仿真 | 第32-35页 |
| ·离散系统仿真模型拓扑结构 | 第32-33页 |
| ·仿真模型求解学习算法 | 第33-35页 |
| ·基于PNN 的连续/离散混合系统仿真 | 第35-38页 |
| ·混合系统仿真模型拓扑结构 | 第36-37页 |
| ·仿真模型求解学习算法 | 第37-38页 |
| ·实际应用举例 | 第38页 |
| ·基于FPNN 的模糊动态系统仿真 | 第38-41页 |
| ·一类正则模糊计算过程神经网络结构 | 第38-40页 |
| ·仿真模型求解学习算法 | 第40-41页 |
| ·基于PNN 的动态系统仿真模型的结构优化方法研究 | 第41-46页 |
| ·基于混合粒子群算法的结构优化 | 第42-43页 |
| ·基本粒子群算法 | 第43页 |
| ·离散粒子群算法 | 第43-44页 |
| ·混合粒子群结构优化算法原理 | 第44页 |
| ·混合粒子群结构优化算法步骤 | 第44-45页 |
| ·实验对比分析 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第四章 基于PNN 动态系统仿真模型求解算法研究 | 第47-54页 |
| ·过程神经网络学习算法概述 | 第47页 |
| ·基于遗传—模拟退火算法的过程神经网络训练 | 第47-50页 |
| ·遗传算法简介 | 第47-48页 |
| ·模拟退火算法简介 | 第48页 |
| ·遗传—模拟退火算法原理 | 第48页 |
| ·遗传—模拟退火算法描述 | 第48-50页 |
| ·基于粒子群—模拟退火算法的过程神经网络训练 | 第50-51页 |
| ·粒子群—模拟退火算法原理 | 第50页 |
| ·粒子群—模拟退火算法描述 | 第50-51页 |
| ·算法参数对优化性能的影响 | 第51-52页 |
| ·算法实例对比分析 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 第五章 基于PNN 的动态系统仿真方法在油田中的应用 | 第54-62页 |
| ·在开发动态指标预测中的应用 | 第54-55页 |
| ·在抽油机井示功图故障诊断中的应用 | 第55-56页 |
| ·在物性参数计算中的应用 | 第56-58页 |
| ·在太阳黑子数序列预测中的应用 | 第58-61页 |
| ·本章小结 | 第61-62页 |
| 结论 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 致谢 | 第68-69页 |
| 详细摘要 | 第69-79页 |