| 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9-13页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 国内外相关研究现状 | 第10-11页 |
| 1.2.1 油田优势渗流场识别研究现状 | 第10页 |
| 1.2.2 过程神经网络研究现状 | 第10-11页 |
| 1.2.3 径向基神经网络研究现状 | 第11页 |
| 1.3 论文研究内容及结构安排 | 第11-12页 |
| 1.4 本章小结 | 第12-13页 |
| 第二章 油田优势渗流场识别基础理论与相关技术 | 第13-22页 |
| 2.1 概述 | 第13页 |
| 2.2 油田优势渗流场识别问题基础理论 | 第13-15页 |
| 2.2.1 优势渗流场的形成与主控因素 | 第13-14页 |
| 2.2.2 优势渗流场的地质特征与渗流特征 | 第14-15页 |
| 2.3 油田常用优势渗流场识别方法介绍 | 第15-16页 |
| 2.4 基于油藏数值模拟的数据处理 | 第16-17页 |
| 2.5 过程神经网络 | 第17-21页 |
| 2.5.1 过程神经元及网络模型 | 第17-20页 |
| 2.5.2 过程神经网络的时变特性与运算机制 | 第20-21页 |
| 2.6 本章小结 | 第21-22页 |
| 第三章 径向基过程神经网络模型及优化算法研究 | 第22-36页 |
| 3.1 概述 | 第22页 |
| 3.2 径向基过程神经网络结构与工作原理 | 第22-27页 |
| 3.2.1 径向基神经网络的生物学启示与工作原理 | 第22-24页 |
| 3.2.2 径向基过程神经网络结构及逼近能力研究 | 第24-26页 |
| 3.2.3 径向基过程神经网络参数学习方法研究 | 第26-27页 |
| 3.3 基于沃尔什变换的径向基过程神经网络模型设计 | 第27-29页 |
| 3.4 基于CGA的径向基过程神经网络模型优化 | 第29-32页 |
| 3.4.1 径向基核函数的选择策略 | 第29-30页 |
| 3.4.2 基于CGA的径向基过程神经网络求解算法 | 第30-32页 |
| 3.5 仿真实验对比 | 第32-35页 |
| 3.5.1 用电负荷量预测实验 | 第32-34页 |
| 3.5.2 太阳黑子数预测实验 | 第34-35页 |
| 3.6 本章小结 | 第35-36页 |
| 第四章 基于径向基过程神经网络的优势渗流场识别 | 第36-49页 |
| 4.1 概述 | 第36-37页 |
| 4.2 优势渗流场识别指标体系的选取与建立 | 第37-41页 |
| 4.2.1 油田开发基本指标数据 | 第37-38页 |
| 4.2.2 优势渗流场识别指标筛选 | 第38-39页 |
| 4.2.3 指标数据的获取与预处理 | 第39-41页 |
| 4.3 训练样本集建立 | 第41-44页 |
| 4.3.1 萨葡油层基础井训练样本集 | 第41-43页 |
| 4.3.2 高台子油层加密井训练样本集 | 第43-44页 |
| 4.4 网络模型训练结果与对比分析 | 第44-48页 |
| 4.4.1 模型训练结果 | 第44-47页 |
| 4.4.2 结果对比分析 | 第47-48页 |
| 4.5 本章小结 | 第48-49页 |
| 第五章 优势渗流场识别系统设计及实现 | 第49-54页 |
| 5.1 引言 | 第49页 |
| 5.2 系统设计 | 第49-50页 |
| 5.3 系统实现 | 第50-53页 |
| 5.4 本章小结 | 第53-54页 |
| 结论 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 发表文章目录 | 第58-59页 |
| 致谢 | 第59-60页 |