| 学位论文数据集 | 第4-5页 |
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 课题研究背景和意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-18页 |
| 1.3 课题研究内容 | 第18-19页 |
| 1.4 论文组织结构 | 第19-21页 |
| 第二章 钻井工程复杂情况与常见故障分析 | 第21-29页 |
| 2.1 钻井工程复杂情况 | 第21页 |
| 2.2 钻井常见故障分析 | 第21-27页 |
| 2.2.1 卡钻事故 | 第21-24页 |
| 2.2.2 钻具事故 | 第24页 |
| 2.2.3 井喷事故 | 第24-26页 |
| 2.2.4 井漏事故 | 第26页 |
| 2.2.5 落物事故 | 第26-27页 |
| 2.3 本章小结 | 第27-29页 |
| 第三章 时序数据的趋势分析 | 第29-35页 |
| 3.1 最小二乘法 | 第29-30页 |
| 3.2 随机抽样一致性算法 | 第30-31页 |
| 3.3 算法比较及分析 | 第31-32页 |
| 3.4 时序数据动态分段的趋势分析 | 第32-34页 |
| 3.4.1 分段融合技术 | 第32-33页 |
| 3.4.2 基于RANSAC的动态分段线性拟合算法进行钻井实例的趋势分析 | 第33-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第四章 基于移动窗稀疏PCA的过程监测分析及应用 | 第35-45页 |
| 4.1 主元分析法算法 | 第35-37页 |
| 4.2 多元统计量和主元分析贡献图 | 第37-39页 |
| 4.2.1 两个多元统计量和控制限 | 第37-38页 |
| 4.2.2 主元分析贡献图 | 第38-39页 |
| 4.3 稀疏主元分析法算法 | 第39页 |
| 4.4 移动窗的使用 | 第39-40页 |
| 4.5 基于MWSPCA故障监测的应用 | 第40-43页 |
| 4.5.1 TEP异常数据分析 | 第40-41页 |
| 4.5.2 钻井过程异常数据分析 | 第41-43页 |
| 4.6 本章小结 | 第43-45页 |
| 第五章 基于决策树的案例推理算法 | 第45-55页 |
| 5.1 钻井过程中的案例表示 | 第45-46页 |
| 5.2 案例的组织与存储 | 第46页 |
| 5.3 基于决策树的案例检索 | 第46-49页 |
| 5.3.1 决策树算法 | 第46-47页 |
| 5.3.2 集成相似性匹配的案例检索算法 | 第47-49页 |
| 5.4 案例的修正 | 第49页 |
| 5.5 案例的保留 | 第49页 |
| 5.6 钻井过程中案例推理的使用与结果分析 | 第49-54页 |
| 5.7 本章小结 | 第54-55页 |
| 第六章 钻井过程智能化预警原型系统设计与实现 | 第55-65页 |
| 6.1 系统整体设计 | 第55-56页 |
| 6.1.1 系统开发环境 | 第55页 |
| 6.1.2 系统运行环境 | 第55页 |
| 6.1.3 系统整体架构 | 第55-56页 |
| 6.2 系统模块设计 | 第56-59页 |
| 6.2.1 数据处理模块 | 第56-57页 |
| 6.2.2 故障监测模块 | 第57-58页 |
| 6.2.3 故障诊断模块 | 第58-59页 |
| 6.3 系统实现界面展示 | 第59-63页 |
| 6.4 本章小结 | 第63-65页 |
| 第七章 总结及展望 | 第65-67页 |
| 7.1 总结 | 第65-66页 |
| 7.2 展望 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71-73页 |
| 研究成果及发表的学术论文 | 第73-75页 |
| 作者和导师简介 | 第75-76页 |
| 硕士研究生学位论文答辩委员会决议书 | 第76-77页 |