文摘
英文文摘
声明
第1章绪言
1.1课题的提出、目的及意义
1.2国内外研究现状
1.2.1聚类分析研究现状
1.2.2遗传算法研究现状
1.3研究内容与思路
1.4论文的组织结构
第2章数据挖掘技术中聚类分析与模糊聚类
2.1数据挖掘概论
2.1.1数据挖掘特点
2.1.2数据挖掘任务
2.1.3数据挖掘主要方法和技术
2.2聚类理论
2.3聚类方法分类
2.3.1划分方法(Partitioning method)
2.3.2层次方法(Hierarchical method)
2.3.3基于密度的方法(Density-based method)
2.3.4基于网格的方法(Grid-based method)
2.3.5基于模型的方法(Model-based method)
2.4模糊聚类理论
2.5模糊聚类分类及算法
2.5.1 HCM算法
2.5.2 FCM算法
2.6聚类算法评价
2.6.1聚类的准确度
2.6.2聚类的同构度与异构度
2.7小结
第3章基于中心定位算子的遗传算法
3.1遗传算法描述
3.1.1编码
3.1.2初始种群生成
3.1.3适应度
3.1.4遗传操作
3.1.5控制参数选择
3.1.6约束条件处理
3.2遗传算法基本框架
3.3基于中心定位算子的遗传算法(GCOGA)
3.3.1主动进化思想
3.3.2中心定位算子
3.3.3组合优化全局与局部搜索
3.3.4基于中心定位算子的遗传算法(GCOGA)
3.3.5算法收敛性分析
3.3.6实验验证
3.4小结
第4章基于中心定位算子遗传算法的聚类分析方法
4.1遗传算法与聚类分析的结合
4.2基于GCOGA的动态层次聚类分析方法
4.2.1算法思想
4.2.2数据结构
4.2.3 GCOGA算法操作
4.2.4基于GCOGA的动态层次聚类算法
4.2.5实验分析
4.3结合样本属性的GCOGA-FCM算法
4.3.1改进策略
4.3.2结合样本属性的GCOGA-FCM算法描述
4.3.3实验分析
4.4小结
第5章基于数据挖掘技术的水平井产能预测模型
5.1水平井产能常规预测方法
5.2水平井产能预测模型
5.3基于灰度关联方法的水平井参数优选
5.3.1灰度关联方法
5.3.2实验结果
5.4水平井聚类模型
5.4.1多维样本基于GCOGA-FCM聚类
5.4.2实验结果
5.5基于逐步回归的水平井产能预测
5.5.1逐步回归方法
5.5.2实验结果
5.6小结
第6章总结和展望
6.1本文研究总结
6.2进一步的工作
参考文献
致谢
个人简历及在学期间研究成果