基于深度信念网络的煤层气井产能预测研究

目录

声明

1绪论

1.1选题的研究背景及意义

1.2国内外研究现状及发展趋势

1.3本文主要工作与结构安排

2煤层气产能预测理论基础

2.1神经网络理论

2.1.1神经元模型

2.1.2人工神经网络的互连结构

2.1.3人工神经网络的主要学习方式

2.2 BP神经网络的理论基础以及优缺点

2.2.1 BP神经网络结构

2.2.2 BP算法的原理

2.2.3 BP算法的训练步骤

2.2.4 BP神经网络的优点

2.2.5 BP神经网络的缺点

2.3遗传算法优化BP神经网络

2.3.1遗传算法的基本思想

2.3.2遗传算法的基本流程

2.3.3遗传算法的优点

2.3.4遗传算法优化BP神经网络的流程图

2.4玻尔兹曼机

2.4.1玻尔兹曼机的网络结构

2.4.2玻尔兹曼机的学习算法

2.5受限玻尔兹曼机(RBM)

2.5.1受限玻尔兹曼机的训练过程

2.5.2 对比散度算法

2.6深度信念网络的理论基础

2.6.1 DBN的网络结构

2.6.2 DBN的学习过程

2.7本章总结

3基于DBN的煤层气井产能预测模型构建

3.1研究区块地质背景介绍

3.2主要地貌特征介绍

3.2.1渗透率

3.2.2煤储层压力

3.2.3临界解吸压力

3.2.4水文地质条件

3.3主要地质变量的选择

3.4数据的预处理

3.5预测模型的构建过程

3.5.1 DBN网络结构的确定

3.5.2 BP网络最优结构的确定

3.5.3共轭梯度法加速

3.6性能评价与对比模型

3.7本章总结

4实验结果与分析

4.1实验环境

4.2矿区资料数据

4.3 DBN模型的构建

4.3.1 DBN的最优结构

4.3.2 DBN的权重更新方式

4.4对比模型的预测与仿真分析

4.4.1 BP神经网络的预测与仿真分析

4.4.2 GA优化BP的预测与仿真分析

4.5 DBN模型的预测与仿真分析

4.6本文预测模型与对比模型在误差评价方面的对比分析

4.7本章总结

5总结与展望

5.1全文总结

5.2展望

致谢

参考文献

附录