含缺陷压力容器安全评定的发展历程与趋势

系统地分析了以＂合于使用＂为原则的含缺陷压力容器安全评定的发展状况,介绍了国内外最新评定标准的研究成果以及我国标准的优势与不足;对模糊理论、概率断裂力学、风险评估、人工神经网络和专家系统等新技术在压力容器缺陷评定中的应用进行了评述,并展望了含缺陷压力容器安全评定的发展趋势。     

安全评价系统中实现人工神经网络功能的研究

针对在安全评价系统中实现人工神经网络功能存在编程复杂的问题,提出利用Matlab COM组件技术实现人工神经网络功能。Matlab自带的人工神经网络工具箱函数不能用于生成COM组件,论述了Matlab中COM组件的生成方法及其在普通Windows应用软件中的调用。介绍了用该方法开发的利用人工神经网络对液化石油气储存装置的气体泄漏和扩散进行回归估计的应用实例。通过在Windows系统中调用Matlab生成的COM组件,可以方便地在应用系统中实现人工神经网络功能,便于系统分发,并节省开发时间,提高编程效率。     

海洋工程结构优化的遗传Hopfield神经网络算法研究

构造了基于遗传算法的反馈Hopfied神经网络工程结构优化模型,并探讨了应用人工神经网络进行海洋工程结构分析与优化的基本原理和人工神经网络在海洋工程中计算研究的现状与趋势.同时利用构造的工程结构优化遗传Hopfield神经网络模型对算例进行了优化分析,计算结果表明了这一方法具有很好的稳定性和全局收敛性.     

海洋工程结构优化的遗传Hopfield神经网络算法研究

构造了基于遗传算法的反馈Hopfield神经网络工程结构优化模型,并探讨了应用人工神经网络进行海洋工程结构分析与优化的基本原理和人工神经网络在海洋工程中计算研究的现状与趋势。同时利用构造的工程结构优化遗传Hopfield神经网络模型对算例进行了优化分析,计算结果表明这一方法具有很好的稳定性和全局收敛性。     

人工神经网络自组织分类解释模型研究

应用人工神经网络技术,实现数据的自组织分类;针对不同的类,建立了相应的解释模型。实际计算时,采用统计模式识别方法选择解释模型。以渗透率为例,比较了经验公式、人工神经网络方法和人工神经网络自组织分类方法的计算结果,表明由经验模型到神经网络单一混合模型再到神经网络组织分类模型,其平均相关系数逐步提高,平均绝对误差、平均相对误差依次降低。证明自组织分类方法具有更大的优越性。     

输油管道运行费用预测模型研究

人工神经网络模型在管道运行费用预测中具有独特的优越性 ,因此可以利用人工神经网络的方法来模拟管道输量与管道运行费用之间的映射关系。计算结果表明 ,该模型误差在± 2 %以内 ,完全满足工程实际需要。     

储层参数自组织分类模型研究

应用人工神经网络技术,实现数据的自组织分类,针对不同的类,建立相应的解释模型,实际计算时,采用统计模式识别方法选择解释模型.以渗透率为例,比较了经验公式、人工神经网络方法和人工神经网络自组织分类方法三者的计算结果,结果表明,由经验模型到神经网络单一混合模型再到神经网络自组织分类模型,其平均相关系数逐步提高,平均绝对误差...     

油田开发动态指标的支持向量机预测

针对油田开发动态数据建模中小样本、不适定性等问题,提出了一种用不敏感支持向量回归（SVR）方法建模的思想,以解决人工神经网络及微分模拟等方法在数据建模中的过拟合、泛化性差等缺陷。首先采集一定数量的训练样本,并对样本进行归一化处理,然后采用交叉验证来选择最优的支持向量回归参数,最后通过训练得到预测模型。计算结果表明SVR是一种非常有效的油田开发动态指标预测的数据建模方法。     

应用人工神经网络自动识别岩性

应用人工神经网络(ANN)模型,输入测井数据自动识别岩性,重要的问题是改进传递函数,提高收敛速度。文中导出的人工神经网络误差反传递算法,较之传统的统计方法具有较高的容错性,广泛的适应性及速度快的特点。用这种方法的识别结果与统计方法、岩性录井分析的结果一致,说明该方法是行之有效的。     

测井岩相分析新技术

本文提出了一种基于人工神经元网络的测井岩相识王4系统。详细介绍了人工神经网络的工作原理及在测井岩相分析中的应用。并将其与通常方法进行比较。研究表明，人工神经网络测井岩相识暑4系统具有解释处理速度快、精度高，并具有很强的鲁棒性（robtness）。     

多地质因素的勘探目标优选——人工神经网络法与多元回归分析法比较研究

将人工神经网络法及多元回归分析法分别用于优选预测库车坳陷北带圈闭的勘探目标,结果发现人工神经网络法远比多元回归分析法优越.其根本原因是圈闭的优劣与其相关地质因素之间存在着一个复杂的非线性关系,人工神经网络法所描述的多因素关系恰是非线性的,而多元回归分析法只能描述线性关系.因此,当描述多个地质因素的复杂关系时,应提倡采用人工神经网络法.当然,多元回归分析法也具有人工神经网络所不具备的计算速度快、能较好地表达圈闭优劣与其相关地质因素之间亲疏关系的优点,可作为辅助应用.     

径向基函数神经网络在启动压力梯度预测中的应用

启动压力梯度直接影响着低渗透油田的开采量以及油藏压力的预测精度。它与流体粘度、密度、渗透率、孔隙度等影响因素呈非线性关系。而人工神经网络具有表示任意非线性关系和学习的能力，是解决复杂非线性、不确定性和时变性问题的新思想和新方法。利用径向基函数(RBF)人工神经网络对启动压力梯度进行预测，并结合岩心的启动压力梯度的实际测定结果进行研究，结果表明：RBF人工神经网络是一种较为有效的预测方法，具有较高的精度．该方法可以为低渗油田的开发提供可靠的基础数据，节省了人力、物力。     

基于人工神经网络的电潜泵电流卡片快速模式识别

电流卡片诊断是一种典型的电潜泵工况诊断手段，传统的电流卡片模式识别需要人工完成，存在技术壁垒，会引入主观误差。人工神经网络作为一种机器学习算法，能够弥补人工识别的误差。为实现快速、准确而且客观的模式识别。通过对收集到的电流卡片经过数据预处理后得到的电流数据特征值与实际工况的对应关系，建立人工神经网络模型。利用建立的人工神经网络模型进行工况诊断，具有传统电流卡片人工识别不可比拟的优点。通过采用上述方法搭建人工神经网络模型并进行模式识别，通过提取未参与训练的井的电流卡片数据对工况诊断模型进行验证，达到了较高的准确率，证明了使用人工神经网络对电流卡片进行快速模式识别、实现工况诊断的可行性和可靠性。     

��Ȼ����������Ӧ�Ż����Ԥ��ģ���о�

文章用线性回归预测法、人工神经网络预测法、灰色系统预测法等对天然气消费需求量进行预测后,发现各预测值与实际需求量之间存在较大误差。为综合利用各方法提供的信息,避免单一预测模型丢失有用信息,减少随机性,提高预测的准确性,采用了新的优化组合预测法对天然气需求量进行预测,预测结果比单一预测法好。但优化组合预测模型求解的权系数是固定的,对有众多影响因素的天然气需求量进行预测不是最适合的,为此采用自适应递推适时算法对其进行改进,使用变化的权系数进行预测。结果表明自适应递推优化组合预测模型比优化组合预测模型预测的结果还要好。     

Estimating the initial pressure,permeability and skin factor of oil reservoirs using artificial neural networks

Artificial neural network, a biologically inspired computing method which has an ability to learn, self-adjust, and be trained, provides a powerful tool in solving pattern recognition problems. In this study, a new approach based on artificial neural networks (ANNs) has been designed to estimate the initial pressure, permeability and skin factor of oil reservoir using the pressure build up test data. Five sets of actual field data in conventional and dual porosity reservoirs have been used to test the results of the neural network. The results from the network are in good agreement with the results from Horner plot. Finally, it is shown that the application of artificial neural networks in a pressure build up test reduces the cost of the test and it is also a valuable tool for well testing.     

人工神经网络在石油工业中的应用及未来发展趋势探讨

在石油勘探、开发和钻井,以及生产过程中,存在着大量且复杂的不确定性因素,所收集和获取的信息不少是非数值型的、不精确的,要靠人工智能的方法加以识别和解决。人工神经网络是在现代神经科学研究成果的基础上提出的一种智能方法,作为一种有效解决非线性问题的网络技术,已在现代石油工业中得到了广泛的应用,并取得了较好的现场应用效果。针对目前人工神经网络的迅速发展及应用情况,论述其在石油工业中的应用现状,并对其在未来石油工业中的发展趋势展开了探讨。最后利用人工神经网络构建了钻井液固相和滤液侵入深度预测模型,分析了该模型的主要特色和实现的技术难点。     

基于人工神经网络的岩石含油气性评价方法

神经网络计算法是模拟人体经络系统活动的机理来研究事物的新方法。本文运用T.Kohonen提出的SOM自组织人工神经网络模型,以准噶尔盆地的彩南油田一主力油层为例,建立起岩石含油气性评价的人工神经网络模型。实例研究表明,人工神经网络法性能良好,是一种岩石含油气性评价的有效方法。      

基于电性拓扑态指数的液态烃类燃烧热预测

以原子类型电性拓扑状态指数(ETSI)有效表征122个液态烃类物质的分子结构,并分别应用人工神经网络和多元线性回归方法,对这122种液态烃类物质的燃烧热进行关联和预测研究,建立应用电性拓扑状态指数预测烃类物质燃烧热的定量结构—性质相关性(QSPR)研究模型。应用人工神经网络和多元线性回归方法对训练集样本的预测平均相对误差分别为1.17%和0.95%,对测试集20种烃类物质的预测平均相对误差分别为1.49%和1.05%。实验结果表明,无论采用人工神经网络法还是多元线性回归法,燃烧热预测值与实验值一致性均令人满意。可见应用电性拓扑态指数法预测液态烃的燃烧热是可行的,为工程上提供了一种根据物质结构预测烃类物质燃烧热的新途径。