气井疸递减GM（1,1）模型的数据预处理方法

受压裂、酸化、关井因素影响,气井生产递减期产量具有较大的波动性、阶跃性和“阶段性”,此时利用ＧＭ（１,１）模型预测的气井产量与实际产量差异较大。采用时率校正、阶跃数据处理和产量段选择等方法,对气井递产量进行预处理,则可使ＧＭ（１,１）预测模型的历史拟合精度和预测精度大大提高。     

低渗透气田产量递减评价方法研究

低渗气田气井产量波动较大,在Arps产量递减分析中较难确定递减类型。尝试采用奇异点剔除、开井时率校正等气井生产数据前处理方法,以减小气井产量波动对递减规律分析结果的影响;同时,利用气井动储量作为递减类型判识依据,提高递减类型判识的可靠性。     

基于多变量LSTM神经网络的澳大利亚大火预测研究

长短周期记忆神经网络(LSTM)受益于能够捕获长期依赖关系的特点,在许多实际应用中展现了优异的性能。该文构建了LSTM多变量数据驱动的预测模型,通过多变量输入的方式预测澳大利亚森林大火。首先使用多变量LSTM预测模型对日最高温度进行预测,并与反向传播(BP)神经网络以及ARIMA预测模型的结果进行对比。研究表明:以相关变量为输入的BP神经网络无法考虑时序变化规律,预测误差最大;以温度单变量为输入的ARIMA根据时序变化做出相应预测,预测效果较好;多变量LSTM预测模型综合考虑了多种因素的相互影响,同时结合了时间序列依赖关系,预测效果最好。最后通过多变量LSTM预测模型对某节点是否着火进行了预测,预测结果与实际值契合较好。总体来说,多变量LSTM预测模型对澳大利亚大火的预测结果可信。     

涪陵页岩气井增压开采阶段可采储量预测方法研究

为了深化认识页岩气井增压开采储量预测,基于焦页A平台三口增压气井的生产动态资料,利用7种不稳定产量分析法对平台气井增压开采前后可采储量进行预测研究,并通过方差分析法和邓肯氏新复极差法比较,对预测结果进行差异性分析与评价。结果显示,RTA、Agarwal-gardner、Transient、NPI四种方法的预测结果较为可靠,能有效评价焦石坝区块气井增压开采效果,为气田下步开发提供理论依据。     

考虑井间干扰的煤层气井动态预测方法

为了简便准确地计算多井开采条件下的煤层气井单井动态参数,考虑煤岩基质自调节效应时的裂缝孔隙度变化,建立了用于求取平均地层压力的煤层气藏气水两相物质平衡方程.在封闭煤层气藏中,引入形状因子,根据等产量两汇原理,应用汇源反映法得到了考虑井间干扰条件下的煤层气井产气量与产水量的计算式.通过与物质平衡方程结合,形成气井动态预测方法,能够快速有效地预测煤层气井的平均地层压力及产量的动态变化.将此方法应用于陕西某煤层气藏,对比不同井距条件下的生产参数.结果表明:一口井生产10a左右产量达到最大值,约为3 000m3/d;两口井在200m最优井距条件下,单口气井在7a左右产量达到最大值,约为4 180m3/d.     

基于改进PSO的神经网络短期电力负荷预测模型

针对短期电力负荷预测问题,提出了一种基于改进粒子群算法(PSO)的BP神经网络预测模型.选取与电力负荷大小密切相关的季节、天气情况、当天最高温度、当天最低温度、日期性质、上年同期历史数据为神经网络的输入变量,电力负荷大小为输出变量,建立基于BP神经网络的电力负荷预测模型,同时利用改进的粒子群算法对神经网络进行训练.该训练算法具有较高的精度,能够建立较精确的短期电力负荷测量模型.仿真结果表明,基于改进粒子群算法的BP神经网络电力负荷预测模型预测精度较高,具有一定的应用价值.     

井下节流预防井口装置抬升技术研究

近年来高温高压气藏开发的越来越多,当各层套管存在自由段套管时,高温高压气藏高产井生产时会导致井口装置抬升问题,破坏气井完整性,并可导致地面流程泄漏,直接影响气井安全生产甚至威胁人居环境安全.研究可知,井口装置抬升高度与井口温度呈线性正相关,采取降低产量的方式降低井口温度,可以控制井口装置抬升的高度,但制约了单井产能的发挥.为防止井口装置抬升,通过大量的现场数据建立井口装置抬升预测模型,探索了利用井下节流工艺实现天然气气流在井筒内节流降温防止井口装置抬升技术,为保障气井安全高效生产提供了技术途径.     

基于遗传BP神经网络的短期风速预测模型

为了提高风电场短期风速预测精度,提出将遗传算法和反向传播(BP)神经网络相结合的预测模型.采用自相关性分析找出对预测值影响最大的几个历史时刻风速,以历史时刻的风速、温度、湿度和气压作为BP神经网络预测模型的输入变量;利用遗传算法的全局搜索能力获得BP神经网络优化的初始权值和阈值;采用优化后的BP神经网络分别建立1、2、3 h的短期风速预测模型.实验结果表明,该方法较BP神经网络具有预测精度高、收敛速度快的优点.     

基于溶解度实验的硫沉积模型及应用研究

四川东北部相继发现了普光、罗家寨等一大批高含硫气藏.高含硫气藏在气体开采过程中,随着地层压力不断下降,元素硫达到临界饱和态后将从气相中析出,并在储层孔隙及喉道中沉积,从而导致地层孔隙度和渗透率降低,严重时造成气井停产.根据硫在天然气中的溶解机理以及物质平衡原理建立了高含硫气藏硫沉积预测模型,以罗家寨气田罗7井为例,预测了不同压力范围下的含硫饱和度以及硫沉积对气井产量的影响.研究结果表明,当地层压力下降到40 MPa时,气井产量下降了82.5%,地层压力下降到37 MPa时,气井将停产.     

井下节流气井的生产动态预测

以单井开采系统为研究对象,采用温度、压力解耦建模与数值耦合方式,以井口油压为控制条件,通过油嘴控制流量和下游温度,建立井下节流气井的井筒-气藏流动耦合的生产动态预测模型,利用试井解释结果或生产动态历史拟合,预测气井的生产流量、压力变化,同时描述生产过程中的井筒非线性温度剖面、压力剖面,从而全面掌握节流气井的生产动态,并可进一步扩展应用于多相流动和复杂井眼轨迹情况.     

黄龙00S-E井酸化解堵效果评价

针对黄龙00S-E井出现堵塞、气井产量下降为0的情况,从气井、气藏的生产特征、堵塞物取样、井筒状况进行深入剖析,采用切实可行的酸化解堵措施,取得了明显的效果,以期能够指导其他类似气井的开发生产。     

基于IGWO-BP神经网络的车内声品质预测

为准确预测纯电动汽车车内声品质，以心理声学客观参量为自变量，以纯电动汽车车内声品质主观评价值为因变量，搭建基于改进后的灰狼算法(Improved Grey Wolf Optimization, IGWO)优化的BP神经网络预测模型IGWO-BP,采用IGWO对BP神经网络的权值和阈值进行优化，解决BP神经网络对初值敏感、易陷入局部最优的问题。将其预测结果与BP神经网络预测结果进行对比分析，结果显示基于IGWO-BP神经网络预测模型可大幅度提高车内声品质预测精度，表明该模型较适用于纯电动汽车车内声品质预测。     

天然气引射技术在低压积液气井中的试验与应用

随着气田开发时间的延长,盆5气田所属各井产量、压力、气水比变化加大,投产10年来先后有8口气井因低压、低产、高含水等原因停产关井,占全部已投产气井总量的50％,目前仍有2口气井生产压力即将低于进站压力无法进站生产,装置运行负荷率下降至设计负荷的20％。针对上述问题,结合气田高低压井、高低产同时并存的现状,在盆5气田开展了高压气井和低压气井同步采气的新工艺一天然气引射生产工艺试验和应用。应用表明,该技术可以在不增加动力消耗且保证高压气井天然气产量一定的情况下,恢复低压积液井的连续生产,并可同比增加30％-50％的天然气产量。     

基于数据模型的浆纱过程操作参数设定方法

针对纺织浆纱生产中,产品规格、原料状况和工况环境等难以实现操作参数的优化设定问题,提出了基于数据模型的操作参数设定方法.利用已有的生产操作参数及上浆率数据建立浆纱上浆率预测模型,将上浆率指标作为输入,操作参数作为输出建立神经网络逆模型.通过该神经网络逆模型计算出满足期望上浆率指标的操作变量设定值,并利用上浆率预测模型验证所计算出的操作变量设定值.实验结果表明,所提出的基于数据模型的操作参数设定方法是有效的.     

6R机器人逆运动学求解与运动轨迹仿真

针对如何提高6R机器人逆运动学求解的精度和效率问题,提出一种基于动态模糊神经网络进行求解的方法。根据6R机器人逆运动学方程组具有高维非线性、求解复杂的特点,对动态模糊神经网络进行改进,使其能够应用于多输入多输出系统,建立运动学逆解预测模型。通过正运动学方程获取工作空间位姿样本,以工作空间的位姿作为预测模型的输入变量,以关节空间中的关节角作为输出变量,用样本数据对逆解预测模型进行训练。最后,运用该模型对KR16-2机器人进行复杂运动轨迹仿真,并与RBF和BP神经网络模型的求解效果进行比较,结果显示,基于动态模糊神经网络的6R机器人运动学逆解预测模型具有精度高、鲁棒性优和泛化能力强的特点,证明了该方法的可行性和有效性。     

基于变量聚类的BP神经网络术后生存期预测模型

针对结直肠癌患者术后生存期预测,基于模糊C均值（FCM）聚类算法,提出一种结合场景认知和隶属度排序的变量聚类方法,对结直肠癌患者样本进行降维,并筛选出6个特征变量.结合BP神经网络,建立一个结直肠癌患者术后生存期预测模型.为了验证该模型的有效性,利用主成分分析（PCA）对样本进行降维,并训练BP神经网络,对比FCM模型及PCA模型的预测准确率.结果显示,基于FCM变量聚类的BP神经网络模型预测准确率更高,所提出的变量聚类方法能够有效筛选出对于生存期有相关性和解释性的变量,从而提高BP神经网络模型的预测准确率.     

页岩气完井管柱下入时机分析

下入油管可以帮助页岩气气井井筒提高携液能力,避免井筒产生积液而影响生产。为研究完井管柱的下入时机对产量的影响,应用大数据,对已下入完井管柱的359口气井的单位压降产量、水气比等进行分析,发现气井下入油管的间隔时间与单位压降产量、水气比无明显关联,而产水量较低的井,单位压降产量相对较高。但因部分页岩气井的油管在使用一段时间后出现腐蚀穿孔现象,为保护油管,实现持续稳定生产,建议在气井产水积液现象出现前下入油管。     

城市生活垃圾热值的特征变量选择方法及预测建模

在垃圾焚烧的过程中,垃圾热值的波动会影响垃圾焚烧的稳定性.为了实现城市生活垃圾热值的实时在线预测以及变化趋势预测,采用模糊神经网络软测量方法,利用焚烧发电厂在线运行数据作为输入,实现垃圾热值的实时预测功能.首先采用互信息方法从若干特征变量中剔除部分无关变量;然后将模糊神经网络和粒子群优化算法结合起来从上述选择出的特征变量中进一步剔除冗余变量,从而确定预测垃圾热值的输入变量,并从中训练出垃圾热值的模糊神经网络预测模型;最后通过采集的样本数据进行性能测试.结果表明该方法有较好的预测准确率和实时性,适用于垃圾热值的在线预测.     

基于BP神经网络的高速公路旅行时间预测模型

针对目前高速公路检测器铺设密度较低导致预测路段旅行时间准确率不高的问题,利用联网收费数据建立旅行时间预测模型,用于预测路段旅行时间.首先根据收费数据计算出路段旅行时间,对其进行修正后建立真实旅行时间集,然后利用随机森林算法从构建的旅行时间备选变量中筛选出重要变量,以此作为输入建立基于BP神经网络的旅行时间预测模型,最后...     

DE算法改进的炼焦能耗RBF预测模型

针对炼焦能耗计算繁琐、影响因素众多的问题,以目标火道温度、烟道吸力、水分、挥发分和炼焦时间为输入变量,以炼焦能耗为输出变量,提出基于差分进化算法改进的RBF预测模型。由于RBF网络存在学习能力差、收敛速度慢等多个缺点,针对性地改进了差分进化算法优化的能耗预测模型。利用具有强大全局搜索能力的差分进化算法,选择RBF网络中基函数的中心值、宽度和输出权重的计算最优值,以此作为RBF神经网络的中心值、宽度和输出权重。结果表明,改进后的RBF预测模型具有较高的精度、稳定性和训练速度,对降低炼焦能耗、提高焦炭产量和提高企业经济效益具有重要意义。