碳纤维原丝纺丝过程的在线监控协同式专家系统

提出了一种针对碳纤维原丝纺丝过程的在线监控协同式专家系统,以NetCon网络化控制系统为硬件壤础建立碳纤维原丝纺丝在线监测系统,利用RBF神经网络建立原丝性能在线预测模型,同时引入遗传算法,增强该神经网络模型的适应性和学习能力。以上述RBF神经网络模型为基础,建立碳纤维原丝纺丝监控协同式专家系统,对影响碳纤维原丝性能的主要指标因素进行调节和配置。该方法为碳纤维原丝纺丝在线监控提出了一种新的思路,并获得了满意的监控效果。     

基于神经网络的卡钻预测

针对钻井过程的复杂性、不确定性等特点,提出应用神经网络技术预测卡钻事故,建立事故预测模型.选取对卡钻事故的发生有较大影响的变量作为神经网络的输入项,分析钻井现场实时监测的卡钻数据和正常运行的数据,应用钻井现场数据对神经网络进行训练以此建立卡钻事故预测模型,最终通过钻井现场数据证实该网络具有对卡钻事故做出准确预测的能力以及良好的泛化能力.     

概率神经网络及其在储层产能预测中的应用

概率神经网络（PNN）是一种基于概率密度函数理论且泛化能力很强的神经网络，并且能够广泛地应用于模式识别等领域。针对储层产能的预测问题，提出了一种具体的概率神经网络方法，包括网络模型的构造、学习训练和预测识别等步骤。基于MATLAB6．5设计出概率神经网络的具体应用软件，实际应用表明，在储层产能预测中效果显著。与BP网络进行对比实验，其预测正确率优于BP网络。     

基于DNN的半潜式平台系统稳定性预测模型

针对半潜式平台系统故障警报信号频发、系统运行稳定性差等问题，基于半潜式平台工作信号点位数据集研究影响半潜式平台稳定运行的重要因素。基于这些影响因素采用机器学习、深度学习算法构建基于深度神经网络（Deep Neural Network，DNN）的平台系统稳定性预测模型，该模型的曲线下面积（Area Under Curve，AUC）得分较逻辑回归、K近邻查询、支持向量机、朴素贝叶斯等传统机器学习模型的AUC得分提高1.0%~16.0%、准确率提高3.0%~25.6%，表明DNN模型具有较好的拟合能力和泛化能力，可以用于工业实践。     

基于CNN-GRU神经网络的测井曲线预测方法

目前许多测井曲线预测模型存在预测结果不稳定、精度不高的问题.为此,将深度学习中特征表达能力较强的卷积神经网络(CNN)和记忆能力较强的门控循环单元(GRU)相结合,设计并实现了一种通过卷积门控循环单元(CNN-GRU)神经网络进行缺失井曲线预测的方法.以测井数据序列作为输入,首先通过CNN网络提取测井数据的特征,形成时...     

油基钻井液在高温高压下的密度预测——基于自适应极限学习机模型

针对高温高压井油基钻井液密度预测的问题,提出了一种自适应极限学习机的油基钻井液密度预测模型,该模型结合了极限学习机理论和K近邻理论,以室内实验结果作为训练样本,开展油基钻井液密度预测研究。结果表明,该方法学习速度快,具有良好泛化性能,解决了神经网络模型局部最小、迭代次数多等问题,与传统的神经网络和极限学习机模型相比预测精度更高,具有广泛的应用前景。     

基于卷积门控循环单元网络的储层参数预测方法

储层参数是储层评价的一项重要内容。针对传统储层预测方法难以摆脱线性方程的束缚及预测精度不高的问题,将卷积神经网络与门控循环单元网络相结合,提出了卷积门控循环单元网络模型。该模型不仅具备卷积神经网络局部感知的特性,还具备门控循环单元网络长期记忆的功能,从而具有表达数据时空特征的能力。基于某井区A井已知井段测井资料建立卷积门控循环单元网络孔隙度预测模型,预测该井区未知深度段的孔隙度,并提出变学习率训练方法。实验证明,与单一的卷积神经网络模型、门控循环单元网络模型相比,卷积门控循环单元网络模型能够更有效地提取数据特征,预测精度更高,可为储层参数的预测提供新的思路。     

基于不同人工神经网络的催化裂化焦炭产率预测对比

在催化裂化装置（FCC）中,焦炭产率增加不但会使装置的总液收降低,而且会影响装置的热平衡,增加装置的操作难度。控制催化裂化装置焦炭产率十分重要,而其前提是能够准确预测装置的焦炭产率。催化裂化焦炭的生成和烧焦过程是一个连续的过程,影响参数众多且各参数之前互相影响,使用传统的方法建立多参数的预测模型具有一定的难度。本文利用人工神经网络(ANN)结合催化裂化装置的生产数据分别建立了GRNN神经网络预测模型和BP神经网络预测模型。对比分析结果表明,BP神经网络预测结果的准确度和稳定性优于GRNN神经网络。为进一步提高BP神经网络的预测效果,又分别使用了粒子群算法(PSO)和遗传算法(GA)对其进行优化。对比分析两种优化算法表明,两种优化算法均能提高BP神经网络的预测精度,综合考虑预测结果的准确性和稳定性两个方面,经遗传算法优化的BP神经网络预测模型优于经粒子群算法优化的BP神经网络预测模型。     

基于双向循环神经网络的河流相储层预测方法及应用

河流相储层通常具有横向变化快、地震反射特征多解性强的特点,因而河流相储层地震预测难度大。将测井信息与地震多属性相结合实现河流相储层地震预测,传统的方法包括多元线性回归方法、地质统计学方法和BP神经网络等。人工智能深度学习方法为井震信息的融合提供了新的解决思路。通过构建井震学习样本,提出了一种基于双向循环神经网络的井震融合储层预测方法。从储层沉积连续性角度,将地震数据看成具有纵向联系的时序数据,以CD地区100余口井馆上段地层的储层和非储层为学习样本,构建双向循环神经网络储层预测方法,通过训练优选超参数建立井震融合的深度学习储层预测模型。该预测模型应用于CD地区河流相储层预测的效果显著,细小河道形态清楚,预测精度高,有效指导了CD地区的勘探部署。     

低渗砂岩储层水锁损害的灰色神经网络预测模型

基于灰色GM（O，N）静态模型和BP神经网络模型，提出了一种新的参数估算的模型即灰色神经网络模型来预测低渗砂岩储层的水锁损害。结果表明，用灰色神经网络模型来预测低渗砂岩储层的水锁损害是可行的。经验证，该预测模型具有规律性以及神经网络的高度非线性，其效果明显优于传统的回归分析，灰色GM（O，N）静态预测法和一般的神经网络法。     

利用测井资料预测克拉玛依油田八区克上组油层产能

基于达西二维产量公式，通过研究储层产能的理论公式，并分析储层产能的两类主要影响因素（人为因素和储层因素），认为在一个油区内各种作业方式等人为因素大致相同的前提下，储层产能主要取决于储层的性质。在此基础上，本文建立起储层产能与测井数据之间的关系，采用人工神经网络技术建立了储层产能预测系统，该系统采用了5个评价参数（有效孔隙率、渗透率、含油饱和度、泥质含量和产能系数）作为输入节点，通过人工神经网络（ANN）模型预测出表示储层动态特征的结果。将本方法用于预测新疆克拉玛依油田八区克上组油层拉能，取得了良好的效果，从而证实了本方法的有效性。     

Development of artificial neural network models for predicting water saturation and fluid distribution

We have developed artificial neural network (ANN) models to predict water saturation from log data. Two Middle Eastern sandstone reservoirs were investigated. In the first case, an ANN model was tested on the Haradh formation in Oman using wireline logs and core Dean–Stark data. In the second case, the ANN was used to model the saturation–height function in a complex sandstone reservoir.In the first case study, the model is based on a three-layered neural network structure. The model was successfully tested yielding a prediction of water saturation with a root mean square error (RMSE) of around 0.025 (fraction of pore volume P.V.) and a correlation factor of 0.91 to the test data. Furthermore, the ANN model was shown to be superior to conventional statistical methods such as multiple linear regression, which gave a correlation factor of 0.41.In the second case, the model yielded a saturation–height function with an RMSE of 0.079 (fraction P.V.) in saturation when using core porosity and height above free water level. This is a considerable improvement over conventional methods. The error was also greatly reduced when permeability and a lithology indicator were introduced. A minimum error of 0.045 (fraction P.V.) was obtained when using core data such as height, porosity, permeability, lithology and a functional link. We then used gamma ray, neutron, density, resistivity wireline data and the cation exchange capacity as inputs. Our best case which gave an RMSE error of 0.046 (fraction P.V.) was obtained. The ANN was then used to predict the hydrocarbon saturation in the Gharif formation and good results were obtained. The neural network model proved the robustness of saturation prediction in another field for the same formation.     

基于神经网络的海水淡化系统产水模拟及预测

海水淡化是一个涉及传热传质等诸多因素的复杂的非线性过程。为了克服传统数学建模方法在模拟仿真精度和实时性方面的不足,对大样本空间的神经网络构造及网络学习加速方法进行了大量探索及尝试,成功地将神经网络技术引入海水淡化产水过程中构造新的产水模型,建立了以空气入口干球温度、预冷器进口冷却水温度、海水喷淋温度和海水喷淋量作为输入参数的海水淡化系统神经网络模型。分析表明,该模型不仅具有较高的仿真精度,而且保持了系统原有的光滑性,能满足系统实时仿真模拟预测的要求。     

A New Method for Building Porosity and Permeability Models of a Fractured Granite Basement Reservoir

This paper presents the procedure and results of building porosity and permeability models for a fractured basement reservoir in offshore Vietnam by using Artificial Neural Network (ANN) method. ANN may help solve problems that conventional computing has not been successful with. Thus, ANN is a method, which could provide an accurate model for fractured basement reservoirs. Moreover, well log data combine seismic attributes to establish the property model. Well log data were used as the indicator to test the accuracy of the models. This study shows the 3D models of porosity and the permeability models.     

利用支持向量机方法求取缝洞型油气藏地层系数

将支持向量机方法应用于缝洞型油气藏地层系数的预测.以国内某典型缝洞型油气藏为例,选取已进行试井分析的12口典型单井资料(包括对应的开发数据)作为学习样本,构建预测地层系数的支持向量机模型,并对模型进行了检验,结果表明,利用支持向量机方法所预测的地层系数与试井解释所得的实际值较为吻合,证实了利用该方法预测、评价缝洞型油气藏地层系数的可行性.     

海上钻井隔水导管极限承载力计算

为了更合理地确定隔水导管最小入泥深度,根据海底土的工程地质特征,结合岩土力学理论分析,建立了不同海底土层下的隔水导管极限承载力计算模型。根据隔水导管承载力计算模型,结合海上钻井隔水导管现场施工过程中不同的工况特征,建立了隔水导管最小下入深度计算模型。理论模型在渤海QHD32-6和SZ36-1油田进行了应用,得出了隔水导管底部承载力随入泥深度的变化曲线,进一步确定出隔水导管的最小入泥深度,计算结果与实际情况比较符合。研究成果将为海上隔水导管最小入泥深度的选择提供技术帮助。     

Artificial Neural Network Identification and Evaluation of Hydrotreater Plant

In this paper, an Artificial Neural Network (ANN) model for the simulation of an industrial Hydrotreater Unit (HU) is presented. Hydrotreating is an important oil refinery processes, but due to its complexity, the modeling poses a great challenge. The proposed model predicts hydrogen demand, outlet API, and sulfur weight percent as a function of inlet API and sulfur weight percent for seven different feedstocks. This study determines the optimum architecture of ANN in order to achieve good generalization. The results show ANN capability to predict the measured data. The ANN model is also compared to those of an existing simulator available at a local refinery. The comparison confirms the superiority of the ANN model.     

Artificial Neural Network Identification and Evaluation of Hydrotreater Plant

Abstract

In this paper, an Artificial Neural Network (ANN) model for the simulation of an industrial Hydrotreater Unit (HU) is presented. Hydrotreating is an important oil refinery processes, but due to its complexity, the modeling poses a great challenge. The proposed model predicts hydrogen demand, outlet API, and sulfur weight percent as a function of inlet API and sulfur weight percent for seven different feedstocks. This study determines the optimum architecture of ANN in order to achieve good generalization. The results show ANN capability to predict the measured data. The ANN model is also compared to those of an existing simulator available at a local refinery. The comparison confirms the superiority of the ANN model.     

东方1-1地区海底土承载力计算及应用研究

根据东方 1- 1地区海底土的地质调查资料 ,利用隔水导管极限承载力计算模型 ,计算出该地区海底土的极限承载力。结合海上钻井施工特点 ,进一步计算出隔水导管的合理入泥深度。计算结果与实际情况比较吻合 ,效果良好     

液化天然气接收站不同船期下动态罐容模型建立及分析

根据规划的不同船期模式,考虑外输量的季节调峰、日调峰以及安全余量影响,建立了均匀船期、半均匀船期和自主船期3种罐容动态计算模型。针对某接收站,分别采用3种模型进行计算。对比计算结果可知:均匀船期模型船期安排自由度最小,计算所需罐容最大;自由船期模型船期安排自由度最高,计算所需罐容最小;半均匀船期模型船期安排自由度、计算所需罐容均适中。因此建议各接收站根据实际进货计划合理安排船期,尽可能做到自主船期经营,从而减少储罐建造个数,节省投资。