基于QPSO的BP神经网络油田节能指标预测

针对BP神经网络易陷入局部极小问题以及收敛速度慢的问题, 引入量子粒子群优化算法和BP神经网络相结合的方法, 共享BP神经网络强大的灵活性和量子粒子群全局搜索能力强的优势, 通过改进QPSO的平均最优位置的计算方法, 实现基于BP神经网络和量子粒子群的油田节能指标预测. 以大庆某采油厂注水泵机组单耗数据为训练数据, 预测结果表明该方法能达到良好的预测效果, 具有可行性.     

基于改进AHP和SVR的油田产能建设项目综合后评价模型

根据油田产能建设项目后评价的特点以及吉林油田的实际情况,详细分析油田产能建设项目后评价中的评价指标、各指标间的关系以及对最终综合后评价的影响,提出了一种基于改进层次分析法（AHP）和支持向量机回归（SVR）的综合后评价模型. 利用改进AHP法确定综合后评价指标体系中各个评价指标权重,然后通过SVR进行综合后评价,以提评价结果的精确度. 该模型不仅弥补了人为主观估计权重的缺陷,并且考虑到各评价指标对综合后评价结果的影响,科学并客观的对产能建设项目进行综合后评价,实验结果验证了该方法的有效性.