基于K近邻互信息估计的原油管道电耗预测

为使用最少的特征实现管道电耗的精准预测,建立基于K近邻互信息估计的BPNN模型来预测管道电耗.利用管道输送理论公式扩充原始数据集,利用K近邻互信息估计提取强相关性特征,将提取出的特征喂入BPNN来建立原油管道电耗预测模型,最后对比利用不同输入特征建立的模型的预测精度.研究结果表明:利用K近邻互信息估计能够选出多个与电耗相关的重要特征;利用相关性最强的前5个特征建立的BPNN预测模型时,模型的平均绝对百分比误差比利用单个特征建模时降低了39.28％,达到5.79％;该模型平均训练时间也比利用全部特征建模时缩短22.49％.证明K近邻互信息估计能够提取管道电耗的相关特征,与BPNN结合后能够实现管道电耗的准确预测.     

油田热注蒸汽干度测量方法的研究进展

综述油田热注蒸汽(湿饱和蒸汽)干度测量的几种有效方法——化学化验法、热力学法和非热力学法、软测量法、光学检测法和"体积变化式"测量法,分析了各种方法及其优、缺点,并提出了体积变化式测量法应用于油田蒸汽干度的测量。     

基于混合BP神经网络的原油管道电耗预测研究

原油管道电耗的准确预测能够用于控制原油管道耗能水平,充分挖掘原油管道输送系统的节能潜力。实际采集到的原油管道运行数据具有波动范围大的特点,且存在严重的噪声干扰和信息冗余,对精确预测管道电耗造成不良影响。为解决上述问题,提出一种基于混合神经网络的电耗预测模型。利用自适应噪声的完备集成经验模态分解,对原油管道日运行数据进行分解;利用主成分分析对分解后数据做降维处理;利用改进粒子群算法调节神经网络结构参数;使用该模型预测某原油管道电耗,并与常见的几种预测模型展开对比。结果表明,分解算法能够提高模型预测精度;该混合神经网络模型预测精度最高,其测试集的平均绝对误差为5.394%,较使用分解算法前降低39.200%。     

V锥流量计在蒸汽干度计量中的应用

针对稠油开采过程中采用人工化验法进行蒸汽干度测量时,随机性强且稳定性差的缺陷,采用V锥流量计结合流体体积变化法测量蒸汽干度,在线监测蒸汽干度及蒸汽压力等参数。通过分析蒸汽干度与蒸汽压力以及V锥流量计测得的压差之间的关系,证实蒸汽压力、流量和压差是影响蒸汽干度的主要因素,得出蒸汽干度与压差值成近似一次函数关系的结论。     

基于层次分析和灰色关联分析法的城市天然气门站安全评价

城市天然气门站安全状况好坏,直接决定了整个城市天然气系统能否正常、平稳运行,为此提出运用层次分析和灰色关联分析法对城市天然气门站进行安全状况分析。通过对天然气门站危险因素的分析,建立了门站安全评价指标体系,运用层次分析法得出评价指标权重,运用灰色关联分析得出参评数据序列与标准数据序列之间的关联度,关联度最大值所对应的标准安全等级,即为天然气门站安全等级,并针对评价结果,给出相应的日常安全工作重点。用该方法对常州天然气门站进行安全评价,得到门站安全等级为Ⅱ级,这与门站实际运行状况相符,说明用该方法对城市天然气门站进行安全评价是有效的、可靠的。能够为城市天然气门站安全管理提供依据。     

祁连山木里地区天然气水合物成矿条件

天然气水合物是一种潜在的新能源,广泛的分布在陆域多年冻土区。本文分析了木里地区具备形成天然气水合物的基本条件,探讨了天然气水合物的气源、水源和冻土条件。该地区应蕴含巨大的天然气水合物资源。