基于粗糙集和Petri网的油层含油识别研究

油藏受天然气的侵入,就会产生油气分异的现象:天然气会萃取出油藏中的轻组分,造成凝析油藏或轻质油藏;此外,油藏中的重组分脱出,形成沉淀,直接导致储层的渗透率降低,从而影响油气的分布规律。针对油藏中油气分布规律复杂的问题,在传统油层含油判别分析的基础上,提出了一种基于粗糙集和Petri网的油藏建模方法。应用粗糙集的知识约简对油层含油识别相关的岩层厚度、泥质含量等6个指标进行属性选择,提取最简规则,建立Petri网模型,根据Petri网的并行推理达到简洁高效的含油识别。仿真实验结果表明,采用粗糙集与Petri网判断的油气分布规律与现场数据高度接近,精度高,识别速度快,正确率高。可见将粗糙集与Petri网组合用于油层油气识别是有效的。     

基于Elman神经网络和遗传算法的油田指标预测#

基于指标预测在油田实际开发中的应用,提出将神经网络和改进的遗传算法结合起来构建预测模型。神经网络采用具有动态反馈的Elman网络,充分发挥其动态预测的优势,同时借助遗传算法弥补其训练速度慢和容易陷入局部极小的缺点。对遗传算法的选择算子加以改进,不仅可以保存优良个体而且可以提高搜索效率。将神经网络和遗传算法进行有机结合,实现优势互补,以大庆葡北油田三断块的后续水驱含水率实测数据为例对模型进行论证,结果表明,该模型能达到很好的指标预测效果,本文提出的方法是有效可行的。     

基于模糊神经网络的焊缝缺陷识别的研究

焊缝缺陷在X射线设备下成像转成数字图像后,分析其图像的特点,进行缺陷的定位与边缘检测,结合人工识别焊缝缺陷的经验选取对焊缝缺陷分类影响因子较大的特征参数。用模糊集合的概念描述特征参数,建立特征参数的模糊规则库,构建以模糊化后的特征参数为输入层,以模糊规则为隐含层,缺陷预知识别分类为输出的模糊神经网络模型。分析实验结果,成功定位缺陷在数字图像中的大概位置与边缘检测。该方法提高了集合交叉较大的焊缝缺陷的识别率,能有效地对缺陷进行识别分类。     

结合商业模式探索物联网控制技术课程创新的改革策略

物联网控制技术是物联网系统高效应用的核心技术,商业模式是物联网行业发展的重要驱动,两者之间存在一定的联系.将物联网控制技术和商业模式相结合,有望拓展物联网的创新空间,促进教育和相关产业发展.本文从商业模式与物联网控制技术结合的视角,探讨物联网控制技术课程在理论内容、实验教学、实训方案等方面的改革策略,以提高学生创新和综合应用能力,提升课程教学质量.     

图像识别算法在油田集输仿真培训中的应用

以石油企业中的油气集输系统为主要研究对象,针对目前虚拟仿真技术存在的问题和缺陷,对油气集输系统的虚拟仿真技术进行较深入研究。在对油气集输工具图像进行分析和实验研究的基础上,提取集输工具图像的多种特征值,其中利用 HSV 彩色空间提取图像颜色特征,采用傅立叶描述子提取图像的形状特征。并采用最小二乘支持向量机算法对图像进行识别,实现了员工在虚拟现实场景中真实、安全、高效培训,经现场实际使用取得了较好的应用效果。     

改进型灰色神经网络模型在油田产量中的应用

石油产量的精确预测,是石油企业制定合理的生产计划、避免盲目投资、实现可持续开发的重要条件。论文基于传统的灰色预测模型,根据大庆油田1992～2011年产量数据,推出了两种改进预测模型,分别对灰色模型进行参数优化和初值修正,并采用神经网络确定了组合模型中各单项模型权重,建立了改进灰色-神经网络组合模型,对大庆油田产量进行预测。实际数据分析结果表明:灰色-神经网络组合模型不仅可以有效解决BP网络训练样本不足的问题,还能有效运用各单项模型信息,从而明显提高了精度。通过进一步的分析、对比及讨论,文章认为,灰色-神经网络预测模型运用于国内外石油产量预测,方法可操作性强,结论科学性显著。