BP神经网络模型设计的研究

就BP神经网络应用设计中的网络隐含层数、隐含层神经元个数等具体设计问题进行了研究与探讨,提出一种新的构建BP神经网络模型方法。实验表明,使用该方法构建的网络模型训练曲面图形时,得到的网络输出曲面与原样本曲面非常接近,训练误差满足设定要求。     

基于改进BP神经网络的油井流入动态研究

针对传统流入动态研究方法误差较大等问题,提出利用改进的BP神经网络进行油井流入动态研究。通过采用LM算法和贝叶斯正则化算法,改进了常规BP神经网络收敛速度慢、泛化能力差等缺点,并探讨了通过优化网络结构来提高网络泛化能力的方法。实例计算结果表明,采用LM算法和贝叶斯正则化算法的改进BP神经网络用于油井流入动态研究是可行的...     

基于BP神经网络的抽油机节能调节算法研究

为了降低抽油机能耗,需要对抽油机在以往的工作中柄平衡块进行调节。当平衡块位于最佳平衡位置时可以达到节能的目的。以往,平衡块的调节都是前线工人凭经验进行调节,即无法大规模普及,也耗费大量时间和人员成本。为了解决这一问题,提出了一种基于BP神经网络的适用于抽油机平衡块快速准确调节的算法,并通过实践检验,验证了该算法的准确性和有效性。根据该算法调整后,耗电量单井减少2~13 kWh,平均减少5.8 kWh,平均省电比为6.47%。     

基于改进神经网络的渗透率预测方法

由于传统BP算法具有收敛速度慢、易陷入局部极小值等不足,文中对其进行了改进。在Kozeny-Carman方程和杨正明研究的基础上,借助于MATLAB神经网络工具箱,建立了预测岩石渗透率的3层前馈型BP神经网络模型。对改进的神经网络模型进行的仿真训练结果表明:改进模型具有更快的收敛速度和更高的精度,模型预测值与实验室测试值的一致性比较好,其相对误差小于10%,完全能够满足现场精度要求。     

改进神经网络在预测评判油气田设备腐蚀分析中的应用

主要针对一般BP神经网络易陷入局部最小值、收敛速度慢、引起扬荡效应的缺点,提出用一种改进遗传算法对BP网络的权值、阈值进行训练,构建优化的混合算法神经网络模型。在华北油田某管道的腐蚀情况分析中,证明了该方法的正确性和优越性。     

用改进的BP神经网络评判管道的腐蚀类型

用BP神经网络分析评判管道的腐蚀类型,可以避开寻找各种因素对腐蚀类型影响规律的难题,方便准确地分析评判出管道的腐蚀类型,但是传统的BP神经网络存在收敛速度较慢和容易陷入局部极小点两个问题,为此文章提出了将传统的BP神经网络与共轭梯度优化算法相结合,以优化网络权值和阈值的计算,同时确定了相应的计算方法。将改进后的BP神经网络应用到管道腐蚀类型的评判中,取得了良好的效果。计算结果表明,改进后的BP神经网络具有更好的学习能力,可以在更少的迭代次数和时间内,得到高精度的输出结果。     

BP神经网络在橡胶试验中的应用

人工神经网络技术具有很强的非线性映射能力。用于系统的非线性建模，具有较强的优势。介绍了人工神经网络的基本原理及其在橡胶试验设计中的应用。用BP神经网络建立了橡胶配方中4种填料对SBR胶料7项性能影响的模型，通过该模型计算的结果与试验值的偏差较小，说明神经网络方法精度高，利用它建立的数学模型可靠。     

基于BP神经网络的储层微孔隙结构类型预测

剩余油层分布是油田进入高含水期后研究的主要课题之一,在影响剩余油层分布的各种因素中储层的微孔隙结构是根本原因。本文提出了基于BP神经网络的储层微孔隙结构类型预测方法。该方法利用人工神经网络技术所具有的非线性、容错性和较强的模式识别能力实现了综合推理,进行孔隙结构类型预测。采用该方法,对大庆油田采用五厂储层样本进行了处理,在10%的可接受误差时,符合率达80%以上,结果表明该方法用于预测储层微孔隙结构类型是可行和有效的。     

基于改进BP神经网络的天然气需求预测

天然气能源清洁、无污染,其发展受到了广泛重视。准确地把握、预测天然气未来的需求,将有助于制定合理的规划,促进天然气工业的可持续发展。应用附加动量法改进BP神经网络,建立天然气需求预测模型,可以有效避免BP神经网络容易陷入局部极小值的缺点,对天然气需求的短、中期预测具有较好适用性。预测结果表明,未来10年天然气的需求仍很强劲,国内天然气供应难以满足长期需求,需要制定相应的天然气供需策略。     

应用改进的BP人工神经网络快速预测储层敏感性

标准的神经网络算法存在训练时间长，在一些特定的给定初值情况下会陷入局部最小等缺点，应用受到一定限制。该文介绍了改进的BP人工神经网络训练算法，该算法在一个权值修改过程中对权值修改两次，以达到加速收敛避免陷入局部最小等目的，利用该算法进行了储层敏感性快速预测软件研制。分析表明，该算法受人为因素干扰小，所需参数少，结果比较可靠，总体符合率达到91％，改进后的算法训练所需时间与标准BP网络相比缩短了许多，是一种适用于现场的良好方法。     

BP神经网络在测井资料标准化中的应用

夏宏泉刘红岐：ＢＰ神经网络在测井资料标准化中的应用，测并技术，１９９６（３）２０，２０１～２０６。神经网络是一门新兴的信息处理技术，它可用来解决测井精细解释和油藏描述中的模式识别和预测估值等问题。本文从神经网络的结构、功能和特点及学习规则出发，探讨了应用神经网络进行测井资料标准化的可行性，并以Ｓ地区沙三段三孔隙度测井资料为应用实例，采用ＢＰ神经网络技术对其进行了标准化分析校正，处理效果令人满意。该法为测井资料标准化找到了一条新的途径，值得借鉴使用。     

BP�������ڴ��������е�Ӧ��

BP神经网络不同于传统的CRA（碳酸盐岩复杂岩性处理程序）测井解释方法，具有强的抗干扰能力和非线性映射能力。通过在四川盆地东北部地区铁山坡含气构造飞仙关组气藏储量计算中的应用证实，用BP神经网络计算的孔隙度与岩心分析结果有很好的一致性，能满足储量计算要求。在气水判别方面，BP神经网络计算气层段的含水饱和度与岩心分析结果相比，误差在10％以内，能指示气层特征；在水层段，BP神经网络计算的含水饱和度大于50％，能指示水层特征。表明BP神经网络可以应用于确定储量参数和判别储层流体性质。     

基于MATLAB的BP神经网络在储层物性预测中的应用

在阐述BP神经网络模型结构的基础上.根据取心井段储层物性与测井信息的关系,选取相应的测井曲线,运用MATLAB神经网络工具箱中特定的函数对建立的神经网络模型进行训练,使得储层物性(孔隙度、渗透率)和测井响应之间具有较强的非线性映射关系,在一定的条件下运用该模型可对研究区未知样本的物性参数进行预测.实例研究表明,预测准确性较高,显示出BP神经网络对储层预测的潜在优势和实用价值.     

BP神经网络在沥青延度预测上的应用

在我国的沥青标准体系中,延度是一个重要指标。但是,目前对于延度的预测方法可用的很少。人工神经网络可以对输入和输出间复杂的关系进行关联,能对复杂的函数关系进行线性和非线性的拟合。该文用调合沥青原料四组分数据和调合比例计算而来的四组分值作为输入,延度作为输出,在MATLAB上进行了数学建模,建立并训练BP神经网络,检验神经网络的性能优劣。结果表明:训练出来的BP神经网络对于调合汤青的延度具有较好的预测能力。     

BP神经网络在铀矿测井解释中的应用

应用人工神经网络对铀矿测井解释中岩性识别和孔隙度预测等问题进行了,研究,采用了一种改进的的BP算法,其方法具有收敛速度快,避免网络陷入局部最小和出现振荡现象,优化网络结构等优点,提出了一种基于统计的学习样本生成方法,使样本生成问题规范化,使用该方法生成的样本真实可靠,具有代表性,可大大提高样本质量,实际应用网络进行岩性识别和孔隙度预测,取得了令人满意的结果。     

BP神经网络在铀矿测井解释中的应用

应用人工神经网络对铀矿测井解释中岩性识别和孔隙度预测等问题进行了研究。采用了一种改进的 BP算法 ,其方法具有收敛速度快、避免网络陷入局部最小和出现振荡现象、优化网络结构等优点。提出了一种基于统计的学习样本生成方法 ,使样本生成问题规范化。使用该方法生成的样本真实可靠 ,具有代表性 ,可大大提高样本质量。实际应用网络进行岩性识别和孔隙度预测 ,取得了令人满意的结果     

正态分布在基于BP人工神经网络识别火山岩岩性中的应用

基于测井资料的BP神经网络法识别火山岩岩性应用比较广泛。若网络训练样本本身存在问题,将导致网络不易收敛、精度低。合理确定训练样本的输入值和期望输出值尤为重要。通过对大量的火山岩测井数据进行处理分析,发现部分测井响应特征参数在不同测段内基本上服从正态分布规律,据此应用正态分布理论。给出了合理确定训练样本方法和计算公式。计算结果表明,利用该方法进行火山岩岩性识别是可行的。该方法对其他相关领域也具有参考价值。     

BP神经网络在脱气井产出剖面测井解释中的应用

油井开发后期,因流压降低脱气,井筒中的两相流动变为三相流动,原有的测井解释方法已不再适应。为了研究三相流产出剖面相关参数计算方法,在模拟井进行三相流产出剖面测井实验。模拟实验采用由涡轮流量计、电导探针含水率计及压差密度计组成的多参数组合仪进行。实验在三相流模拟井中获得3个原始参数:涡轮转数、持水率及混合密度。应用时间序列统计分析方法在时域中提取压差密度计响应值的6个特征量。用这6个特征量及实验获得的3个原始参数,共9个反映三相流动特性的特征量作为输入向量,运用BP人工神经网络进行训练,对总流量、液相流量及含水率进行预测,效果良好。将该方法应用于现场试验井,取得良好效果。