基于PCA-RBF神经网络的新型录井岩性识别方法

新的钻井工艺或钻井液体系的使用在保证钻井施工顺利进行的同时,也给录井岩屑的岩性识别带来了极大的挑战,其中以膏盐岩地层尤为突出。以塔里木油田大北X井为例,提出了主成分分析(PCA)与径向基函数(RBF)神经网络相结合的膏盐岩地层岩性识别方法,利用主成分分析法去除指标变量间的相关性,将原始指标变量重新线性组合为4项综合变量作为RBF神经网络的输入向量;最后建立适于识别膏盐岩地层岩性的RBF神经网络模型。实际识别结果表明,该PCA-RBF神经网络模型对于膏盐岩地层岩性的识别具有较高的准确性,完全可以满足实际应用的要求,具有进一步推广的价值。     

深井石油套管盐膏岩层蠕变挤压应力计算研究

在研究盐岩力学特性基础上，对盐膏层特别是深部盐膏层钻井后因地层蠕变挤压造成井眼失稳和固井后套管挤毁的机理进行了,并提出了适用于盐膏层蠕变挤压应力计算模型。针对新疆塔里木盆地北部某井具体实例，就亍膏层蠕变挤压应力进行了计算分析。结果表明，研究成果与实际观察到的现象相吻合。     

中上扬子地区中寒武统膏盐岩沉积特征

为了研究中上扬子地区中寒武统膏盐岩的沉积特征,通过对野外剖面、钻井岩心、岩石薄片等资料的分析,探讨了中上扬子地区中寒武统膏盐岩的发育特征,分析了膏盐岩-碳酸盐岩共生组合的沉积环境及成因模式。研究结果表明:1)按膏盐岩的3种主要成分对其进行成分分类,将研究区中寒武统膏盐岩划分为石膏岩类、含石膏白云岩类和含膏泥(砂)岩类、石盐岩类4大类,并进一步分成8小类,其中含石膏白云岩类最常见,分布最广;2)研究区中寒武统膏盐岩主要分布于陡坡寺组(高台组)、西王庙组(石冷水组)、覃家庙组。横向上,由南至北,沉积环境依次为蒸发潟湖、蒸发台地、蒸发潟湖、局限台地;由西至东,沉积环境依次为蒸发潟湖、局限台地、蒸发潟湖、蒸发潟湖;纵向上,自下而上沉积环境依次为局限台地、蒸发潟湖、蒸发台地、浅滩;3)研究区中寒武统整体上存在川东南—渝东、鄂西—黔北地区、川西南—黔北地区和鄂西南—鄂中南地区3个膏盐岩发育区;4)研究区膏盐岩主要形成于蒸发潟湖环境,主要成因为蒸发作用。     

基于PCA法的BP网络对冰蓄冷系统的空调负荷预测

BP神经网络应用于空调负荷预测时,如果输入变量较多或变量间存在相关关系,会直接影响BP神经网络的预测准确性。针对此问题,采用主成分分析(PCA)法,在保留原始数据主要信息的前提下提取数据的主要成分。根据各主成分的贡献率对神经网络输入变量进行缩减,达到压缩变量维数的目的。然后将主成分输入到负荷预测的模型之中进行预测,使之更符合空调负荷预测的特点,提高预测的速度和精度。最后通过实际算例进行验证,实验结果表明,该方法确实可行。     

盐岩地层井眼缩径控制技术新方法研究

防止盐岩卡钻传统的措施是采用饱和盐水泥浆,阻止盐岩溶解,加大泥浆密度,减缓盐岩向井眼方向的流动,防止缩径。但这种以提高泥浆密度为前提的盐层钻井在高温、高地应力区域,不能从根本上解决盐岩层卡钻的问题,因为实际钻井中泥浆密度不能无限制地增大,否则其他岩性层段易产生复杂情况,并且影响钻速。提出了解决这类问题的新方法,采用适当密度的欠饱和盐水泥浆,通过词整氯根(NaCl浓度),让欠饱和盐水泥浆能满足井眼截面盐溶解速率与盐层的缩径率平衡,从而达到防止盐岩卡钻的目的,并在实际钻中得到较为有效的应用。     

CAST工艺的BP和RBF人工神经网络仿真模型

将误差反向传播前馈(BP)神经网络模型和径向基函数(RBF)神经网络模型应用到CAST工艺中,并采用多输入、双输出神经网络模拟处理过程中各变量之间的关系和预测出水水质.误差分析结果表明,训练阶段RBF神经网络模型的拟合精度比BP神经网络模型的高,但两者的预测精度相差不大;测试阶段BP神经网络模型和RBF神经网络模型预测出水COD的平均相对误差分别为6.35%、6.80%,预测出水TN的平均相对误差分别为7.19%、5.49%,均在8%以下,这说明两种神经网络模型均可用于模拟CAST污水处理工艺各变量之间的关系和预测出水水质,为污水厂的运行管理提供了理论依据.     

热电厂锅炉燃烧系统建模及优化研究

锅炉的燃烧系统是一个复杂的动态机理系统,各控制回路和变量之间存在非线性、强耦合以及大滞后等特点,利用传统的机理建模和常规的比例、微分、积分(PID)控制策略,并不能有效实现锅炉燃烧系统的优化.从基础的锅炉运行数据出发,结合锅炉燃烧系统非线性的特性,提出一种基于径向基(RBF)神经网络建模和序列二次规划法(SQP)优化算法的智能控制策略.即结合锅炉的燃烧特性和主要影响变量,建立一个4输入、3输出的RBF神经网络模型,在建立精确模型的基础上,利用SQP算法对锅炉燃烧过程的主要影响变量进行寻优操作,从而达到锅炉燃烧优化的目的.试验仿真和实际运行结果表明,RBF神经网络建模及SQP优化算法方法优于传统的机理建模和PID控制的策略.     

基于PCA-PSO-BP神经网络的住宅供热逐时负荷预测

为了准确预测供热负荷,提出了一种基于主成分分析法和粒子群优化算法改进的BP神经网络(PCA-PSO-BP)预测模型。首先利用主成分分析法融合影响热负荷的特征指标,消除指标之间的冗余性和相关性;同时采用粒子群算法优化BP神经网络的初始权值和阈值,克服了BP神经网络容易陷入局部最优的缺陷,提高了BP神经网络的预测精度。基于北京某居住建筑供热系统的实际运行数据,对模型的性能进行了验证。仿真结果表明,改进的模型预测精度提高了4.07%。     

基于声发射技术的输电线路绝缘子放电模式识别

为正确判断输电线路绝缘子放电的类型,首先在时域状态下求出反应放电产生的超声波信号(放电声发射)波形特征的18个特征指标,利用主成分分析法,在这18个特征指标中提取出了四个互不相关的主成分的表达式,并解释每个主成分所代表的含义,以降低指标维数和信息重叠,提高放电模式识别的速度和准确性。其次,根据得到的特征指标,应用BP神经网络对放电模式进行识别。识别结果表明,利用放电声发射信号进行绝缘子放电模式的识别,可以有效地判断绝缘子放电的类型,该方法为电力设备的在线监测与故障诊断提供了一种新思路。     

RBF神经网络在高程异常拟合中的应用

利用MATLAB神经网络工具箱中RBF神经网络函数进行高程异常值的拟合,结合工程实例论述了利用穷举法来获取RBF函数的散布常数(分布密度)Spread和隐层神经元个数mn两个关键参数最佳估值的问题,并将模型预测值与单基准站RTK测量结果比较,表明建立的模型具有实际应用意义.