共查询到10条相似文献,搜索用时 328 毫秒
1.
随着我国海洋油气管网的发展与建设,管道数据采集量随之增大,优秀的预测模型可以应对大量数据,准确预测管道腐蚀速率,对保障管道安全健康运行具有重大意义。将原子搜索优化算法(ASO)思想引入BP (Back propagation)神经网络,构建ASO-BP神经网络用于海底油气管道腐蚀速率的预测。以50组现场数据为例,使用Matlab进行模拟仿真计算,分别构建具有代表性的BP、GA-BP和ACO-BP模型作为对比,对海底油气管道腐蚀速率数据进行训练和预测,结果表明ASO-BP模型预测精度较高,其平均绝对百分比误差(MAPE)为3.16%,预测结果优于BP、GA-BP和ACO-BP,验证了其可靠性以及良好的预测性能,为海底管道腐蚀速率预测研究提供了新的方法和思路。 相似文献
2.
3.
4.
5.
通过研究Traingd算法从而建立了预测油田储层损害的神经网络模型.研制了一套油田储层损害预测软件,主要用于预测油气层的损害程度,为保护油气层提供有力帮助.该预测软件在油田中的应用表明,对油气储层损害的预测精度达到了98%以上,为防止油气生产中的储层损害起到了很好的预估防备作用. 相似文献
6.
水泥强度的预测具有多变量、非线性和大时滞特性,因此传统线性回归方法的结果不准确。除此之外,传统的神经网络预测可能对少量样本不够精确。本文建立灰色BP模型,以此来预测水泥的强度。建立一个多因素灰色模型GM(1,N)用于水泥化学成分的样本数据进行预处理,得到新的数据来作为建立预测模型的样本数据,通过BP神经网络建立预测模型。最终通过建立的灰色BP神经网络预测模型来预测28天水泥强度。仿真结果表明:灰色BP预测模型的效果比BP预测的要准确。 相似文献
7.
8.
李忠明 《化工自动化及仪表》2018,(8)
结合BP神经网络和灰色理论两种单项预测模型算法,提出组合优化预测模型算法,实现对变压器油中溶解气体浓度更为精确的预测。该组合模型算法机理是根据预测误差平方和最小化的原则,首先计算各单项预测模型的权重,然后将各单项模型的权重进行加权综合计算,建立组合最优预测模型。以变压器中溶解的H_2为例验证了该组合算法汲取了两种单项算法的优点,不仅使各单项预测算法的预报误差降低,也有效提高了预测模型的预报性能。 相似文献
9.
通过对原油含水率测量方法,以及原油含水率与影响其因素之间存在的非线性映射关系的研究,提出基于小波分解与神经网络相结合的小波神经网络原油含水率预测模型,给出具体的网络学习算法,并结合算法对原油含水率进行预测.实例分析表明,小波神经网络模型比传统的BP神经网络模型收敛速度快、预测精度高,且具有较强的学习能力和推广能力. 相似文献
10.
BP神经网络在优化配煤预测模型中的研究 总被引:7,自引:2,他引:7
由于掺配煤种煤质的波动 ,配煤是一个在不确定的条件下的优化问题 .传统的线性规划模型已不能解决这种非线性问题 ,而 BP神经网络这一非线性优化工具已成功地应用于混煤煤质特性的预测模型 .本文详细地分析了不同 BP神经网络模型的预测效果以及制约其预测效果的主要因素 (网络结构、学习样本数量、隐层节点数、学习精度 ) ,并发现学习样本数是影响 BP神经网络性能的关键 相似文献