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。     

基于不同人工神经网络的催化裂化焦炭产率预测对比

在催化裂化装置（FCC）中,焦炭产率增加不但会使装置的总液收降低,而且会影响装置的热平衡,增加装置的操作难度。控制催化裂化装置焦炭产率十分重要,而其前提是能够准确预测装置的焦炭产率。催化裂化焦炭的生成和烧焦过程是一个连续的过程,影响参数众多且各参数之前互相影响,使用传统的方法建立多参数的预测模型具有一定的难度。本文利用人工神经网络(ANN)结合催化裂化装置的生产数据分别建立了GRNN神经网络预测模型和BP神经网络预测模型。对比分析结果表明,BP神经网络预测结果的准确度和稳定性优于GRNN神经网络。为进一步提高BP神经网络的预测效果,又分别使用了粒子群算法(PSO)和遗传算法(GA)对其进行优化。对比分析两种优化算法表明,两种优化算法均能提高BP神经网络的预测精度,综合考虑预测结果的准确性和稳定性两个方面,经遗传算法优化的BP神经网络预测模型优于经粒子群算法优化的BP神经网络预测模型。     

改进的模糊神经网络BP算法应用研究

介绍了模糊神经网络BP算法及其改进算法;探讨了在分析流体包裹体成分中引入BP改进算法的可行性.     

应用BP神经网络预测石脑油热裂解产物收率

采用BP神经网络模型建立了石脑油裂解产物收率的预测方法。BP神经网络模型的输入层设12个结点,输出层设22结点,设一层隐含层。在保证学习训练数据具有代表性的情况下,BP神经网络模型的预测结果与实验数据相比,误差约为5%。BP神经网络模型的预测结果比非线性回归方法的预测结果要好。BP神经网络模型的外延性不强,外延的部分数据预测结果偏差较大。在能够保证基础学习训练数据的准确性和合理选取的条件下,BP神经网络模型能够应对乙烯装置原料变化频繁的情况。     

神经网络在示功图类型识别中的应用

示功图是判断油井生产状况的重要依据。神经网络能够反映任意非线性的映射关系,从而可以应用于图形识别。主要讨论了BP神经网络判定示功图类型的实现过程,阐述了BP神经网络的算法结构、示功图特征的提取,并给出了部分算例结果。     

基于人工神经网络的致密储层渗透率预测

致密储层渗透率求解困难.在基于流动单元指数与岩石粒度研究的基础上,通过设置3组不同输入参数的BP神经网络模型比较分析,发现采用微球电阻率测井值、自然伽马相对值、岩石骨架相关的中子和密度值(M、N)和孔隙度值作为输入参数的BP模型预测精度最高,然后用这些输入参数做为广义回归神经网络算法的输入,对岩心渗透率进行训练与预测.对比3种线性模型与2种神经网络模型对3口验证井岩心渗透率数据的预测误差,结果表明,针对研究靶区致密储层,线性模型对于渗透率的预测精度较低,神经网络模型可有效提高渗透率的预测精度,在训练样本较小的情况下,BP神经网络对渗透率的预测效果比广义回归神经网络略差.通过22口井实际资料处理结果分析表明,基于广义回归神经网络算法的渗透率模型可提高预测精度.     

应用人工神经网络预测油田注采比

在简单介绍了BP神经网络的基本原理的基础上,以实例说明了BP神经网络方法在油田注采比预测中的应用,并与注采比与水油比法、多元回归法和物质平衡法进行比较;其次,分析了各种预测法的计算结果,并对神经网络预测法进行了检验。结果表明,BP神经网络预测方法具有更好的自适应性,能够较好地反映影响注采比的各种因素与注采比的内在联系,而且预测精度较高。因此认为．应用BP神经网络方法预测油田注采比是有效、可行的。     

BP神经网络在原油三相计量中的应用

针对原油三相计量问题,运用BP神经网络的理论和方法,使用MAT-LAB工具箱函数编程,提出一种应用BP神经网络技术的智能式计量方案.采用四层BP神经网络结构进行实验,以影响原油三相计量的主要因素即频率、压力、压差为网络输入,原油油、水、气体积流量为网络输出,双隐含层、输出层激活函数分别采用tansig、purelin,实验中网络计量均方差达到10-10..实验数据表明,这种应用BP神经网络技术的智能式计量方案是可行的.     

利用BP神经网络预测注水管道的腐蚀速率

利用人工神经网络的自适应、自组织学习能力 ,通过对训练样本集的学习 ,预测了注水管道的腐蚀速率。通过实例 ,采用 4种不同的预测腐蚀速率的方法 ,即采用传统的预测腐蚀速率的CVDA— 84规范、传统的BP神经网络、改进的Rumelhart和MBP神经网络计算注水管道的腐蚀速率。CVDA— 84规范偏保守 ,采用BP以及改进的BP神经网络预测的腐蚀速率和观测值基本一致。但采用BP人工神经网络预测时 ,迭代次数比CVDA大得多 ,采用改进的Rumel hart和MBP神经网络能有效地提高预测速度 ,改善网络的收敛性 ,并且使预测精度有所提高     

用小波神经网络对油井传感器进行故障诊断

用小波函数作为BP神经网络的神经元函数,采用紧致型小波神经网络对油井传感器故障进行研究。通过仿真研究,提高了传感器故障判断的准确性,缩短了油井传感器和油井本身故障的发现时间。采用小波神经网络进行故障问题研究,克服了BP神经网络易陷入局部极小值及收敛速度慢的缺点,学习速度提高了50％。对小波神经网络进行测试表明,小波神经网络可以准确地诊断出传感器的故障。     

神经网络在油田动态预测方面的应用

常规的动态预测方法因适应的开发阶段和范围不同,在应用过程中各有其局限性.BP网络则能克服这些缺点,不仅能描述油田开发的整个过程,而且还可以考虑单一变量和多变量影响因素,把能影响动态预测指标的各种因素自行组织起来,加以训练和学习,建立起广义的、精确的动态预测模型.在对各种BP网络改进方法进行全面综合研究的基础上,总结并提出了自组织优化学习因子方法,进一步增强了BP网络的自适应性能.同时依据BP网络的特点,提出了多变量预测技术,并将该技术应用到油藏数值模拟和油田开发规划之中,取得了较好的成果,为神经网络广泛应用于油田开发找到了突破口.     

储层敏感性预测技术研究——以新疆油田准东地区为例

储层敏感性情况在保护储层的过程中占有很重要的地位,储层敏感性快速预测技术可以节省大量的人力、物力和时间.因此,采用人工神经网络建立模型来对储层敏感性进行预测.为了提高神经网络的应用效果,通过对4种改进的BP算法进行优选,最终确立采用Levenberg-Marquardt算法建立模型,采用MATLAB和VC++.NET混...     

基于改进神经网络的丙烷回收流程多目标优化

利用流程模拟软件HYSYS,根据某处理厂的实际运行数据,模拟不同操作参数下丙烷回收的直接换热流程(DHX),分析了低温分离温度、DHX塔顶温度、回流罐温度对丙烷收率及系统能耗的影响规律。以改进后的BP神经网络建立流程多目标优化模型,采用NSGA-Ⅱ算法对其进行多目标求解。其结果表明:改进后的BP神经网络对丙烷收率及系统能耗的预测精度高,相对误差均在2%以下。用NSGA-Ⅱ算法得到的Pareto解集能够为流程的设计与实际生产提供指导性作用。     

基于BP神经网络的低温提氦工艺优化

氦气是国家重要性战略物资之一,目前氦气的主要工业来源仍是从天然气中提取。为进一步优化低温提氦工艺,降低工艺能耗水平,对已有低温提氦工艺进行了改进,以一级提氦塔进料温度、压力、回流比、制冷剂高压、低压压力和制冷剂流量6个参数为变量,建立基于BP神经网络算法的综合能耗及提氦浓度预测模型,并对模型进行检验,并运用训练好的BP神经网络对改进工艺的综合能耗及粗氦浓度进行了预测。研究表明:BP模型训练效果较好,可用于综合能耗和粗氦体积分数的预测;通过训练误差分析,确定了模型隐藏层节点数为8时BP模型预测结果最优;利用确定好的BP神经网络预测出最优工艺生产参数,在满足粗氦体积分数不小于63.5%的基础上,综合能耗降低了18.08%。     

Fuzzy System for Prognosis of Tank Failure Based on Neural Network

A system for prognosis of tank failures was set up based on the results of analysis on fault phenomena. An algorithm incorporating fuzzy mathematics with the BP neural network was used to solve this prognosis model, and the availability of this model was also analyzed. This neural network-based fuzzy system for prognosis of tank failures has been put into operation at Huangdao oil terminal. The application results have shown that this system is effective for real-time prognosis of various potential tank failures and timely adoption of mitigative measures to avoid major tank accidents, which would have great significance for safeguarding the safe operation of the oil terminal.     

以BP神经网络为基础的MIP工艺过程产品分布优化

催化裂化是一个高度非线性和强耦合的系统,传统的机理模型很难描述,而BP神经网络具有强大的非线性拟合和自学习能力。以某炼油厂1Mt/a的MIP装置反应-再生系统为研究对象,选取包括原料油性质、再生剂性质、操作条件的19个变量为神经网络模型的输入变量,液化气、汽油、柴油、焦炭收率为输出变量,建立了19-24-4 结构的BP神经网络。在此基础上,考察了原料油预热温度、一反出口温度、二反出口温度、反应压力对产品分布的影响,并采用遗传算法得到使汽油收率最优的操作条件。结果表明,所建立的模型具有良好的预测和外推能力,可为工业装置操作条件的优化提供指导。     

双重神经网络预测储层及油气

由自组织神经网络和ＢＰ网络组成的双重神经网络，能够克服各自单独使用的局限性，可在复杂地区进行储层及油气预测。在ＢＰ网训练时，采用同伦学习算法，可得到全局最优解，且收敛速度很快。实际应用表明，在用自组织神经网络或ＢＰ网络不能进行储层及油气预测的地区，采用双重神经网络能取得很好的效果。     

综合动量法和可变学习速度的BP神经网络地震初至拾取

为了提高初至拾取精度和效率,研究了BP神经网络初至拾取方法,提出综合动量法和可变学习速度的BP神经网络地震初至拾取方法,其主要原理是对网络权值的更新过程进行改进,当均方根误差在权值更新后超过设定的误差范围,则权值更新取消;在既定的误差范围内,权值更新则被接受,且学习速度发生变化。分析不同地震属性对初至波识别的可行性,选取均方根振幅比、曲线长度比、振幅、频率等4种特征属性进行模型测试,结果表明改进方法的初至拾取效果优于常规BP神经网络方法。实际资料测试验证,改进方法构建的网络结构简单,参数少,收敛速度快,具有较强稳定性和抗噪能力,初至拾取精度高。     

基于PLS-MI组合的天牛须搜索BP神经网络模型对汽油辛烷值的预测性能

针对数据集中特征变量存在高度非线性和冗余的特点,提出了一种基于偏最小二乘回归(PLS)和互信息(MI)组合降维法的改进天牛须搜索算法（RSBAS）优化BP神经网络模型(PLS-MI-RSBASBP),并用于S Zorb脱硫装置汽油辛烷值的预测。首先通过偏最小二乘法和互信息组合算法选取与汽油辛烷值强相关的特征变量,然后使用RSBASBP模型对汽油辛烷值进行预测,并与BP,GABP,BASBP网络模型预测结果比较。结果表明：PLS-MI-RSBASBP模型预测结果较其他模型预测结果的MAE,MSE,RMSE更小,预测准确度高;而且,PLS-MI-RSBASBP模型可以确定影响汽油辛烷值的特征变量,从而进行有效控制和优化。     

模糊神经网络预测储层及油气

利用模糊理论和 BP网络相结合组成的模糊神经网络系统 ,能够克服单独使用 BP网络的局限性 ,可在地质条件较复杂地区进行储层及油气预测。通过实际资料应用表明 ,在单独应用 BP网络进行储层及油气预测效果较差的地区 ,采用模糊神经网络能取得较好的效果。