软测量技术在石油化工中的应用

一切工业生产的目的都是为了获得合格的产品 ,于是质量控制成为所有控制的核心。为了实现良好的质量控制 ,就必须对产品质量或与产品质量密切相关的重要过程变量进行严格控制。然而 ,由于在线分析仪表 (传感器 )不仅价格昂贵 ,维护保养复杂 ,而且由于分析仪表滞后大 ,最终将导致控制系统的性能下降 ,难以满足生产要求。这在石油化工生产中实例很多 ,例如精 (分 )馏塔产品成份、塔板效率 ,干点、倾点、闪点 ,反应器中反应物浓度、转化率及催化剂活性等。近年来 ,为解决这类变量的测量问题 ,软测量技术得到了很大发展[1]。软测量的基本思想是…     

人工神经网络的软测量技术在发酵过程中的应用

针对在生物发酵过程中一些关键参数难以在线测量的问题 ,介绍了工业过程先进控制系统中的软测量技术。讨论了利用人工神经网络的两种典型结构实现发酵过程中关键参数 (如细胞浓度、基质浓度、产物浓度 )在线测量的软测量方法。     

软测量技术现状与发展

介绍了过程软测量技术的理论研究和实际应用现状，认为软测量技术是计算不可测变量的一般方法将会得到广泛的应用，指出基于动态机理模型、用观测器方法建立的软仪表是软测量技术的发展方向之一。     

基于RBF神经网络实现分子筛料干点的软测量建模

以蒸馏装置常压塔的分子筛料干点为研究对象,基于现场采集数据及机理分析,确定辅导变量,用RBF神经元网络的方法建立数学模型实现对分子筛料干点的软测量.仿真结果表明模型精度达到了工艺要求.     

CL语言在4-CBA软测量中的应用

对羧基苯甲醛(4-CBA)作为精对苯二甲酸(PTA)装置氧化反应过程中产生的一种有害杂质,是影响PTA产品质量指标的关键因素,4-CBA杂质一直采用人工取样测试、化验室离线分析,由于样品分析周期长,测试结果滞后,难以提供实时信息以指导生产操作。现用装置DCS采样及相关的过程工艺参数,基于人工神经网络建立的数学模型用DCS的CL语言编程进行4-CBA的软测量,实现了在线连续测量,提高了响应速度,优化了装置的操作,提高了产品质量的稳定性。     

软测量技术在先进控制中的应用

介绍了软测量技术在先进控制中的重要性和基本思想，着重介绍了软测量模型的两种主要实现方法即机理方法和回归分析方法，并举例对这两种方法进行了说明。     

软测量技术在先进控制中的应用

简述软测量技术在先进控制中的重要性和基本思想,详细介绍软测量模型的两种主要实现方法,并举例对这两种方法进行应用说明。     

软测量技术在延迟焦化装置中的应用

分析了采用数学模型实现延迟焦化装置分馏塔粗汽油干点软测量,简述了该软测量技术在实际工业过程中在线投用、校正步骤和应注意的要点。实际运行结果表明,粗汽油干点测量准确可靠,能适应较大的进料变化,具有一定的实用价值。     

新型Elman网络在乙烯精馏塔软测量建模中的应用

针对前馈神经网络在石油化工软测量建模中存在的不足，采用递归型Elman网络实现动态石化生产过程的建模。提出了一种新型的Elman网络——HF Elman网络，将其应用在某石化厂600kt／a乙烯生产装置乙烯质量指标的软测量建模，并与前馈网络和Elman网络的建模性能进行了比较，仿真结果表明，HF Elman网络具有良好的动态建模能力，能够更好地实现乙烯精馏塔出口成分含量的软测量建模。     

人工神经元网络在测井解释中的应用

本文提出的测井解释方法，运用人工神经元网络识别系统，在整个解释井段能灵活，准确地逐点选取合适的解释模型，并利用自然伽马能谱和其它测井资料准确确定和计算出各粘土矿物含量。在解释结果中增加了对油田开发有指导意义的一道：粘土矿物体积分析。特别是该解释方法中的逐点描述解释模型技术，打破了以往在选取解释模型时，将地层分为若干层段的做法。大大提高了测井解释的精度及解释过程的自动化程度。实验证明，这种技术是切实可行并很有发展前景的。本文给出了一口井的处理结果。在处理过程中未进行分段，未调节参数，没有进行任何人工分析，程序即可识别和计算出各岩石矿物成份，特别是粘土矿物成份，处理结果与取芯分析结果基本相符。     

神经网络在油藏描述关键井研究中的应用

近年来神经网络在国际上迅速发展并已广泛应用于油气勘探领域,并用于关键井的测井研究之中。通过实际资料的处理解释,建立了两种主要地层参数(孔隙度和渗透率)的模型,其精度及实际预测效果均令人满意。介绍了这项技术的基本特点、实现过程和应用实例。     

神经网络技术在储运工程中的应用综述

人工神经网络是近年来得到迅速发展的一种算法，在各个领域已经得到了广泛的应用。针对储运工程，介绍了多层感知器网络、径向基网络和小波网络在管道智能检测数据分析识别中应用，前向神经网络在管道综合可靠度决策评价中应用，基于自适应反馈预测模型和自适应函数连接预测模型的天然气消费预测以及Hopfield神经网络在管线优化设计中的应用。可以看出，神经网络必将成为解决储运工程问题的有力工具，对突破现有技术的瓶颈，更深入地探索非线性等复杂现象将起到重大作用。     

人工神经网络：测井解释新的希望—神经网络系列研究报告之一

人工神经网络是一门新兴的信息处理技术。它在信息科学和工程技术领域已得到广泛的应用。它在测井解释领域的应用也取得了初步的成功,给测井解释领域诸多难题的解决带来了无限的希望。阐明了人工神经网络的基本原理。在分析介绍了人工神经网络的基本模型及其应用前景后,阐述了神经网络的具体实现办法,最后以一系列的应用实例说明了人工神经网络在测井解释领域的实际应用。     

圈闭地质评价的人工神经网络算法

圈闭地质评价是从地质角度对圈闭的含油气进行分析，并将一系列定性、定量地质因素科学地用于地质评价，最终得出圈闭含油气的可能性。本文在综合分析前人方法的基础上，提出了利用人工神经网络中的误差回传神经网络进行计算的方法，简称Ｂ－Ｐ算法。实践证明，此方法特点明显，有较高的实用价值。     

基于细胞神经网络的红外图像处理方法的研究

细胞神经网络是一种只有最邻近的神经胞元才进行通信连接的神经网络,这种神经网络模型能够对二维图像进行有效的处理,它的软件与硬件实现也较容易.在介绍细胞神经网络模型的基础上,也介绍了细胞神经网络在红外黑白与彩色图像处理中的应用,仿真结果表明红外图象的处理效果理想.     

应用人工神经网络技术预测地层出砂

人工神经网络预测地层出砂是一种新型出砂预测方法。稠油油藏胶结疏松,成岩作用差,用传统出砂预测方法进行出砂预测与现场试验结果误差很大。结合辽河油田杜32区块和胜利油田埕北井区的现场情况,根据现场收集的地层、流体、测井解释、油井生产状况等资料,在分析影响地层出砂因素的基础上,应用BP网络模型对样本进行学习,预测地层出砂。结果表明,应用人工神经网络可将预测结果分为不出砂、轻微出砂、中等出砂、严重出砂4个等级,预测精度有很大提高。根据预测结果有针对性地选择防砂方法,取得了很好的防砂效果。     

计算机神经网络技术在综合录井油气层判别中的应用

利用神经网络技术B-P算法,把综合录井的多种数据综合起来,来解决过去油、气、水层判别准确率不高的问题。该软件系统经45口井359个层位的数据训练,达到了预想的目标,通过实际验证和试生产,总体解释符合率达到94.5%,能够更有效地体现录井手段在现场快速评价油、气、水层方面的优势。该技术的应用,提高了录井资料解释、应用的水平。     

一种改进BP神经网络模型的新方法

介绍利用自组织神经网络模型及算法对已知样本和未知样本进行聚类,然后将各聚类中的样本分别提交给多个BP子网处理来降低BP网络学习复杂度、提高网络准确度的新方法.     

神经网络技术在气田产能评价中的应用

从气田的实际情况出发，讨论了储层的产能与测与响应之间的潜在关系，采用神经网络技术实现了测井对产能的预测评价，从而对气田的开发奠定了一定的基础，进一步拓宽了测井在油气勘探开发中的应用范围。     

基于GA的神经网络设计及其应用

传统的神经网络,如ＢＰ网络设计,不仅工作效率降低,网络性能低下,而且会因非线性多极值目标函数而陷于局部最优解。本文采用全局寻优的遗传算法（ＧＡ）来辅助网络设计,实现网络结构、连接权及学习规则的自适应演化。通过利用测井资源与孔隙度参数的学习建模,表明该方法可以克服传统方法的不足,具有一定的推广应用价值。