应用人工神经网络识别试井解释模型

对不同的试井解释模型，把压力导数曲线作为训练样本，应用ＢＰ网络进行训练，训练后的网络能根据现场的实际井数据识别试井解释模型，本文用模拟的数据，不完整的数据，有噪声的数据和一个现场试井数据对这个ＢＰ网络进行了测试，结果表明人工神经网络能够正确地识别试井解释模型，也能识别了不完整的，有噪声的数据，人工神经网络技术有效地改进了目前在试井解释模型吉广泛采用的模式识别方法，是一个非常值得推广和使用的技术。     

神经网络专家系统在试井解释中的应用

论述了应用专家系统和人工神经网络自动识别试井解释模型的新方法。首先应用人工智能对试井解释模型的应力导数图进行识别，建立了用专家系统构成模块式识别系统；然后应用人工神经网络实现试井解释模型识别；该系统能根据新的试井资料识别试井解释模型；最后，神经网络和专家系统相结合用于试井解释。油田实际试井数据的识别结果说明该方法是一种非常有效的识别方法，对不完全的，有噪声的试井数据也能有效地识别，识别准确率较其它     

试井技术在安徽采油厂的应用

试井是一种在油(气)田勘探开发过程中认识地层和油(气)井特性并确定油(气)层参数的不可缺少的重要手段,试井分析能解决实际生产中的问题。试井理论在安徽采油厂主要用于为酸化压裂提供参考资料和识别边界,对实际生产有一定的参考借鉴作用。     

稠油油藏试井技术理论研究及应用

依据稠油油藏非牛顿幂律流体渗流理论，建立了均质，均质复合介质储层数学模型，并编制了一套稠油试井分析软件，并对典型曲线的影响因素进行了深入地分析，通过现场实例应用，取得了稠油开发的重要参数，认为理论方法符合油生产实际情况，对稠油开发提供了可靠的依据。     

试井曲线计算机自动拟合算法及应用研究

根据最优化理论,提出了矿场试井曲线计算机自动拟合的方法。文中详细介绍了试井曲线计算机自动拟合分析的原理、计算方法、计算稳定性、初值的给定。对计算机软件的编制以及矿场应用效果作了研究。文中的计算方法,解决了计算机自动分析试井曲线的问题,这对试井曲线的分析具有重要的意义。     

压裂井特征值试井解释方法研究

在Tiab直接计算参数基础上,将其技术扩展到有限导流压裂井,利用压力和压力导数双对数曲线的特征进行分析,而不需要进行典型曲线拟合与回归分析,特别是压裂井应用典型曲线拟合需要作很多典型曲线族.通过实例分析,说明该方法简单、适用可靠.     

新型变井储试井理论图版研究及其应用

本文针对目前变井储试井分析基本上仍停留于理论研究，还不能适应油气田生产需要的现状，建立了一个新的变井储试井模型，并在提出一种新的导数计算法基础上，研制出了适合各类变井储情况的驼峰型、台阶型和拟标准型典型曲线理论图版。结合一种新的变井储早期近似解解决了新图版应用中的多参数问题。最后分析了一个气井实例     

人工智能在试井解释中的应用研究

人工智能在试井中的应用是一个新的课题,国内外都刚起步。本文描述了试井油藏模型识别专家系统(RMIESWT)原型的研制成果。以压力导数为基础,用计算机模拟人类专家的视觉判断过程,用符号表达曲线,实现推理,是一种很好的智能模拟技术。除了压力恢复数据以外,还利用辅助资料来识别油藏模型,这对于那些实测数据不完整的情况,特别有效。选用基于规则的通用型开发工具CM.1作为专家系统环境。采用分层式结构构造知识库,逻辑关系清晰易懂,非常有利于规则的增添、删除和修改。终端用户同RMIESWT的对话全部是菜单式中文显示,易于被现场使用单位所接受。     

试井曲线计算机自动拟合算法及应用

利用最优化理论和算法系统研究了现代试井分析中的自动拟合方法.从最小二乘法基本原理出发,结合大余量算法和小余量算法,运用有限差分的求导方法来求解Hessian矩阵,来推导试井分析中曲线自动拟合的新算法.通过与Gauss-Newton方法的比较,得出本文提出的算法在计算时间上较长一些,但是在初始值的收敛域上有明显优势,是一种相对优化的试井拟合算法.     

短期试井资料处理方法及其应用

短期试井可以缩短测试时间,使试井与生产的矛盾在一定程度上得以缓解.文章阐述短期试井资料处理方法,开发了适于短期试井资料解释的软件,并以油田应用实例进行说明.     

煤层气井微破裂试验测试技术及应用

根据煤层气勘探开发新区内煤储层参数资料和实际应用情况，研究了微破裂试验的测试工艺技术和数据分析方法，介绍了微破裂试验的测试方法，设备组合，施工程序以及数据分析解释，并通过实例阐述了微破裂试验在煤层气井测试工作中的应用，结果表明，在煤层气勘探开发新区，注入压降试井测试前进行一次微破裂试验，可以获取有用的储层信息，为煤层气井的试井试验提供重要的参数依据。     

统一的油井试井解释模型及井底压力解

在现代试井解释中,经常会遇到许多的试井物理模型,其中包括均质、双重介质、复合油藏等模型.应用者或软件开发者在应用时往往会根据不同的模型分别进行求解,每一种模型都要进行求解,无形中会浪费很多人力.针对三重介质复合油藏,建立了三重介质复合油藏的有效井径模型,通过拉普拉斯变换方法求出了井底压力的拉氏空间解,并且通过简化分解,将各种试井解释模型统一起来.该模型几乎包含了所有的试井解释模型(水平井除外),对应用者特别适用.     

井灌水稻增温新机理与新技术研究初探

井水温度低,成为影响黑龙江省井灌稻生产的主要矛盾,为此,井水增温意义重大。历来井水增温多采取用晒水池和延长渠道增温等方法,已为井灌稻生产作出重大贡献。随着生产实践的深入,近年来又出现井灌稻增温新机理和新技术,通过生产实践调查和试验,同样取得增温效果,值得深入研究。     

斜井压裂大型真三轴模拟试验研究

通过大型真三轴模拟试验,研究了井斜角,井眼方位角、射孔方式对斜井压裂裂缝起裂压力、起裂位置及裂缝延伸规律的影响,得到了不同参数条件下裂缝起裂和延伸的直观认识.探索通过定向射孔形成一条平整大裂缝的途径,从而降低水力压裂地层的破裂压力,改善裂缝形态,提高压裂成功率,为优化斜井地层射孔方案及水力压裂设计提供依据.实验结果对于提高斜井水力压裂技术水平,改善压裂增产效果具有重要作用.     

多管路微机控制井泵试验台的优化设计

本文初次利用效益成本分析法和追加投资效果原则,对多管路微机控制井泵试验台进行了分析研究,建立了优化判据和优化设计数学模型,用数值解确定最佳设计方案。     

基于时间序列和神经网络的电力系统负荷预测

针对采用时间序列对电力系统负荷进行预测时，无法考虑温度变化等因素的影响，利用神经网络的非线性拟合能力，提出了一种基于时间序列和神经网络组合的电力系统负荷预测方法。在时间序列法中，通过大量的历史数据随机序列对负荷进行预测，对于其结果再通过神经网络进行修正，算例表明所提方法是可行而有效的。     

误差补偿和时滞辨识预测控制算法

通过神经网络辨别出非线性系统的滞后时间,并采用误差补偿手段对神经网络进行修正,控制系统的反馈取自不带时滞的非线性神经网络的输出,采用预测控制策略改善整个系统的控制性能。仿真实验表明该方法具有较快的响应速度和较强的自适应性与鲁棒性,能有效克服延迟和干扰给控制品质带来的不利影响,取得了良好的控制性能。     

日径流非线性时间序列分析模拟预报

以实测日径流资料为基础,首先判断时间序列的非线性性,而后利用神经网络理论非线性方法对实测的日径流非线性时间序列进行分析研究,以此说明非线性时间序列的建模与预测。     

Prediction of Gas Emission Based on Information Fusion and Chaotic Time Series

1 Introduction Gas emission has a great effect on the produc- tion of a coal mine. It is also a major reason for the installation or expansion of ventilation in coal mines. The accuracy of gas emission prediction is very im- portant to the security of the production of the mine and the improvement of economic effectiveness. Different mines and working faces have differ- ent rules concerning gas emission and gas prediction models should be changed when exterior conditions change. There are man…     

神经网络与时间序列模型在股票预测中的比较

首先利用时间序列中的AR IM A模型和人工神经网络建立了两类股票价格预测模型并对一定时期的股票价格进行了预测,然后用4种广为使用的统计评价方法对两类模型的预测性能进行了比较。结果表明,两种模型都取得了很好的整体预测效果,而在趋势预测方面,神经网络则得到了比AR IM A模型更准确的结果。