基于径向基网络的管道轴向应力强度因子计算

利用有限元方法进行分析计算得到了一批新的管道轴向应力强度因子数据,补充了管道轴向应力强度因子数据库。以径向基函数神经网络对计算所得数据进行处理,建立了一种2因素径向基函数网络模型。仿真结果表明,径向基函数网络模型能有效地对未知管道轴向应力强度因子进行预测。     

基于径向基函数神经网络的非线性系统预测控制

以某厂羟胺反应器的氢离子浓度控制为例 ,介绍了径向基函数 (RBF)神经网络在强非线性对象预测控制中的应用及仿真研究结果。     

径向基函数神经网络及其在插值计算中的应用

径向基函数神经网络(RBF)是Broomhead于1988年提出的一种新型前向神经网络,与传统的插值型神经网络BP网络相比,具有计算速度快、满足全局最优化要求的优点,所以近年来开始引起人们的重视,被引入到函数的逼近插值计算中,成为除BP网络外的另一种重要的插值神经网络。根据径向基函数神经网络(RBF)的原理,总结出了径向基函数网络的可用于复杂插值计算的一种实用插值算法。经对实例计算表明,该算法是快捷可靠的。     

利用RBF神经网络自适应调整算法预测储层产能

传统径向基(RBF)神经网络的基函数宽度值都由经验公式确定或人为选取,没有考虑误差分布情况,所以在应用中常常效果不够理想。为此本文以最近邻距离算法为基础提出一种改进的RBF神经网络算法,能够自适应地调整基函数中心点宽度值以达到高精度、快速逼近样本的目的。在石油储层产能的预测中,首先对样本信息进行属性约简、预处理;然后在网络学习训练中通过计算输入样本的RBF神经网络的中心点值,再确定RBF神经网络基函数的宽度值,直到满足系统精度为止;最后用训练好的网络来进行储层产能预测。仿真结果表明,改进的RBF神经网络算法应用效果显著,不仅比传统RBF神经网络算法拟合精度高,而且收敛速度快。     

径向基神经网络油气层损害诊断方法

在诊断油气层损害方面,人工神经网络具有许多优越性,尤其是BP神经网络,但BP神经网络存在的一些缺点限制了它的推广应用.通过对BP神经网络和径向基神经网络的对比表明,径向基神经网络具有收敛速度快和预测精度高等优点,其网络模型的预测绝对误差平均为13.89%,而L-M优化算法网络的为32.63%.建立了径向基神经网络在油气层损害诊断领域的应用方法,对油气层敏感性和损害程度进行了预测,网络预测值和实际值的相关系数达0.991以上,准确率大于80%.该方法在孤东油田得到了很好的应用,成功率达100%,实现了对油气层损害类型和程度的定量诊断,与其他方法相比具有诊断结果准确性高、推广应用方便、收敛速度快等优点.     

基于人工神经网络的石油化工工程建设项目管理绩效评价

针对非线性多输入多输出的石油化工工程建设项目管理绩效评价问题,应用人工神经网络构建评价模型。使用50个项目的287个学习案例数据,以10个影响因素为输入,6个指标为输出,对BP神经网络、基于遗传算法的BP神经网络、径向基函数神经网络与广义回归神经网络4类网络模型进行训练和测试。通过均方误差的比较,发现基于遗传算法的BP神经网络优于一般的BP神经网络,广义回归神经网络的测试结果优于BP神经网络,径向基函数神经网络具有最好的误差精度。2个应用示例表明,人工神经网络应用于石油化工工程建设项目管理绩效的评价是可行和有效的。     

基于RBF网络的抽油机减速器故障诊断

针对振动频谱复杂、受频率分辨率限制,使得传统振动频谱法诊断正确率不高等问题,提出用径向基函数(RBF)神经网络来进行抽油机减速器故障诊断。介绍了径向基函数神经网络的结构、算法以及实现;通过对减速器振动时域信号及其频谱进行分析,总结归纳出具有典型特征的诊断样本,组织构造相应的神经网络。分析研究结果表明,RBF神经网络易于实现减速器故障的自动诊断,并能提高故障诊断的准确性。     

径向基神经网络优化及在储层敏感性定量预测中的应用

径向基(RBF)神经网络法具有网络结构简单、逼近能力强和学习速度快等优点,已成为最具发展潜力的储层敏感性智能预测方法之一,但在实际应用中仍存在泛化能力不强、网络训练不收敛等问题。通过在输入层中引入补充节点,对网络拓扑结构进行优化,有效地提高了RBF神经网络的逼近精度和泛化能力。在确定储层敏感性主要影响因素的基础上,通过对径向基函数散布常数的优选,进一步优化了RBF神经网络的性能。采用所收集的胜利、辽河、大港及江苏油田共125组数据,进行了神经网络训练和预测检验,优化了RBF神经网络,并在储层敏感性预测方面进行了应用。结果表明,对于训练集内的样本,预测的平均准确率均大于93.79%,且预测值与实验值的相关系数均大于0.995;对于训练集外的样本,预测的平均准确率大于91.59%,预测值与实验值的相关系数大于0.994,实现了对储层敏感性的准确、定量预测。     

基于神经网络的多组分相平衡常数预测模型

以抚顺石油二厂乙苯车间的精馏工段为背景,以相平衡常数的简化计算公式为依据,利用多层前馈网络和径向基函数网络分别建立了各自的相平衡常数神经网络预测模型,并对网络训练过程中所应注意的问题进行了讨论。通过将预测结果与ＰＲＯ／Ⅱ模拟结果进行了分析比较,表明了该模型的有效性。     

利用径向基函数预测岩石渗透率及流体分子组分

测井反问题研究中,经常遇到正演模型未知、经验公式的相关系数较小的情形,且现有的反问题处理方法难以获得理想的效果。径向基函数插值方法是目前最有效的反问题处理方法之一,该技术能够生成平滑连续的多个变量的多元函数,逼近未知的正演模型。介绍径向基函数插值方法原理,针对核磁共振实验的T2分布,采用径向基函数插值方法预测了岩石渗透率及流体分子组分,实现了多维到一维映射及多维到多维映射的2种情况,并且预测结果具有较高精度,测量值的对比验证了该方法解决测井反问题的有效性。     

径向基函数神经网络法致密砂岩储层相对渗透率预测与含水率计算

致密砂岩储层具有物性差、孔隙结构复杂、非均质性强等特点,导致利用传统方法难以精确预测或计算其相对渗透率和含水率。为此,文中提出基于径向基函数（RBF）的神经网络预测相对渗透率方法：在介绍RBF神经网络原理的基础上,选择高斯函数和最近邻聚类算法构建网络模型;以含水饱和度、核磁束缚水饱和度、孔隙度、渗透率等四参数为输入,油、水相对渗透率为输出,根据误差分析确定最佳相对渗透率预测网络模型及参数;最后采用分流量方程计算得到储层含水率。将该方法应用于鄂尔多斯盆地陇东地区延长组长8储层,预测的油、水相对渗透率与相渗实验结果一致,计算的含水率与测试结果吻合。     

径向基函数神经网络在启动压力梯度预测中的应用

启动压力梯度直接影响着低渗透油田的开采量以及油藏压力的预测精度。它与流体粘度、密度、渗透率、孔隙度等影响因素呈非线性关系。而人工神经网络具有表示任意非线性关系和学习的能力，是解决复杂非线性、不确定性和时变性问题的新思想和新方法。利用径向基函数(RBF)人工神经网络对启动压力梯度进行预测，并结合岩心的启动压力梯度的实际测定结果进行研究，结果表明：RBF人工神经网络是一种较为有效的预测方法，具有较高的精度．该方法可以为低渗油田的开发提供可靠的基础数据，节省了人力、物力。     

致密砂岩储层孔隙度定量预测——以鄂尔多斯盆地姬塬地区长8油层组为例

鄂尔多斯盆地姬塬地区长8油层组为典型的低孔、低渗致密砂岩储层。由于其孔隙结构复杂、非均质性强,应用传统的孔隙度计算方法误差较大,结合姬塬地区长8油层组的具体地质特征,运用广义回归神经网络模型对致密砂岩储层孔隙度进行了预测。结果表明,利用该方法预测的孔隙度与利用岩心分析的孔隙度符合率较高。该方法对于未取心井区致密砂岩储层孔隙度的研究具有很好的应用前景。     

联合神经网络在储层参数预测中的研究与应用

地质储层参数在建立地质模型中起着关键作用,储层参数通过井资料获得。常规测井解释中多通过经验公式或简化地质条件建立模型计算储层参数。提出了新的神经网络模型,基于BP神经网络、RBF神经网络、支持向量回归并通过单层感知器共同构成联合神经网络模型。该网络模型在储层参数预测过程中能针对单一神经网络的不足而自适应调节网络结构,使预测效果达到最优,避免了单一网络在参数预测时的缺点,提高了预测的准确性。选取了同一地区的3口油井进行训练和验证实验,实验结果表明,联合神经网络模型优于单一的人工神经网络模型。     

延迟神经网络测井资料评价水淹层的方法及应用

以取心分析的孔隙度和水饱和度为基础,建立测井信息与这些地居参数之间的非线性计算关系.用这种方法进 行参数解释,测井信息与油层参数之间的复杂关系不需要具体的数学物理模型描述,而只需要合适的样本集对网络进行 训练来获得解释模型,避开了油层水淹后,混合水电阻率求不准的问题.不同于已有的点对点的建模方法,本方法采用延迟神经网络模型,在建模和计算过程中自动考虑了测井响应上下围岩的影响.从而较好地解决了测井资料解释中地层厚度自适应校正和地层参数计算同时进行的问题.对一个油田注水开发后期 50口井的测井资料计算表明,这种方法具有良好的效果.     

基于岩性识别的BP神经网络孔隙度预测

研究区目的层有效储层岩性包括细砂岩和粉砂岩两种,目前依赖于常规线性拟合方程在该区的孔隙度等参数预测中存在着较大的误差。为实现对储层参数的准确预测,结合了多种测井信息,在利用Fisher判别法对岩性进行识别的基础上,分别建立了细砂岩和粉砂岩的神经网络孔隙度预测模型。实际应用表明,分岩性所建立的非线性人工神经网络模型比常规线性模型具有更高的预测精度,能为该区后续的储层综合评价提供可靠的数据基础。     

岩性控制下的测井储集层参数评价与预测——以鄂尔多斯盆地南部上古生界碎屑岩储集层为例

鄂尔多斯盆地南部上古生界致密碎屑岩储集层的压实作用和胶结作用强烈，测井解释与实测的孔、渗参数相关性差。研究发现储集层岩性明显控制物性，在应用神经网络方法计算储集层孔、渗参数时，加入定量化岩性参数作为计算的输入参数，使计算精度大幅度提高。用累计产能系数法设定储集层参数下限，结合孔、渗之间的相关关系，对储集层进行分类。以计算层段的平均孔隙度和渗透率作为控制点，预测储集层参数的平面分布，预测结果与沉积相分布吻合度较高。图4表3参13