近红外光谱快速测定轻质油品馏程及蒸气压

研究了近红外光谱测定汽油，溶剂油和煤油等轻质油品的馏程，蒸气压的方法，在济南炼油厂1年来的生产控制分析结果表明，该方法的精度和重复性均满足标准分析方法的要求，具有快速，准确等优点，值得推广。     

近红外光谱快速测定重整汽油的辛烷值及馏程

利用近红外光谱仪在短波近红外区域（700－1100nm）对重整汽油进行光谱采集，采用偏最小二乘法建立了重整汽油馏程、辛烷值的测定模型并对重整汽油馏程、辛烷值进行预测，该预测结果与常规的测定结果相比，效果较为理想。本方法具有快速、操作简单、不需样品前处理、重复性好等特点。     

催化温度滴定法在深色航空油品酸值测定中的应用

在航空油品中加入多聚甲醛作为温度催化指示剂,采用催化温度滴定法在优化滴定条件下对苯甲酸标准液进行酸值测定。结果表明,测定标准酸的线性回归方程为y=0.203 6+0.039 2x,相关系数R为0.999 2,回收率为102.4%~109.4%,具有很好的准确性、重复性和再现性。该法对15号航空液压油、4109号航空润滑油都具有很好的适用性,能够实现深色航空油品酸值的准确测定。     

人工神经网络在石油工业中的应用及未来发展趋势探讨

在石油勘探、开发和钻井,以及生产过程中,存在着大量且复杂的不确定性因素,所收集和获取的信息不少是非数值型的、不精确的,要靠人工智能的方法加以识别和解决。人工神经网络是在现代神经科学研究成果的基础上提出的一种智能方法,作为一种有效解决非线性问题的网络技术,已在现代石油工业中得到了广泛的应用,并取得了较好的现场应用效果。针对目前人工神经网络的迅速发展及应用情况,论述其在石油工业中的应用现状,并对其在未来石油工业中的发展趋势展开了探讨。最后利用人工神经网络构建了钻井液固相和滤液侵入深度预测模型,分析了该模型的主要特色和实现的技术难点。     

浅析人工神经网络在石化企业中的应用及发展趋势

人工智能领域的前沿技术——人工神经网络,在石化企业生产运行中得到了广泛应用。介绍了人工神经网络技术的基本原理和算法分类,阐述了人工神经网络在石化企业操作优化、故障诊断、节能减排、安全预警和数据预测等方面的应用进展,分析了石化企业应用人工神经网络的关注重点,展望了该技术在石化企业中发展趋势。     

应用人工神经网络预测油田产量

Ｗｅｎｇ旋回模型是一种常用的石油资源定量评价方法，常被用来预测一个油田的产量，本文应用改进的逆向传播神经网络预测罗马什金油田年产量，与Ｗｗｎｇ旋回模型预测结果比较表明：人工神经网络是一种可行的石油产量外携预测方法。     

多地质因素的勘探目标优选——人工神经网络法与多元回归分析法比较研究

将人工神经网络法及多元回归分析法分别用于优选预测库车坳陷北带圈闭的勘探目标,结果发现人工神经网络法远比多元回归分析法优越.其根本原因是圈闭的优劣与其相关地质因素之间存在着一个复杂的非线性关系,人工神经网络法所描述的多因素关系恰是非线性的,而多元回归分析法只能描述线性关系.因此,当描述多个地质因素的复杂关系时,应提倡采用人工神经网络法.当然,多元回归分析法也具有人工神经网络所不具备的计算速度快、能较好地表达圈闭优劣与其相关地质因素之间亲疏关系的优点,可作为辅助应用.     

集成神经网络信息融合技术在油种鉴别中的应用

介绍了一种应用集成神经网络信息融合技术的油种鉴别系统。它以加权信息融合技术为基础,对各种油类的三维荧光谱的光谱分析数据采用集成神经网络进行油种鉴别。通过对机油的举例验证表明,该鉴别系统能将鉴别误差由7．59％减小到2．51％。该系统充分利用了数据信息,其诊断精度及学习能力明显优于单一神经网络诊断模型。     

人工神经网络在大庆深井钻头优选中的应用

针对大庆地区深井地层硬、温度高、倾角大等特点,将对深井钻速影响较大的12个因素作为输入层神经元,建立了人工神经网络优选钻头方法。该方法将钻头优选的定量方法和定性方法相结合,使钻头优选结果更加可靠。针对侏罗系地层高硬度、强研磨性等特点,研究并试验了几种特殊类型的钻头。根据对新型钻头钻井结果及以往大庆深井钻井所用钻头数据的统计分析,建立了大庆地区钻头应用情况数据库。在此基础上,应用人工神经网络法对大庆油田深井使用的钻头进行了优选,在大庆2口深井进行的现场试验表明,钻井速度提高了20%以上。     

油藏系统辨识的人工神经网络方法和应用

一些油藏(例如试井解释)系统的偏微分方程模型,经过变换能化为非线性函数项级数。级数的每一项均为地层参数θ的复杂非线性函数。级数的项数n与模型结构有关,可称为模型的结构参数。把级数中的函数看成非线性神经元,来建立油藏系统的函数型连接人工神经网络模型。用系统辨识理论中的F检验法确定网络模型的结构参数n,用多步广人梯度学习算法估计网络模型的权系数。地层参数是试井解释的依据,要求其估值应具有唯一性,而上述函数为多峰函数,在极值点处关于θ的变化很敏感,使问题更为困难,现有迭代法和遗传算法均未奏效。一种新型的遗传算法解决了这个问题。应用表明用上述方法建模有很高的精度,能求出地层参数的唯一估值。     

人工神经网络方法预测润滑油基础油的抗氧性

用反向传播神经网络方法研究了润滑油放置氧弹时间与基础油化学组成之间的关系。研究表明，网络方法比常用的线性或指数关联法更能准确地关联和预报润滑油基础油的抗氧性。本文还对输入参数的选择及过拟合现象的预防方法进行了研究。     

基于人工神经网络的常压塔顶油气系统腐蚀预测

对某公司常减压蒸馏装置低温部位腐蚀情况进行了分析,根据一段时间内塔顶污水检测数据,通过人工神经网络建立了腐蚀速率预测模型。该模型以常压塔塔顶流出污水的pH、氯离子浓度、铁离子浓度、硫化物浓度作为输入数据,以平均腐蚀速率为输出数据。结果表明,该模型预测结果与实际结果的相对误差在10%左右,平均相对误差为7.5%,具有良好的预测精度,能够反映常压塔塔顶污水检测数据与腐蚀速率的关系。     

强化原油常减压蒸馏应用技术的研究

强化蒸馏是石油加工领域八十年代后期发展起来的新技术。本文在国内首次尝试了采用从工业现场随机采集原料及活化剂样品等尽可能接近工业条件的实验方法，进行了利用炼油厂现有资源强化大庆原油蒸馏过程的实验室研究，结果表明：在生产装置工艺操作条件及产品质量基本不变的条件下，强化后大庆原油的总拨出率可净增１～２个百分点。