光纤陀螺随钻测斜仪井眼轨迹校正方法研究

光纤陀螺随钻测斜仪可测量出油井的井斜角和方位角,为提升井眼轨迹计算精度,从井眼轨迹关键参数出发,提出一种基于光纤陀螺随钻测斜仪的井眼轨迹校正方法。在分析测斜仪间断测量模式的基础上,结合惯性测量原理推导出传感器误差到姿态角误差的传递函数关系,分别利用轨迹发生器及系统级标定方法获得仿真和真实传感器误差,并应用于不同条件下井眼轨迹的校正。校正后的井眼轨迹精度提升一个数量级,井斜角波动范围明显减小,能够有效实现对测斜仪测量结果的事后校正,具有重要的工程应用价值。     

垂直钻井工具测斜仪精确校正理论与实验

针对自动垂直钻井工具因测斜仪（其核心部件为二轴或三轴重力加速度计）的安装误差而导致小井斜测量精度不高的问题,通过建立测斜仪的实际安装坐标系与其理想坐标系之间的映射关系,推导出利用测斜仪的实际输出信号计算真实井斜角的函数关系,从而在理论上实现了对测斜仪的精确校正。对基于二轴重力加速度计的测斜仪提出了只需要获取测斜仪的两个测量轴与其理想坐标系对应轴的夹角参数,即可对测斜仪进行精确校正的工程方法,并借助自行研发的某型号自动垂直钻具原理样机,对相应夹角参数提取及测斜仪的精确校正进行了实验分析。实验结果表明,利用该方法对测斜仪进行校正可保证测斜仪的测量精度不受测斜仪安装误差的影响。     

提高带有惯性导航部件的测斜仪精度的方法

针对惯性导航部件构成的连续测斜仪,为了消除传感器安装误差所造成的对测斜精度的影响,在数据处理中采用了轴不正交校正方法和不同轴校正方法,提高了测斜精度。     

定向钻井测斜仪的直线度对测量精度的影响

定向钻井测斜仪的直线度影响其测量精度。文章从误差基础理论出发，结合实际测试分析，得到测量误差变化规律，并引用正、余弦函数对误差进行校正。在条件允许时，可以通过最佳仪器短节的组合，尽可能使误差降低。     

基于RBF神经网络的自控仪表计量误差校正方法

常规石油化工自控仪表计量误差校正方法，利用最小二乘法解算误差补偿参数进行误差校正，缺少对数据中粗大误差的检测，导致误差校正能力较低。因此，提出基于RBP神经网络的石油化工自控仪表计量误差校正方法。对自控仪表采用通道的运行数据进行采集，确定误差来源，构建误差检定模型，采用罗曼若夫斯基准则检测计量数据中的粗大误差并予以剔除，利用RBF神经网络算法计算检定模型权值，基于完善的误差检定模型，结合最大化概率公式实现自控仪表计量误差校正。采用对比实验的形式测试所提方法的性能，结果表明，设计的校正方法具有较高的误差校正能力。     

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。     

基于三维传感器的测斜仪安装误差校正分析

测斜仪研制的关键是解决精度问题,国内目前应用的测斜仪大多是基于两组三维正交安装的重力加速度计和磁力计开发而成。本文首先在三维正交传感器基础上推导倾斜角及方位角数学模型和计算公式,然后从理论上构建重力加速度计静态的数学模型以及加速度计存在安装误差时的数学模型,利用ADAMS动力学仿真软件构建了重力加速度传感器精确安装和存在安装误差时测量系统的物理模型。利用ADAMS联合仿真,验证测量精度。最后进行了实际测井,曲线比对。     

神经网络法在测井曲线对比中的应用

本文采用BP神经网络进行测井曲线对比时，具体使用了先学习后识别的方法，即先用已知井的层序训练网络，再用训练好的网络去识别待测井的层序，而训练网络的误差可调。文中还就BP神经网络法和传统的相关系数法的层序对比结果作了比较，认为利用BP神经网络法的效果更能明显地区分出某种层序模式属于某一类而不属于另一类。     

随钻测斜系统的数学模型分析及应用

随钻测斜仪在钻井现场中应用相当广泛。文章首先对随外事测斜仪所测参数进行定义，包括井斜角、方位角、高边工具面角及磁性工具面角，然后分析了一系列确定井眼参数的数学模型。这些数学模型在计算中利用随钻仪传感器数据，同时对传感器输出数据的数学修正进行了分析。     

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。     

油水分离水力旋流器的人工神经网络模拟

采用改进的BP神经网络模型模拟水力旋流器的油水分离过程。根据水力旋流器的实际生产条件 ,确定旋流器模型设计中的优化神经网络结构为 8- 12 - 12型神经网络。对神经网络的结构进行了优选和分析 ,提出了自适应调节学习率和动量因子的快速BP算法 ,并对激励函数进行了改进。结果表明 ,用改进的BP神经网络模型模拟水力旋流器的分离过程是切实可行的 ,通过旋流器的人工神经网络模拟 ,能够根据旋流器的物性参数和分离期望值 ,预测旋流器的结构参数和操作参数 ,实现旋流器结构参数和操作参数的优化。     

用于FCC汽油辛烷值预测的非线性数学模型

依据汽油正构烷烃、异构烷烃、烯烃、环烷烃和芳烃(PIONA)的烃组成数据,将催化裂化(FCC)汽油单体烃组成分为37组,利用BP神经网络算法和支持向量机回归(SVR)分别建立了FCC汽油研究法辛烷值对37个变量的非线性数学模型。由MATLAB软件编写程序,利用Levenberg-Marquardt优化算法训练BP神经网络。支持向量机回归模型采用粒子群算法优化支持向量机参数及核函数参数,并采取交叉验证方法防止机器学习的欠学习和过拟合问题。计算结果表明:两种模型都能够较好地反映汽油单体烃组成与辛烷值之间的非线性关系;BP神经网络模型对辛烷值的预测性能好于支持向量机回归模型;增加样本数量,两种方法的预测准确性皆变好;针对40个样本的学习结果,两种模型预测的相对误差绝对值的平均值分别为0.148 7和0.167 4。     

带模拟退火的拟ＢＰ神经网络在伊朗某地区重力资料反演中的应用

选用目前非线性方法中的２个研究热点，即ＢＰ神经网络和模拟退火算法，用优化后的ＢＰ神经网络为主框架，结合位场反演的特点，在反演过程中引入模拟退火算法，这样既利用了ＢＰ神经网络指导学习的功能，提高了局部搜索性能，又利用了模拟退火算法的概率突跳性，实现了最终的全局收敛性，从而在减少多解性和提高反演的速度和精度等方面有了新的进展。通过模型试验，验证了该方法的有效性。本方法应用于伊朗某地区的重力资料反演，较好地反映了剖面的地质情况。     

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。     

自组织神经网络地震岩相分析

自组织神经网络据研究对象属性特征的相似性,将对象按要求类别数对分类进行正确归类,避免了BP神经网络必须提供学习样本的缺点。通过地震数据自动识别地震岩相,在塔里木盆地LGX油田应用取得了明显效果。在岩相图上解释了6条近东西向展布的断裂,这些断裂控制了LGX油田的油气分布,与实钻结果相符,说明自组织神经网络碳酸盐岩储集层的有效性。     

多元回归和神经网络在多影响因素下优选压裂候选井层中的应用

针对乌里雅斯太凹陷储层非均质性强、隔层遮挡性差、压裂井投产后效果相差悬殊,优选增产效果好的候选井层难的特点,本文提出了利用多元回归和神经网络优选待选压裂井层的方法。根据前期压裂井的有效资料,选择了对压裂效果影响较大的9个因素作为基本参数,建立了压裂井层的数据库。计算结果表明:多元线性回归不能满足优选压裂井层的需要;二次回归和神经网络方法能够满足选井选层的非线性问题,两者拟合误差均为0,预测误差平均值为0.57%和0.47%,能够满足工程的需要。     

用神经网络识别水泥胶结质量

采用双发双收补偿声系可剔常规水泥胶结测井（ＣＢＬ）曲线的误差，对于水泥胶结质量的识别，人工神经网络优于统计方法，采用带有非线性连接权扔二层前馈神经网络能实地完成水泥胶结质量的识别。     

层速度反演效果影响因素分析

在利用VSP初至时求取层速度的方法中,广义线性反演方法是一种相对准确、可靠的方法。本文在介绍此方法后,对其具体实施作了简要说明,并用合成资料作了反演试算,效果令人满意。最后,文中分析了初至时误差、界面过井深度误差、倾角误差及假设地层水平对反演效果的影响。分析结果表明,在小井源距情况下,初至时误差是影响层速度反演精度的主要因素;在大井源距时,假设界面水平及倾角误差是影响精度的重要原因。     

VSP走廊叠加倾角时差校正

当地层倾斜时，利用常规VSP走廊叠加记录标定层位存在误差，而且此误差随着地层倾角的增大而增大，随着井下检波器与地层分界面之间的距离减小而减小。可见此种误差是不能忽略的。本文从VSP观测方式及地震波的传播路径入手，指出了误差来源，得出了该误差与倾角大小、检波器位置及走廊的关系，导出了走廊叠加倾角时差校正公式。经理论记录试算与实际资料处理，表明该方法是有效的。     

基于红外光谱-神经网络预测汽油辛烷值

根据汽油组分辛烷值与红外光谱峰面积分析数据,用人工神经网络（ANN）的反向传播（BP）算法建立了汽油组分辛烷值神经网络预测模型,检验表明,ANN方法能准确地关联红外光谱分析数据与汽油组分辛烷值的关系。马达法辛烷值与研究法辛烷值预测平均误差分别为0．192,0．178。