基于支持向量机的裂解炉燃料气热值软测量

针对裂解炉出口温度前馈控制需要快速准确的燃料气热值,提出一种基于支持向量机(Support Vector Machine)的燃料气热值软测量建模方法。该方法通过支持向量机算法确定模型的结构,然后运用交叉验证法确定模型的最优参数。分析了裂解炉燃料气热值的影响因素,并用支持向量机算法建立裂解炉燃料气热值软测量模型。利用某厂的裂解炉燃料气热值数据,对文中所提方法进行仿真研究。仿真结果表明:该方法能够准确地预测出燃料气热值,具有较高的热值预测精度,适于燃料气系统的热值建模。     

基于支持向量机的虚拟测井声波速度重构技术研究

对只有地震层速度的待钻井，为精确推算各种地质参数，可利用已钻井地震层速度和测井资料的映射关系，重构待钻井虚拟测井声波速度。在这个过程中采用支持向量机理论（SVM）解决了已钻井地震层速度和测井资料的非线性映射问题，重构了虚拟测井声波速度。采用该方法在准噶尔盆地永字号井进行了虚拟测井声波速度重构。模拟结果与BP网络方法、RBF网络方法相比，在绝对误差、相对误差、相关系数以及数据方差方面都是较优的。通过该方法可以获得高分辨率虚拟测井声波速度剖面，提高钻井模拟质量和钻井工程设计的水平。     

基于灰色支持向量机的套管腐蚀速率预测研究

东辛油田套管腐蚀损坏严重,各影响因素相互关联,很难判断各影响因素的主次关系。应用灰关联分析原理讨论了注入水水质、土壤参数对套管腐蚀速率的影响,针对套管腐蚀速率和影响因素之间复杂的映射关系,在套管腐蚀速率预测研究中引入支持向量机算法,建立了基于灰色支持向量机的套管腐蚀速率预测模型。研究结果认为,东辛油田套管腐蚀的主要因素是注入水pH值、土壤pH值、注入水含氧量、土壤含盐量和土壤含水量;采用灰色支持向量机法建立的套管腐蚀速率预测模型简单,计算速度快,预测精度高,预测的最大相对误差为9.09%,平均相对误差为5.96%。     

天然气管线应力腐蚀破裂的控制

前言1965年3月,美国路易斯安那州的纳希托切附近,天然气管线由于应力腐蚀破裂引起爆炸,造成17人死亡。该事故发生后才使人们认识到天然气管线对应力腐蚀破裂的敏感性。由于应力腐蚀破裂比其它一些局部腐蚀的性质更为恶劣,破裂通常在较短时间内突然发生,对生产造成严重后果,严重地威胁工作人员的生命安全,导致巨大经济损失等原因,很快就引起了各国的普遍重视。应力腐蚀破裂是一项极为复杂的问题,各国对此进行了大量的研究工作,对天然气管线的应力腐蚀破裂已有了一定的了解。本文仅就应力腐蚀破裂的机理,出现的范围,     

输气管线硫化物的应力腐蚀与控制

四川天然气输气管线决长１４１４ｋｍ担负西南三省的工业和民用输气任务。近的来因管道腐蚀而爆管的事故不断发生，造成巨大的经济损失和环境污染。为了减少管道事故，输气公司对大量的管道事故进行了分析研究。结果表明：管道中的Ｈ２Ｏ、Ｈ２Ｓ、Ｃｌ和应力的综合作用造成了管道钢的开裂。针对造成事故的原因采取了控制措施，取得了较好的经济效益和社会效益。     

天然气管线应力腐蚀开裂机理

尽管天然气管线发生应力腐蚀开裂的机率很小 ,但考虑到管线水压试验、检测、修复及替换的影响 ,处理这一潜在的风险必然花费巨大。现已有部分应力腐蚀开裂模型用于预测其发生位置、扩展速度以及如何防止 ,虽然这些模型已取得一定成效 ,但无一是完全可靠的。美国气体研究所 (GRI)在应力腐蚀开裂机理基础研究方面取得了初步结论。对于低pH值环境 ,研究结果表明 :①早先的侵蚀麻点和其它异常及特殊机械条件对裂纹的产生具有重要影响 ;②短裂纹发育缓慢与应力无关 ,但对环境条件敏感 ;③减缓溶蚀速率的短裂纹发育机理还难以解释 ;④氢、硫化物与碳酸氢盐的关系有待进一步研究。高pH值环境中的应力腐蚀开裂研究结果表明 ,表面膜在裂纹的发育中具有非常重要的作用。     

基于支持向量机催化裂化轻柴油凝点软测量

介绍了一种支持向量机与遗传算法相结合的方法，并通过实测数据建立催化裂化轻柴油凝点数学模型，在线计算轻柴油油气分压和装置在线验证，模型具有泛化能力，并将其作为软仪表用来实时优化工艺操作。     

基于支持向量机的属性优选和储层预测

本文采用基于支持向量机(SVM)的特征选择方法进行地震属性优选,根据油井的产油气情况将油井分为高产井和低产井,利用SVM对这些样本进行训练,然后根据每个属性对应的权值进行筛选,便可以选取对油气敏感的属性,进而更好地预测储层。具体过程为:①提取一定量的地震属性;②根据已知井的信息,获得训练样本,训练线性SVM;③计算各个特征的权值;④选取较大权值绝对值对应的多个属性;⑤将支持向量回归机(SVR)应用于优选出的属性,获得储层预测的结果。实际资料应用结果表明,文中方法不仅能筛选出有效的地震属性,还能够有效地预测储层。     

基于支持向量机方法的烃类物质自燃点预测

 基于定量结构-性质相关性（QSPR）原理,研究了烃类物质自燃点与其分子结构间的内在定量关系;采用新近提出的支持向量机方法对90种烃类物质的自燃点进行了研究,建立了根据分子结构预测烃类物质自燃点的数学模型;分别采用内部验证及外部验证的方式对模型性能进行了验证。结果表明,自燃点预测值与实验值符合良好,平均绝对误差为21.0℃,均方根误差为27.21,优于多元线性回归和人工神经网络方法所得结果。本方法的提出为工程上提供了一种预测烃类物质自燃点的新的有效方法。     

基于支持向量机算法的注水管道剩余寿命预测

支持向量机是在统计学习理论的基础上发展而来的一种新的模式识别方法, 在解决有限样本、非线性及高维模式识别问题中表现出许多特有的优势。鉴于此, 针对注水管道的使用寿命和腐蚀影响因素之间复杂的映射关系, 在注水管道的剩余寿命预测研究中引入基于统计学习理论的支持向量机算法。研究了胜利油田某实验区注水水质腐蚀的影响因素, 应用LibSVM软件建立了注水管道的剩余寿命预测模型, 从而提供了一种预测注水管道剩余寿命的新方法。实际应用结果表明, 用支持向量机算法预测注水管道剩余寿命在样本有限的情况下具有明显优势。     

基于近似支持向量机的裂缝分类方法

对广泛存在于各类岩层中的裂缝带进行精细刻画与综合预测是裂缝型油气藏勘探的关键。为了避免多解性问题,学者们通常采用多属性对其进行综合预测,但如何有效地利用众多地震属性与裂缝带发育程度之间的非线性关系对裂缝带发育状况进行准确分类仍是一大难题。将近似支持向量机算法引入裂缝带的分类识别中,建立了3种刻画储层裂缝带的地震属性与井中裂缝发育信息之间的非线性模型,得出了反映裂缝带特征的最佳判别规则,利用该规则对多个属性进行综合判别,克服了单属性的多解性,提高了储层裂缝带的分类精度。实例应用表明,该算法削弱了依靠单一因素识别储层裂缝带的局限性,为储层内裂缝带发育状况的准确分类提供了新的研究思路。     

基于SVM的注水机组状态预示技术研究

油田大型注水机组在连续运转过程中,由于其自身的因素以及受外界条件的干扰,其运行常处于非线性非平稳状态。在充分研究和比较多种设备状态预示方法的基础上,提出一种基于支持向量机(Support Vector Machine,SVM)的状态预测新方法。该方法应用最终预报误差(FinalPrediction Error,FPE)准则确定样本的嵌入维数。通过比较SVM预测模型与自回归预测模型的单步和多步预测结果,证明基于SVM的预测方法在较长区间内具有良好的预测效果。用SVM预测大庆油田旋转注水机组时域的振动烈度,取得了较好预测效果,证明该算法能有效提高预测精度。     

基于独立分量分析和支持向量机的管道泄漏识别方法

将独立分量分析(ICA)方法应用到管道泄漏检测压力信号的降噪中。分析了压力波信号源的独立性,探讨了运用ICA方法的可行性。利用现场采集的压力信号对该方法进行降噪效果检验。结果表明,该方法较好地保留了泄漏拐点信息且降噪效果明显。将支持向量机(SVM)方法应用到泄漏检测的识别过程中,首先采取微分进化算法优化了SVM模型参数,然后利用现场泄漏实验数据,验证了基于SVM方法的识别模型具有很好的识别准确率和泛化能力。在实验的基础上,对噪声源合并和泄漏信号源不可分问题作了初步讨论。     

基于支持向量机方法的烷烃辛烷值预测

基于定量结构-性质相关(QSPR)原理,研究化学物质的结构与性能之间的关系,应用支持向量机(SVM)回归方法,建立了根据分子结构预测烷烃马达法辛烷值的数学模型,分别采用内部和外部验证的方式对模型性能进行了验证。结果表明,模型具有较高的稳定性以及预测能力。该方法的提出为工程上提供了一种根据分子结构有效预测烷烃马达法辛烷值的新方法。     

近似支持向量机的AVO类型判别

AVO技术是储层含油气性分析的重要工具,可以定性地描述油气藏。常规储层的AVO分类主要依靠人为判别,致使判别结果不准且工作量大。本文从四类AVO曲线中提取特征参数作为训练集,把近似支持向量机方法引入AVO类型判别;再以四类含气砂岩AVO曲线形态为依据,把叠前地震资料的曲线形态特征作为输入参数,获得工区内储层的AVO类型。将该方法应用于南海碎屑岩气田的AVO类型自动识别,取得了较准确的结果,为储层的AVO类型判别提供了可靠、高效、便捷的工具。     

基于灰狼算法优化的支持向量机产能预测

针对常规的线性回归以及经验公式等油井初期产能预测方法应用范围有限、预测误差较大,并且难以表征初产在多因素影响下的非线性变化规律等问题,提出了基于机器学习算法的产能预测方法。以某特低渗油田为例,从地质、开发和工程3个方面,选择了影响初期产能的10种因素,采用皮尔逊相关关系分析了各因素之间的线性相关性,使用随机森林方法确定了初期产能的主控因素,首次采用灰狼算法（GWO）优化的支持向量机（SVM）建立了油井初期产能的预测模型。结果表明：特低渗油田初期产能的主控因素为：压裂加砂量,射孔段厚度,初始含水饱和度,油层有效厚度和加砂强度;与多元线性回归模型和网格寻优的支持向量机模型相比,灰狼算法优化的支持向量机初期产能预测模型精度高而且运算速度快。研究结果可为油井初期产能评估提供参考。     

基于支持向量机的早期聚合物驱动态预测研究

海上稠油油田由于受到开采时间的限制,一般在含水率达到40%之前进行聚合物驱,以提高油藏采油速度和开发效果,开发动态与陆上油田高含水期聚合物驱存在较大差异。文中应用统计方法,分析海上稠油油田早期聚合物驱的生产动态,从数据序列分析的角度研究其动态规律,认识不同动态参数之间的内在联系;基于支持向量机方法,建立时间与含水率、采出程度等动态参数之间的变化关系,并根据实际动态资料及时修正,进而建立能够反映早期注聚合物规律的预测方法。利用建立的预测模型,对渤海油田典型聚合物驱油藏进行实例计算分析。结果表明,建立的模型能够实现时间序列的多步预测,且预测结果满足精度要求,为早期聚合物驱开发指标预测和动态适时调控提供了一种有效的方法。     

基于GWO-LSSVM算法的海底管道腐蚀预测模型研究

目的 针对海底管道腐蚀影响因素存在信息叠加与相互耦合、作用机理复杂、腐蚀速率预测难度大的问题,提出一种灰狼优化(GWO)算法优化最小二乘支持向量机(LSSVM)的腐蚀速率预测新模型.方法 该模型利用灰狼优化算法对最小二乘支持向量机的核参数与惩罚因子进行迭代寻优,减少参数选择的盲目性,提升预测精度,应用该模型对海水挂片腐...     

基于支持向量机的射孔枪结构优化设计方法

针对石油射孔枪结构的非线性因素导致其建模困难的问题,利用基于Hilbert变换的动力学系统非线性检测因子作为加权因子,提出了一种改进的加权最小二乘支持向量机非线性建模方法。利用有限元分析得出的数据对模型进行校验,最后利用改进的遗传算法对射孔枪结构进行优化。有限元仿真验证表明,优化结果与有限元结果最大的相对误差为2.6%,也说明基于改进的加权最小二乘支持向量机和遗传算法的优化方法用于射孔枪结构优化是十分有效的。