小波神经网络的油田开发动态指标预测方法

针对现存油田开发动态指标预测方法的不足,借助小波神经网络思想、原理,本文构造了小波神经网络油田开发动态指标预测模型,研究了模型的求解,并应用于实际油田开发动态指标的预测中。实例分析表明,提出的小波神经网络的油田开发动态指标的预测方法是正确和可行的。与人工神经网络的预测方法相比,小波神经网络的预测方法不仅能有效地提高预测精度,而且能提高收敛速度,可作为油田开发动态指标预测的替代方法。     

小波神经网络的油田开发动态指标预测方法

针对现存油田开发动态指标预测方法的不足，借助小波神经网络思想、原理，构造出小波神经网络油田开发动态指标预测模型，研究了模型的求解，并应用于实际油田开发动态指标的预测中。实例分析表明，提出的小波神经网络的油田开发动态指标的预测方法是正确和可行的，与人工神经网络的预测方法相比，小波神经网络的预测方法不仅能有效地提高预测精度，而且能提高收敛速度，可作为油田开发动态指标预测的替代方法。     

改进结构的小波神经网络在油田开发指标预测中的应用

由于油藏储层的非均质性和决定油田开发指标因素的不确定性,往往很难对油田开发指标进行准确的预测.针对小波神经网络模型及算法预测油田开发指标存在的不足,提出了改进结构的小波神经网络模型.改进结构的小波神经网络模型使输入指标同时在不同时间因子和尺度因子的小波基上展开.实例分析结果表明,改进结构的小波神经网络模型不仅继承了小波神经网络的优点,且具有比小波神经网络预测油田开发指标精度更高、训练速度更快的优势,其预测的平均精度达到97.02%,是预测油田开发指标的一种较实用的方法.     

用小波包变换广义回归神经网络法处理硝基苯胺异构体重叠紫外吸收光谱

开发了一种小波包变换广义回归神经网络(WPTGRNN)法,用于处理对硝基苯胺、邻硝基苯胺和间硝基苯胺重叠的紫外吸收光谱,达到不经预先化学分离进行同时测定的目的。WPTGRNN法结合小波包变换和广义回归神经网络(GRNN)的特点,改进除噪质量和预测能力。通过最佳化实验,选择了小波函数、小波包分解水平及GRNN的平滑因子。实验结果表明,WPTGRNN法的预测标准误差为1.08μg/mL,预测相对标准误差为4.20%,与小波变换广义回归神经网络、广义回归神经网络和主组分回归3种方法进行比较,WPTGRNN法优于其他3种方法。     

基于小波除噪和神经网络理论的气固循环流化床颗粒浓度预测

提出了一种将混沌的相空间重构、小波包分析和神经网络相结合的新方法用于预测气-固循环流化床的颗粒浓度。首先利用小波包进行数据的消噪,然后用混沌方法重构相空间吸引子,用径向基神经网络拟合吸引子上的全局整体映射,构成混合预测模型。实验结果表明,将此混合模型用于预测气-固循环流化床的颗粒浓度,能达到较好的预测效果,预测精度比奇异值分解和傅里叶变换除噪高。     

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。     

燃气短期负荷预测的小波分析综合模型

城市燃气负荷预测对于保证燃气企业的供气安全、优化调度等具有重要意义。燃气负荷受天气、温度、节假日及一些随机因素等影响,很难建立准确的预测模型。为此,根据H市燃气短期日负荷变化特点,提出了用于燃气短期负荷预测的小波分析综合方法。首先用信息熵函数最小选择最优小波基,然后用其对燃气负荷进行二层分解得到负荷的低频信号和高频信号。低频信号受各种主要因素的影响,反映燃气负荷整体的变化趋势,对低频信号利用神经网络进行建模与预测;高频信号则主要受随机因素的影响,可将其看作“白噪声”,对其建立时间序列自回归预测模型。低频信号和高频信号的预测值合成得到预测结果。实例验证表明,燃气短期负荷预测小波分析综合模型有效地提高了负荷预测精度。     

小波神经网络在油田产量预测中的应用

在油田开发中,准确的产量预测对开发调整部署和提高措施作业效益有重要作用,它决定了油田生产投资的规模和决策方向.但是,油藏是一个复杂的多变量非线性动力学系统,由于油藏储层的非均质性和决定油田产量因素的不确定性,往往很难对油田产量进行准确的预测.小波神经网络是小波分析与前馈神经网络的融合,具有比BP网络更好的收敛性,同时具有处理复杂性、时变性和防震性的功能,可以对地质条件比较复杂、影响因素不确定的油田进行产量预测.通过对油田产量预测的实例计算表明,该方法具有很强的理论指导和较好的实际应用效果.     

天然气管道内腐蚀速率的预测方法

正该技术提供了一种天然气管道内腐蚀速率的预测方法,属于天然气管道领域。其中包括:获取目标天然气管道的内腐蚀因素数据和内腐蚀速率数据,作为样本数据;通过灰关联分析法分析样本数据,确定影响目标天然气管道内腐蚀的敏感因素;将敏感因素数据归一化;根据数据归一化后的敏感因素采用遗传算法,对小波神经网络的连接权值、伸缩因子和平移因子进行优化;将优化后的连接权值、伸缩因子、平移因子作为小波神经网络的初始值,根据数据归一化后的敏感因素,     

结合小波包与神经网络的压缩机故障诊断方法

介绍了一种针对滚动转子式压缩机故障的小波包神经网络诊断方法。利用压缩机壳体顶部或侧部获取的振动信号, 通过小波包分解与单支重构, 提取出该振动信号各频率段的能量作为特征信息, 利用BP神经网络将正常和异常压缩机区别开来。此方法具有检测效率高、可靠性高等优点, 受生产现场环境的干扰小, 可用于压缩机产品的在线诊断。小波包与神经网络诊断方法对其他机械设备的故障实时在线诊断也具有一定的工程实用价值。     

用正交尺度小波网络方法预测固井质量

分析了固井质量预测系统的复杂性和正交尺度小波网络的优点,采用SAS系统对影响固井质量的众多因素进行了相关分析,通过正交尺度小波网络建立了固井质量预测模型。该模型以影响固井质量的主要因素地层压力系数、渗透率、井眼扩大率、井眼规则度、钻井液密度、水泥浆密度、套管居中度和顶替返速作为预测模型的输入参数,将固井质量定量化作为模型的输出。预测结果与实际检测结果的最大相对误差为6.87%,且计算速度快,大大节省时间,因此该模型具有较好的应用前景。     

有监督SOM神经网络在油气预测中的应用

用于油气预测的方法基本上可分为两类：一类是有监督预测方法，另一类是无监督预测方法，８０年代传统模式识别方法（统计、句法和模糊模式识别）得到广泛应用；９０年代以来神经网络理论异军突起，以ＢＰ为代表的有监督神经网络和以ＳＯＭ为代表的无监督神经网络广泛应用于油气预测。本文介绍了应用有监督ＳＯＭ神经网络进行油气预测的方法原理，经两个工区的实际资料试算结果证明本方法性能良好，可以成为油气预测的一种可选方法。     

应用平稳小波变换与深度残差网络压制地震随机噪声

常规去噪方法众多,但每种方法都受某种假设或条件限制。另外,常规去噪方法中一些优化问题具有多个局部极值,导致算法可能收敛到局部最优解而非全局最优解。为此,提出了一种基于平稳小波变换与深度残差网络的地震随机噪声压制方法。采用残差网络(ResNet)的拓扑结构,结合平稳小波变换压制地震数据噪声。残差模块有效避免了网络过深引起的梯度消失或计算消耗但损失函数趋于饱和的问题。另外,小波变换是一种高效的特征提取方法,可获得信号低频和不同方向高频特征信息,分区域学习信号或噪声的特征。首先,对Train400数据集中的每幅图片旋转不同角度以增加训练集数据量,经过旋转变换后加入高斯噪声。然后,对每幅图片进行1级平稳Haar小波分解,得到训练数据集;通过训练提取信号中噪声的小波变换高、低频信息,在此基础上通过直连通道,从含噪数据的小波分解中减去学习到的噪声的小波分解,得到去噪信号的小波分解。最后,通过逆平稳小波变换得到去噪信号。合成信号和实际地震数据去噪试验表明,所提方法能较好地压制地震随机噪声,去噪信号的信噪比、峰值信噪比均较高。     

应用平稳小波变换与深度残差网络压制地震随机噪声

常规去噪方法众多,但每种方法都受某种假设或条件限制。另外,常规去噪方法中一些优化问题具有多个局部极值,导致算法可能收敛到局部最优解而非全局最优解。为此,提出了一种基于平稳小波变换与深度残差网络的地震随机噪声压制方法。采用残差网络(ResNet)的拓扑结构,结合平稳小波变换压制地震数据噪声。残差模块有效避免了网络过深引起的梯度消失或计算消耗但损失函数趋于饱和的问题。另外,小波变换是一种高效的特征提取方法,可获得信号低频和不同方向高频特征信息,分区域学习信号或噪声的特征。首先,对Train400数据集中的每幅图片旋转不同角度以增加训练集数据量,经过旋转变换后加入高斯噪声。然后,对每幅图片进行1级平稳Haar小波分解,得到训练数据集;通过训练提取信号中噪声的小波变换高、低频信息,在此基础上通过直连通道,从含噪数据的小波分解中减去学习到的噪声的小波分解,得到去噪信号的小波分解。最后,通过逆平稳小波变换得到去噪信号。合成信号和实际地震数据去噪试验表明,所提方法能较好地压制地震随机噪声,去噪信号的信噪比、峰值信噪比均较高。     

基于粒子群优化和长短期记忆神经网络的气井生产动态预测

气井生产动态预测是气藏产量规划、开发方案编制及生产制度动态调整的重要依据,对天然气藏开发有着极其重要的指导意义。建立了基于长短期记忆深度神经网络的生产动态预测模型,并采用了粒子群优化算法对神经网络模型超参数进行优化,提高长短期记忆深度神经网络的预测效果。研究结果表明,基于粒子群优化和长短期记忆神经网络的气井生产动态预测模型能够实现对气井生产动态的准确预测和神经网络超参数的自动优化,使预测结果的平均绝对误差均小于10%,大幅度简化了神经网络模型的优化过程。     

埕岛油田河流相储层地震描述方法

以地震资料为主,结合钻井、测井等地质资料,采用多种方法对河流相的储层作出预测描述是提高我国东部油田勘探、开发效益的关键.根据埕岛油田河流相(曲流河)薄互层砂岩沉积特点,开展了以综合参数转换法、人工神经网络、小波变换等方法的岩性、有利富集带和含油气面积的预测描述,应用于该油田的前景预测、勘探目标选择、探井部署、储量计算和开发方案设计等不同层次的要求中,经实际的勘探实践证实,皆达到了预期的地质效果.