BP神经网络在石油产量预测中的应用

石油产量的精确预测,是石油企业制定合理的生产计划、避免盲目投资、实现可持续开发的重要条件.为提高产量预测精确度,文中提出了一种BP神经网络模型,详细介绍了它的基本原理及算法,并给出了该模型建立的具体过程,最后把它应用到石油行业的预测工作中.在该模型进行学习与训练的仿真实验后,预测结果与实际结果的比较表明该模型能很好的实现预期效果,对石油产量预测工作有重要意义.     

BP神经网络在城市需水量预测中的应用

将BP神经网络方法,引入到城市需水量预测中,表现需水量众多影响因子的非线性复杂因果规律,结果表明,神经网络方法应用到城市需水量预测中具有较强的预测能力和很高的可信度,技术上是可行的。     

BP神经网络在带钢宽展预测中的应用

传统数学模型对非线性系统进行预测往往造成较大误差，而BP神经网络能取得较好的效果．本文将BP神经网络的思想用于热连轧精轧自然宽展预测。研究并建立了基于BP神经网络的精轧自然宽展预测控制数学模型。经用现场实测数据仿真验证表明该模型大大优于传统的数学预测模型的预测精度．     

海上油田调剖效果评价研究

目前海上油田调剖措施效果评价只注重增油降水的分析,而忽略注水井、采油井以及区块整体其他开采特征的变化。从注水井、采油井、区块三方面入手,对各特征指标进行细分,建立起科学的调剖效果评价指标体系,并对渤海锦州9-3油田实施调剖的某井区进行综合评价。     

BP神经网络预测技术在企业能源管理系统中的应用

针对企业能源管理系统(EMS)开发过程中的问题,提出了一种基于BP神经网络的预测技术,并运用BP神经网络算法对某钢铁企业能源管理系统能源消费量进行建模与分析。将MATLAB算法工具箱和编译技术开发组件嵌入到系统中实现实时在线计算。结果显示算法达到了很好的预测效果。可以让企业能源管理者预先掌握企业能耗动态趋势,指导企业生产和调度,保障企业能源供需平衡。     

PI决策技术在油田调剖堵水技术中的应用

火烧山油田由于低渗、裂缝发育，单井点调堵水治理效果变差，引进PI决策系统进行整体调剖堵水治理，以H3层为试验区，在实施过程中，充分体现“时间”和“空间”上的整体概念，并根据不同区域的开发特点，采取了不同的调堵治理措施，试验区取得显著的控水稳油效果，解决了油田调堵水的难题。     

BP神经网络在预测路基沉降中的应用

为了预测高速公路路基最终沉降量，首先依据影响软土路基沉降的因素选取参数建立了BP神经网络预测最终沉降量模型．结合成都一南充高速公路沉降实测资料及其它文献中大量路基沉降资料，利用BP神经网络预测了其各自最终沉降量．通过检验样本验证，预测精度较高，能够满足实际需要．并对BP神经网络在公路建设中的应用提出了一些注意事项．     

BP神经网络在柳江径流预测中的应用

径流水位预测是进行洪水监测的重要手段,对于包含详尽信息的广西柳江日径流水位时间序列,采用基于BP神经网络模型进行预报可取得较好效果.如LMBPDH模型采用双隐含层BP网络能加强预测模型输入输出的非线性映射能力,采用Levenberg Marquardt （LM）算法对网络进行训练则能缩短BP网络的收敛时间,改善网络的收敛性能,同时采用实验法确定模型的其他参数使模型获取最佳预报性能.在对柳江近10年日平均水位的预测中,将LMBPDH模型与单隐含层BP神经网络、LM算法以及带适应学习率和动量因子的梯度递减法算法等组合构成的BP神经网络模型,以及遗传算法进化的神经网络模型比较,LMBPDH模型预报稳定性、预报准确率最佳.     

高浓度聚合物调剖技术在三元复合驱中的应用及效果评价

为改善三次采油开发效果,调剖技术作为一项重要技术已被广泛应用,但在三元复合驱中应用较少。在注入三元体系前需要对层间矛盾突出的井开展深度调剖。通过在室内开展高浓度聚合物深度调剖适应性论证及对现场实施效果分析表明,高浓度2500万分子量聚合物溶液能够适应萨南油田一类油层,注入三元体系前通过高浓度聚合物深度调剖可有效调整吸水剖面,改善油层吸水状况,减小层间差异,非调剖层得到动用,采出井达到明显增油降水效果。     

BP神经网络在工程测井反演中的应用研究

BP神经网络是一种涉及计算机科学、生物学、认识科学、物理学和数学等多门学科的一门崭新信息学科。经过多年的探索和研究,BP神经网络在岩土工程测井反演中有广泛的应用前景。本文介绍了BP神经网络以地震数据为输入,测井参数为输出的多井多参数非线性反演的基本理论基础和实施策略,并结合具体的岩土工程实例,说明BP神经网络在工程中取得了很好的应用效果。     

基于神经模糊控制的交流调速系统

针对交流电机这种复杂的被控对象,提出一种用神经网络实现模糊控制的方案,并给出了这种基于神经元网络的模糊控制器的基本设计方法。仿真结果表明,采用这种控制器后,交流调速系统的性能明显提高,并能根据样本通过自学习适时修改控制器。     

遗传算法在神经网络趋势预示中的应用

当前旋转机组状态预测神经网络的结构参数主要靠人工经验和实验来确定,网络结构差、预测精度低,因而不能满足复杂工况的工业现场的应用。针对以上特点,结全工业现场的实际工况,利用ＧＡ并行搜索能力对ＢＰ网络结构参数进行动态优化,使神经网络能够根据不同的历史数据,动态的确定最优的网络结构参数,在现场应用中表明,经过遗传算法优化的神经网络在邦联趋势预示中取得了令人满意的在线预测的效果。     

基于BP神经网络模型的水质评价及预测

利用BP神经网络模型对水质的评价及预测进行了研究,克服了传统评价方法工作量大,而且主观性较强的不足,测评结果客观、准确,过程中不需要对监测数据进行很复杂的预处理,工作量小。     

分块矩阵混合平差法在测边网中的应用

本文阐述分块矩阵混合平差法在测边网中的实际应用。为此提出误差方程转化为条件平差法，同时指出这种算法的特点、平差步骤和计算技巧。     

葡北地区CD剂深度调剖对提高采收率的作用

以室内实验和数值模拟研究为基础，根据葡北地区矿场试验情况，从调剖井调剖目的层、非目的层吸液剖面以及试验区生产动态等方面的变化，对交联聚合物（CD剂）深度调剖对提高采收率的作用进行了较为深入的分析。结果表明，对于砂体以水下分流河道沉积为主、砂体多呈条带状，且水驱方向较为单一的油田，在高含水期，首先对高含水厚油层进行深度调剖，然后对全井进行后续水驱，能够有效降低含水，增加产油量，是提高采收率的有效措施。     

多层前向神经网络在ECG信号滤波中的应用

针对心电信号检测中主要存在的几类噪声，利用BP神经网络的非线性映射能力设计了基于BP神经网络的非线性滤波器，实现了对心电信号中工频干扰、基线漂移、电板移动等噪声的滤除。经仿真与实验验证表明，该方案对于工频干扰、基线漂移、电极移动等噪声均有较好的滤波效果，且算法具有较好的收敛特性，还可以方便地实现非线性滤波。     

分块矩阵混合平差法在测角网中的应用

本文阐述分块矩阵混合平差法在测角网中的实际应用。提出两种算法：（１）条件方程转化为坐标角未知数平差法；（２）条件方程转化为坐标未知数平差法；同时指出这两种算法的特点、平差步骤和计算技巧。     

除尘风网效果恶化的分析

本文对风网除尘效果恶化的原因做了较详细地分析。认为风网除尘效果不佳的原因是多方面的，不能盲目地采用更换高压风机提高风网阻力的方法解决，而首先应查明产生的原因，采取有针对性的措施。     

应用BP网络作TEM一维反演

瞬变电磁法（ＴＥＭ）原始数据（ｄＢ／ｄｔ）要经过视电阻率（ρｓ）公式计算，然后利用适当的反演方法拟合求取层参数，利用人工神经网络直接将归一化后的ｄＢ／ｄｔ数据与地层参数之间的隐含关系表现在ＢＰ网络中，通过一定数量样本学习后的网络，只要输入原始ｄＢ／ｄｔ数据即可求出地层参数，该网络只要经过合理的参数选择和学习，其反演的效率和精度都能达到了极好的水平。