基于Elman神经网络的压力传感器温补偿的研究

当受到温度、电磁波等外界因素的影响,压力传感器的测量精度较低,测量值容易有较大的波动.因此,当压力传感器运用于汽车等移动设备时性能下降.以对温度极其敏感的CYJ-101压力传感器为例,建立18组样本数据在Elman模型的神经网络中进行温度补偿训练.仿真结果显示,通过Elman神经网络的温度补偿,传感器的测量误差降低约2...     

非均质油藏注水开发流体动力地质作用研究

针对非均质严重油藏,采用室内实验对注水前后实际岩心样品进行对比分析,研究了注水开发过程中的流体动力地质作用。结果表明,酸性介质条件的化学动力作用加速了碎屑组分中的长石类矿物尤其是斜长石的溶蚀,同时生成了新的高岭石晶体并分布于细小孔喉,但对碳酸盐类矿物的影响较小。注水冲刷等物理动力地质作用造成了储集层泥质矿物总量的降低和粉砂—极细砂级石英颗粒的缺失,且主要发生在物性较好且优势渗流通道较发育的层段。在储集层孔喉变化方面,注水开发既使相对较大孔喉增加,改善了储集层的渗滤条件,也使孔喉分选程度降低,加剧了储集层微观非均质性。从储集层孔隙度、渗透率等宏观参数变化看,注水开发致使储集层总体平均有效孔隙度降低4.63%,而总体平均有效渗透率上升8.93%,原始物性不同的储集层注水后物性变化呈现出明显的"马太效应"。     

研究分析低渗透夹层对油藏注水效果的影响

由于低渗透夹层有着不同于常规层的测井响应,因此测井响应来自油气的成分较少。为了探明储层内部的低渗透夹层对于层内的非均质性以及采出程度的影响,文章通过数值模拟的方法,即首先利用某油田的相关资料建立数值模型,运用正交试验对夹层在井网中的位置、夹层的渗透性、夹层厚度、延展长度、夹层上下储层的层间渗透率的非均质性以及采油速度这六个因素分别进行研究分析。通过正交试验分析,结果表明:夹层影响注水效果的主要因素是夹层上下储层的层间渗透率的非均质性,而夹层的渗透性、夹层厚度、延展长度、位置以及采油速率这5个因素对于采出程度没有明显的影响。     

川西水平井压裂工艺技术现状及发展方向

水平井是解决川西低渗透气田多井低产、实现高效开发的战略性措施,加砂压裂技术是提高水平井开发效果和效益的支撑手段。本文系统的阐述了川西水平井压裂工艺技术的应用现状,对各种工艺技术的成熟程度、适用条件和应用效果进行了评价,并提出了需要解决的技术难点和下一步技术攻关方向。     

基于RBF神经网络的汽车玻璃防雾系统的研究

通过描述汽车挡风玻璃起雾在汽车行驶中的危害性,引出一种新型的基于传统传感器技术与RBF神经网络的汽车玻璃智能防雾系统概念。根据对汽车挡风玻璃起雾原因的分析,通过传统传感器技术的应用,设计出相应的RBF神经网络。通过实验,建立48组样本数据在RBF模型的神经网络中进行露点测试训练并进行仿真测试。MATLAB仿真结果显示,通过RBF神经网络在该系统中的应用,能够快速、精确地达到汽车玻璃防雾的功能。     

基于概率神经网络的放射性核素快速识别方法研究

针对传统神经网络在核素识别中训练效果弱,易陷入局部极小、收敛速度慢等问题,提出了基于概率神经网络的核素识别方法,采用样本的先验概率和最优判定原则对新的样本进行分类。该方法利用能谱预处理过程获得的谱峰宽度、特征能量射线强度、峰面积等特征信息建立训练与测试样本,采用训练样本对概率神经网络模型进行训练,并进行了分类识别仿真实验。通过CZD探测器对3种核素不同组合的实测能谱进行测试,并与传统的神经网络算法进行对比表明:此方法具有较高的识别效率及准确率,可应用于安全监控、失控放射物探测等快速核素识别领域。     

鄂尔多斯盆地D区常规测井裂缝孔隙评价

目前,国内外普遍利用双侧向测井资料评价裂缝参数。常用的裂缝孔隙模型包括:Sibbit模型、Pezard-Anderson模型、网状模型及三维有限元模型。从原理上对各模型建模条件与方法进行了分析,并对其适用条件进行了总结。Sibbit模型重点考虑了孔隙流体的影响,没有考虑裂缝产状的影响,参数较多,难以准确确定,精度较低;Pezard-Anderson模型适用于近水平及近垂直裂缝孔隙评价,实际地层以发育中、高角度裂缝为主,模型适用性受到限制,精度较低;网状模型适用于网状裂缝发育段的裂缝孔隙评价,精度较高,适用性较强;三维有限元模型可计算任意产状的单条裂缝孔隙度,并给出裂缝产状的判断方法,适用性较强。通过与目标区成像测井解释结果对比,对各种常用模型的适用条件进行了分析与总结,并对裂缝孔隙度进行了评价,取得了较好效果。     

Elman网络在汽车智能换挡判别中的研究

为了改善汽车行进中的换挡品质,使汽车在相应的环境工作中能够实现自动切换档位,根据人工神经网络和汽车换挡规律的特点,需对汽车的油门开度、速度、加速度进行分析;基于Elman神经网络建立汽车自动变速三参数控制模型,并利用Matlab进行了测试分析和仿真模拟,得出了仿真结果。仿真结果表明,采用Elman神经网络对汽车自动换挡判别时优于BP网络。     

基于SVD和SVM的核素识别算法

针对基于寻峰方法的 γ能谱识别方法对高本底、低探测率的复杂 γ能谱解析特征不显著、准确率低等问题,提出一种基于奇异值分解和支持向量机的核素识别算法.通过将1维能谱变换为2维图像,使用奇异值分解提取特征向量,将其作为支持向量机的输入构建分类器.实验结果表明:该方法对典型核素的识别率达到98%,并且能识别混合核素样本的组成成分.该方法降低了对探测器精度要求和参数设定的影响,提高了混合核素的识别能力.     

基于麻雀搜索算法与BP神经网络的压裂效果预测

现有工程技术方法对压裂效果的预测精度普遍不高，容易造成经济损失，为此以麻雀搜索算法(Sparrow Search Algorithm，SSA)优化人工神经网络的算法模型，开展以提高压裂效果预测精度为目标的研究。首先以BP神经网络模型对压裂效果进行预测，其次以麻雀搜索算法优化BP神经网络权值后的模型进行预测，通过数据对比发现后者的预测精度更高，且能解决BP神经网络收敛慢、易陷入局部最优解、易产生过拟合现象等问题。研究结果表明，经过麻雀搜索算法调整权值的BP神经网络模型平均相对准确率达到93.85%，不仅比工程方法预测结果的精度更高，还高于未以麻雀搜索算法优化的BP神经网络模型的90.91%，在实际任务中拥有更稳定的性能和更高的精度。