|
|||||
|
|
| 基于改进Adam-DBN的油井工况诊断方法 | |
| 作者姓名： | 王通 熊涛理 |
| 作者单位： | 沈阳工业大学电气工程学院 |
| 基金项目： | 国家自然科学基金项目(62173073)； |
| 摘 要： | 针对深度信念网络在油井工况诊断中由于梯度扩散导致训练效果差，模型诊断准确率不高的问题，提出一种基于改进Adam优化算法的深度信念网络油井工况诊断方法.以二值化处理后的示功图作为深度信念网络输入，利用对比散度算法对网络进行无监督预训练，以获取较优的初始权值；在反向传播微调网络过程中，运用动量法预测梯度下降位置，更新梯度下降方向，并通过学习率自适应选择下降步长，避免梯度扩散降低模型训练效果.某采油平台油井上的仿真实验结果表明，基于改进Adam优化算法的深度信念网络对油井工况的识别准确率较高，能更好地满足油田生产实际需求. |
| 关 键 词： | 工况诊断 特征提取 深度信念网络 受限玻尔兹曼机 示功图 梯度下降 优化算法 油井 |