一种基于BP神经网络的调驱增油预测方法

调驱后增油效果预测是调驱措施决策和方案优化设计的重要内容.通过室内岩心物理模拟实验参数,分析了调驱增油效果及其影响因素,建立了基于物理模拟参数为学习样本的调驱效果BP神经网络预测模型.此方法对于渤海南堡35-2油田A21和B17井预测结果与实际调驱增油量统计数据间误差分别为9.89%和7.22%.由此可见,基于物理模拟参数为学习样本的调驱效果BP神经网络预测模型切实可行,预测精度较高.     

基于支持向量机的蒸汽吞吐井调剖参数优化

由于调剖措施效果受多种因素的影响,它们之间是一种极其复杂的非线性关系,常规方法很难在调剖措施和影响因素之间建立一种确定的关系。在对蒸汽吞吐井调剖影响因素分析的基础上,利用支持向量机的方法,以周期增油量为评价指标,建立了调剖效果和各个影响因素之间的关系模型,开发了调剖注入参数优化软件,对蒸汽吞吐井最佳的调剖剂注入量和周期增油量进行了预测。结果表明,建立的预测模型样本学习的误差在5%以下,模型具有较好的预测效果和实用价值。     

基于RBF神经网络的砂土液化预测

通过分析砂土液化成因及其影响因素,建立了砂土液化预测RBF网络模型,并与BP网络预测模型进行比较。测试结果表明,应用RBF网络模型对砂土液化进行预测,预测效果好,识别精度高．     

聚合物交联调剖驱油数学模型

为了优化聚合物交联调剖驱油方案,预测驱油效果,建立了描述聚合物交联调剖驱油过程的数学模型。该模型通过水相粘度和渗透率下降系数的变化模拟调剖驱油机理。水相粘度和渗透率下降系数表述为交联剂浓度、聚合物浓度、pH值和成胶时间的函数。该模型能够模拟调剖驱油具有的流度控制驱油机理以及所发生的对流、弥散、扩散、吸附等一系列物化现象。进行了调剖驱油典型算例计算。计算结果表明所建立的数学模型对调剖驱油机理模拟正确,模型具有较强的实用性。可以通过数值模拟方法辅助进行聚合物交联调剖驱油的机理研究、实际应用可行性研究、矿场方案优选和开发效果预测。     

中国粮食生产的多元回归与神经网络预测比较

对1978-2000年影响我国粮食生产的7个因子分别建立了多元回归分析预测模型BP神经网络多变量输入预测模型。实证研究结果表明，与回归预测模型相比，用BP网络建立的模型经过训练后，可得到影响粮食产出的主要因子及其之间的非线性关系，网络模型新颖，具有很高的预测精度及较好的预测效果，可广泛应用于各种预测研究，有较高的推广价值。     

流线模型的深部调剖影响因素分析及矿场应用

流线模型作为一种新兴的工具被广泛应用于油田开发方案编制、效果评价与指标预测等方面。通过建立深部调剖流线模型,对比分析了注入调剖剂前后流线变化规律,提出了相应的渗流场变化模式。在流线模型的基础上,分析了调剖位置、调剖时机、封堵率、注入浓度对调剖效果的影响,进而引申出深部调剖矿场试验中的关键指标。结合某试验区实际井组评价了影响矿场试验效果的决定性因素,对同类区块开展深部调剖有一定的借鉴意义。     

基于径向基函数网络的能源消费量预测模型

采用径向基函数(RBF)神经网络方法进行能源消费量预测,建立了基于RBF神经网络的能源消费量预测模型。以我国1978~1997年的实际数据作为学习样本,对网络进行训练,拟合效果良好;以1998~2002年的实际数据检验网络,预测精度较高。并通过实例与BP网络进行比较,表明RBF网络预测模型优于BP网络预测模型。     

区域高职教育需求的系统预测

对1998至2002年影响区域高职教育需求的几个因子分别建立了多元回归分析预测模型和BP神经网络多变量输入预测模型.实证研究结果表明：与回归预测模型相比,用BP网络建立的模型经过训练后,可得到影响区域高职教育需求的主要因子及其之间的非线性关系,具有很高的预测精度及较好的预测效果.     

基于BP神经网络的浙江省人口预测

本文以浙江省1978-2010年的人口统计数据为依据,论证BP网络预测模型的可行性,同时改进模型建立了基于BP神经网络预测模型和时间序列分析的逐步回归模型,并对浙江省2011-2015的人口数量进行预测。     

神经网络技术在织机生产状况预测中的应用

为提高织机生产效率,研究了基于优化神经网络的织机生产运转状况预测方法.针对BP网络模型的缺点,在反复实验的基础上对BP网络参数、算法进行改进,建立了织机生产运转状况预测模型,并与传统的BP神经网络预测方法进行比较.实验结果表明,利用改进的BP神经网络预测织机生产运转状况时,网络收敛速度快,预测精度高,优于传统的BP网络...     

BP小波神经网络在大断面隧道变形预测中的应用

将BP算法引入小波神经网络,自适应地调整小波系数和网络权重,同时利用自适应算法调节BP算法的学习率,提高收敛效率.以4车道隧道——前欧隧道的监测数据为基础,建立BP小波神经网络变形预测模型.预测结果表明:BP小波神经网络对地质条件相似,施工及初期支护方法相同的隧道断面变形进行预测,其预测结果满足工程精度要求,能较准确地...     

中国粮食多因子灰色关联神经网络预测研究

针对BP神经网络多变量输入难以确定的缺点，提出了采用灰色关联分析法确定主要影响因子输入的多因子灰色关联分析神经网络预测模型，并给出了灰色关联神经网络BP预测模型的建立方法，对我国粮食生产影响因子多因子预测实证研究结果表明，用该网络建立的模型经过训练后，可得到影响粮食产出的主要影响因子及其之间的非线性关系，网络模型新颖，具有较好的预测精度及较好的预测效果，可广泛应用于各种预测研究，有较高的推广价值。     

基于改进粒子群优化-反向传播神经网络算法的小麦储藏品质预测模型

在使用反向传播神经网络(back propagation neural network,BPNN)预测小麦的储藏品质时,由于其易陷入局部极值且收敛速度慢,导致预测误差较大且稳定性较差,由此提出一种改进粒子群(improved particle swarm optimization,IPSO)算法优化的BPNN预测模型.采用非线性函数动态调整粒子群算法中的惯性权重和学习因子,优化BPNN中的权值参数,进而构建IPSO-BPNN预测模型.为验证该模型的准确性和稳定性,将其与BPNN模型、PSO-BPNN模型进行对比,结果表明:IPSO-BPNN模型预测的均方误差显著降低,有助于提高小麦储藏品质预测的准确性和可靠性.     

基于SOA-BP神经网络的SLS成型件精度预测模型

针对选择性激光烧结(selective laser sintering,SLS)成型件精度难以控制以及工艺参数优化实验成本高等问题,提出了一种利用人群搜索算法(seeker optimization algorithm,SOA)优化BP(back propagation)神经网络对SLS成型件精度预测的方法。首先选择激光功率、预热温度、扫描速度、扫描间距以及分层厚度五个工艺参数设计正交试验获取样本数据。然后根据SOA算法特有的利己、利他、预动和不确定推理四大行为确定搜索策略,获取BP神经网络最优权值和阈值。最后采用MATLAB建立优化后的BP神经网络预测模型对样本数据进行预测分析,并与传统BP神经网络和粒子群算法(particle swarm optimization,PSO)优化的BP神经网络预测结果进行对比。结果表明:基于SOA-BP神经网络的预测模型具有较高的预测精度,最大绝对误差仅为0.028,对SLS成型件精度的提高和工艺参数的选取具有指导作用。     

基于机器学习的海上多层砂岩油藏精细注水开发实践

针对海上多层水驱砂岩油田作业成本高、小层测试数据少所导致的产、吸状况不清的问题,提出一种可同时学习多种井况条件的小层产、吸剖面预测模型。首先综合考虑影响小层产、吸状况的静态地质条件和动态开发特征,筛选并构造出主控因素,建立样本数据库。然后构建了巧妙的循环将神经网络算法和智能优化算法进行融合,内层循环以反向传播(back propagation, BP)神经网络为模型框架,遍历所有井样本,实现多维主控因素与产、吸剖面的机器学习;中层循环以量子进化算法为优化手段,实现神经网络内部权重和阈值自动优化;外层循环以测试误差为控制条件,保证模型的可靠性与最优化。最后将产、吸剖面预测模型应用于渤海P油田,分别对73口油井和84口水井的样本数据进行交叉验证,结果表明模型的平均测试误差仅为6.60%、4.36%。示例井组经分层调配等措施的综合治理之后,实现了井组日增油63 m³/d,综合含水率下降6%。该研究成果对老油田的精细注水和优化调整具有一定的指导意义。     

基于BP神经网络的政府投资工程委托代建风险分析与评价

代建制是目前各地正在探索的一种新型建设管理模式，它能有效地实现投资、建设、管理、使用职能四者分离的目标．本文对政府投资工程实施代建制的风险来源进行了分析，建立了三层前馈神经网络模型，根据BP算法调整其权值和阀值，进行系统训练并结合输入数据，最终得到风险估计系数，以输出值作为决策依据，为政府投资工程的风险分析提供了一种结合现代算法的新思路．     

BP神经网络用于饮用水管网细菌总数预测

为保障饮用水管网细菌学水质安全，并实现对细菌总数指标的预测，选定北方某市实验小区饮用水管网为研究对象，应用Matlab软件建立BP神经网络的细菌总数预测模型．结果表明，BP神经网络方法能较好地模拟复杂系统，模型精度较高；同时，建立BP神经网络模型，对水质指标间的相互作用进行模拟，拟合效果较好，并针对该实验管网给出了某些指标的限值．     

基于遗传算法优化BP神经网络的TIG焊缝尺寸预测模型

建立了4-12-4结构的误差反向传播(BP)神经网络.以训练样本预测误差作为适应度函数,采用具有全局寻优功能的遗传算法得到最优化的BP神经网络的权值和阀值.以TIG焊接工艺参数电弧长度、保护气流量、焊接电流和焊接速度作为网络输入,焊缝的上余高、下余高、上焊宽和下焊宽作为网络的输出,优化后的BP网络模型具有良好的泛化能力和预测能力.     

一种基于反向神经网络的航空器飞行轨迹预测

为了缓解终端区空域拥堵和降低航空器运行风险,提出一种基于反向神经网络(BP)的航空器飞行轨迹预测模型。首先,对航空器历史数据进行筛选和降噪处理,得到基准轨迹;其次,建立基于Hausdorff距离的轨迹相似性矩阵,采用模糊C-均值聚类(FCM)对所有轨迹进行自动分类;最后,综合考虑飞行轨迹的三维位置、速度和航向特征,利用BP神经网络对轨迹特征进行训练学习,建立飞行轨迹预测模型,用于对未来时刻的短期飞行轨迹多维特征进行预测。试验结果表明:该网络模型预测误差小、预测效果好,可以更加准确地进行航空器的飞行轨迹预测。     

基于主成分分析-BP神经网络的风电备件需求预测

风电机组具有结构复杂,运维困难,且长期处于恶劣的工作环境的特点。风电备件的需求预测有助于为风电场配备最合适的备件数,以确保风电场的平稳、高效运行。本文以某企业近五年的齿轮需求数据为例,应用主成分分析(PCA)降低几个影响因素的维度,得到复合变量,然后应用BP神经网络算法,构建预测模型;比较ARIMA模型、BP神经网络预测和PCA-BP神经网络预测的结果。表明：主成分分析法(PCA)能显著降低神经网络预测误差,预测的精度为93.94%,高于BP神经网络预测的88.39%和ARIMA模型的85.31%,所以PCA-BP神经网络模型的预测精度准确且有可靠结果,能够适用风机备件的需求预测。