| 基于动量自适应学习率PSO-BP神经网络的钻速预测模型研究 |
| |
| 引用本文： | 刘伟吉,冯嘉豪,祝效华,李枝林.基于动量自适应学习率PSO-BP神经网络的钻速预测模型研究[J].科学技术与工程,2023,23(24):10264-10272. |
| |
| 作者姓名： | 刘伟吉 冯嘉豪 祝效华 李枝林 |
| |
| 作者单位： | 西南石油大学机电工程学院;中国石油集团川庆钻探工程有限公司 |
| |
| 基金项目： | 国家自然科学基金项目（面上项目，重点项目，重大项目） |
| |
| 摘 要： | 机械钻速(rate of penetration, ROP)是钻井作业优化和减少成本的关键因素，钻井时有效地预测ROP是提升钻进效率的关键。由于井下钻进时复杂多变的情况和地层的非均质性，通过传统的ROP方程和回归分析方法来预测钻速受到了一定的限制。为了实现对钻速的高精度预测，对现有BP (back propagation)神经网络进行优化，提出了一种新的神经网络模型，即动态自适应学习率的粒子群优化BP神经网络，利用录井数据建立目标井预测模型来对钻速进行预测。在训练过程中对BP神经网络进行优化，利用启发式算法，即附加动量法和自适应学习率，将两种方法结合起来形成动态自适应学习率的BP改进算法，提高了BP神经网络的训练速度和拟合精度，获得了更好的泛化性能。将BP神经网络与遗传优化算法(genetic algorithm, GA)和粒子群优化算法(particle swarm optimization, PSO)结合，得到优化后的动态自适应学习率BP神经网络。研究利用XX8-1-2井的录井数据进行实验，对比BP神经网络、PSO-BP神经网络、GA-BP神经网络3种不同的改进后神经网络的预测结果...
|
| 关 键 词： | 钻速(ROP)预测 BP神经网络 附加动量法 自适应学习率 遗传算法(GA) 粒子群算法(PSO) |
| 收稿时间： | 2022/10/24 0:00:00 |
| 修稿时间： | 2023/6/7 0:00:00 |
Research on prediction model of penetration rate based on PSO-BP neural network with momentum adaptive learning rate |
| |
| Liu Weiji,Feng Jiahao,Zhu Xiaohu,Li Zhilin.Research on prediction model of penetration rate based on PSO-BP neural network with momentum adaptive learning rate[J].Science Technology and Engineering,2023,23(24):10264-10272. |
| |
| Authors: | Liu Weiji Feng Jiahao Zhu Xiaohu Li Zhilin |
| |
| Institution: | School of Mechatronic Engineering,Southwest Petroleum University,Sichuan Chengdu; CNPC Chuanqing Drilling Engineering Company Limited,Sichuan Guanghan |
| |
| Abstract: | |
| |
| Keywords: | ROP prediction BP neural network Additional momentum term Adaptive learning rate Genetic algorithm Particle swarm optimization |
|
| 点击此处可从《科学技术与工程》浏览原始摘要信息 |
| 点击此处可从《科学技术与工程》下载免费的PDF全文 |
