油田产量优化的目标规划模型

在现有开采条件下确定油田经济效益最大时的产量组合(最佳经济产量)的过程称为油田产量优化。分析了影响油田最佳经济产量的因素，将油田产量细分为自然产量、措施产量和新建产能产量，提出了自然油变动成本、措施油变动成本和新建产能油变动成本的计算方法。在此基础上，提出了多约束条件下以利润最大化为目标的油田产量优化模型。该模型的建立可为油田的中、短期开发规划提供定量的决策依据。     

油田开发模糊目标规划模型及求解

本文将模糊目标规划的方法应用于油田开发多目标规划问题。使用的模糊目标规划模型,包括最小至最大模型和偏差量加权求和模型,用于解决油田开发规划中涉及的多个相互制约的目标问题。对于实例的研究证明了模糊目标规划方法适用于油田开发规划。     

油田产量优化的目标规划模型

在现有开采条件下确定油田经济效益最大时的产量组合 (最佳经济产量 )的过程称为油田产量优化。分析了影响油田最佳经济产量的因素 ,将油田产量细分为自然产量、措施产量和新建产能产量 ,提出了自然油变动成本、措施油变动成本和新建产能油变动成本的计算方法。在此基础上 ,提出了多约束条件下以利润最大化为目标的油田产量优化模型。该模型的建立可为油田的中、短期开发规划提供定量的决策依据。     

石油企业优化决策与油田开发规划

我国石油生产企业作为特大型国有企业,尽管目前改制已经完成,油田公司也与国外油公司基本接轨,但受中国石油工业长期作为垄断产业影响,油田公司在制定油田开发策略或油田开发规划过程中对油价因素考虑不够。本文的主要目的是通过研究中国石油生产企业在充分考虑油价因素下的最优开发策略,为中国石油企业油田开发最优决策提供信息。     

油田开发中的不确定性问题及其求解方法

由于油田开发人员主观认识的不确定性导致了对油藏认识程度的不确定(或灰色)性.在分析油田开发不确定性问题来源的基础上,以油田开发过程中的油藏描述、剩余油分布、油田产量预测和增产措施宏观规划等典型不确定性问题为例,说明了解决这类问题的有效手段为采用不确定性方法,包括随机建模技术、模糊数学、数理统计和最优化等方法;并逐一介绍了这些方法在解决油田开发不确定性问题中的应用.     

油田开发中的不确定性问题及其求解方法

由于油田开发人员主观认识的不确定性导致了对油藏认识程度的不确定（或灰色）性。在分析油田开发不确定性问题来源的基础上,以油田开发过程中的油藏描述、剩余油分布、油田产量预测和增产措施宏观规划等典型不确定性问题为例,说明了解决这类问题的有效手段为采用不确定性方法,包括随机建模技术、模糊数学、数理统计和最优化等方法;并逐一介绍了这些方法在解决油田开发不确定性问题中的应用。     

油田开发最优规划模型的求解

根据油田开发的各种成本上投入形式，建立了油田开发的非线性规划模型，提出了一种曲线规划模型的求解方法，为油田的合理开发提供定量依据，对某口井进行了算例分析，利用该优化模型得到了其最优参数。     

神经网络在CB油田储层预测和储层厚度计算中的应用

根据ＣＢ油田提出了神经网络进行体育场支预测和计算地层厚度的方法。将传统的储层预测方法与人工神经网络相结合，能较好地解决ＣＢ油田的储层预测问题。     

油田开发优化决策的目标规划模型

提出了油田开发中的多目标问题,确定了油田开发措施增油中的多目标体系,建立了措施增油的多目标规划模型,研究了油田开发目标权重的计算方法。以油田开发措施增油方案为例,进行了目标规划模型的建立、求解和优化策略分析,为油田开发措施增油提供了定量决策依据。     

注水开发油田产油量产水量动态预报的新方法

对注水开发油田,提出一种新的产油量、产水量动态预报方法。该方法对油田开发过程的时变性和各种随机干扰因素具有自适应性。文章从信息论角度出发,利用神经网络非线性时间序列预测模型,构造了油田产油量、产水量的神经网络预测器。结果表明,该预测器具有较高的预测精度,适合于各个阶段的产油量、产水量的动态预报。并且该方法完善了油田产油量、产水量动态预报的理论。最后给出了两个动态预报的实例,具有较高的预报精度。     

任务分配问题的瞬态沸混沌神经网络解法

采用具有瞬态混沌特性的神经网络（TCNN）解任务分配问题,该方法利用神经元的自反馈产生混沌动态,由于混沌动态特性具有很强的搜索全局最优妥的能力,有效地避免了传统Hopfield神经网络（HNN）极易陶入局部极小的缺陷,同时利用时变参数控制混沌行为,使网络在经过一个矩暂的混沌倒分岔后逐渐于一般的Hopfield神经网络,保证网络收敛到一个最优或近似最优的稳定平衡点。仿真结果表明,TCNN解任务分配问题时,总能收敛到全局最优或几乎接近全局最优,同时具有更高的搜索效率,另外,还用此方法求解了属于NP－完全问题的实时分布处理系统的任务分配问题。     

用不等式求解一类非线性规划问题

本文在 Bellman 提出的最优化原理的理论基础上,以几种常用的不等式为工具,解一类具有递归型式的非线性规划问题。此法回避了解析法中多维分析的复杂性,使问题得到简化。     

组合优化神经网络的胞元设计及稳定性分析

以ＴＳＰ网络为例，详细分析了Ｈｏｐｆｉｅｌｄ网络在求解组合优化问题时经常出现的不稳定性和局部最优性，提出了解决这２个问题的一个改进算法。证明了对于全负联接的Ｈｏｐｆｉｅｌ网络，如果对神经元的特性函数进行个性就可以控制系统在状态空间的运动方向，从而保证网络在当前能量函数下降最快的方向上迅速地收敛到局部最优解。     

基于进化规划和神经网络的多用户检测器

利用两种方法的优点,并将它们应用于CDMA多用户检测中,提出一种基于并行遗传算法和Hopfield神经网络的多用户检测器．该检测器中,进化规划首先给神经网络提供较好的初始值,然后用神经网络实时快速地获得最优解．计算机模拟结果表明：本文所提出的检测器在误码率和“抗远近”效应方面均具有良好的性能。     

地连墙变形的神经网络多步预测研究

结合润扬长江公路大桥南汊北锚碇深基坑工程 ,提出并应用神经网络多步预测方法来研究地连墙施工变形的预测问题。系统介绍了基于时间窗口的神经网络多步滚动预测技术 ,并详细讨论了输入输出层的设计、隐层神经元数以及预测时间步长等一些基本预测技术问题。该预测方法应用于润扬长江公路大桥南汊北锚碇深基坑围护工程 ,取得了较好的工程效果。     

基于MATLAB的BP神经网络模型在地震预报中的应用

根据人工神经网络模型,运用MATLAB的神经网络工具箱建立BP神经网络预测模型,以地震变化率作为神经网络的输入,对台湾地区和四川地区地震数据时间序列进行分析对大地震的发生时间进行预测.实验证明该模型用于地震预报的有效性和可行性,具有良好的应用价值.     

刀具磨损监测的神经网络实践

监测刀具磨损是自动化加工的一个很重要的研究课题，人工神经网络的出现，为刀具磨损的在线监测开创了广阔的前景，但在应用时出现了易被忽略的问题，例如常用的ＢＰ网络存在着收敛速度慢、易陷入局部极小点等缺陷。该文利用优化理论对ＢＰ网络缺陷进行分析，提出相应的改进措施，即神经网络分解算法，并用于刀具磨损量的估计，实验证明采用的方法是正确的。     

面向顶板类型识别的人工神经元网络模型

基于地下岩体赋存环境复杂性的特点，采面顶板类型识别问题是一个比较复杂的问题，它受制于岩石强度Ｒ＿ｃ、裂隙间距Ｉ、分层厚度ｈ、垮落步距Ｌ等众多的影响因素，这是一典型的复杂非线性系统问题，因而用传统数学方法所建模型误差较大。本文运用人工神经元网络建立了采面顶板类型识别的神经网络模型，进行了实例研究，并同用模糊数学方法所建模型进行了对比。图１，表１，参８。     

教学质量评价体系的神经网络模型

阐述了人工神经网络用于教学质量评价的设计思想和实现方法 .对传统教学质量评价方法进行了介绍与分析 ,给出应用神经网络进行评分与定级的网络结构设计方法和误差反传学习算法 ,并对所设计的教学质量评价神经网络进行了训练与实测