利用神经网络外推预测油田综合含水率

逻辑斯特（Ｌｏｇｉｓｔｉｃ）模型常被用来预测油田晚期勘探阶段的石油资源，还可用来预测一个油区的含水率变化过程。文中应用改进的神经网络算法和结构，预测油田的含水率变化趋势；并与Ｌｏｇｉｓｔｉｃ模型预测结果进行了比较，结果表明；神经网络是一种可行的石油资源外推预测方法。     

利用神经网络外推预测干燥过程降水率

利用神经网络所具有的捕捉过程输入－输出之间的非线性关系的能力和强大的学习推理能力,给出了一种基于神经网络的外推预测垂直对撞流干燥过程降水率的方法．为提高预测的快速性和准确性,针对ＢＰ算法学习参数难以确定的缺点,给出了一种基于目标函数的一阶和二阶导数同时优化学习率和确定动量系数的方法,并将此法应用于外推预测物料降水率的过程之中．仿真结果表明,对于运动规律十分复杂、目前仍无法从其内部的运动机理和传热传质特性出发建立干燥特性预测模型的一类高强度的干燥方式而言,文中所提出的神经网络模型能够较正确、快速地预测干燥过程中物料降水率的变化．     

油田产量预测系统

运用预测模型和数据库管理一体化技术，面向油田已有的数据库数据、包容各种预测方法。建立了油田生产的计算机预测系统，以提高预报效率和数据管理水平。并为制订生产规划提供依据。应用表明，该系统具有推广和实用价值。／     

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。     

油田产量预测系统

运用预测模型和数据库管理一体化技术，面向油田已有的数据库数据、包容各种预测方法．建立了油田生产的计算机预测系统，以提高预报效率和数据管理水平，并为制订生产规划提供依据．应用表明，该系统具有推广和实用价值．     

基于长短期记忆神经网络的油田注水预测

为解决目前常用的人工智能注水预测无法考虑数据在时间上的相关性问题,通过选取一种基于循环神经网络(RNN:Recurrent Neural Network)改进的长短期记忆(LSTM:Long Short-Term Memory Neural Network)神经网络构建油田注水预测模型.该模型不仅能考虑到注水量和影响因...     

利用神经网络预测城市震后火灾损失

城市遭受地震袭击后伴随大火而引起房屋烧毁与财产损失是巨大的，这与地震烈度，火源发生与蔓延，灭火能力有关，文中利用人工智能神经网络方法预测震后火灾损失，根据美国北加洲湾区和南加州洛杉矶地区的有关历史资料，训练神经网络对某些地震烈度的火灾损失作出预测，该方法能迅速，准确地预测未来指定烈度与气候条件下的火灾损失，对其它自然灾害，在一定条件下也可应用。     

利用神经网络预测聚合物玻璃化温度

分析了影响聚合物玻璃化温度的各种因素，采用合成时进料组成中各组分的摩尔分数、组成成分的重量分数以及聚合度等共计６个变量来表达聚合物结构上的差别，通过神经网络的训练建立了描述硬脂酸乙烯酯＋乙酸乙烯酯＋氯乙烯三元共聚物链结构和组成等６变量空间到玻璃化温度空间的映射关系，进而对未知三元聚合物的玻璃化温度进行预测，预测结果与实验结果与比较吻合。     

应用Usher模型预测单井含水率变化

准确预测单井的含水率变化趋势,对决策单井下步采取何种措施具有重要意义.根据单井含水率随井底流压变化的规律,对广泛用于经济和资源预测的Usher模型,经适当改进,并引入无因次压力概念,用于预测单井含水率的变化.经现场实例验证具有很好的实用性和有效性.     

利用BP神经网络预测原油粘度

神经网络是一种抽象的数学模型,研究BP神经网络的特性并利用该网络预测原油粘度,建立了一个BP神经网络模型,最后利用MATLAB环境下的神经网络工具箱开发相应的程序。并最终将其用于原油粘度的预测。     

基于遗传神经网络的地震综合预测系统研究

提出利用遗传神经网络技术对地震预测建模,其基本思想是利用遗传算法具有全局搜索能力、不易陷入局部极小点的特点优化神经网络的权重和阈值,利用优化的神经网络挖掘地震前兆异常属性和震级之间的潜在的关系,从而实现地震预测.并选取了《中国震例》中的97个样本数据进行实验,震例验证的结果表明,遗传神经网络算法用于大地震综合预测效果较理想.     

利用子波基函数神经网络进行预测

提出了一种利用子波基函数神经网络对自动控制系统进行预测的新方法。子波基函数神经网络利用局部获得信息完成函数映射,从实验数据中提取时频特征,基于以前观察获得的数据来预测未来的输出结果。在这篇论文中,我们提出了一种实现子波基函数神经网络的结构和算法,并给出了一个时间序列预测的例子评价子波基函数神经网络预测的性能。     

利用神经网络预测开采引起地表沉陷

本文将人工智能中的神经元网络理论引入开采沉陷学领域．用以预测矿山开采引起的岩层与地表移动．利用神经网络对已知样本进行学习．初步探索出一条新的用来预测矿山开采沉陷的理论方法。     

利用集成神经网络预测上证指数

证券市场作为高风险高收益的投资领域一直倍受投资者的关注，如何能够准确分析和预测股票价格以便获取丰厚的收益一直受到人们的关注。于是各种股票价格分析预测和方法应运而生，如何建立一个成功率比较高的预测理论和模型是多年来许多学者一直研究的内容。     

油田开发最优控制之神经网络实现

如何把握油田注水开发的动态过程从而实现最优控制开采及预测开发指标,长期以来是一个重要的研究课题。描述了神经网络功能模拟开油藏及其辨识开发系统参数的一般性原理,达到用神经网络功能实现各开发指标之间的复杂函数关系(这种关系很难用准确的函数解析式表述),从而实现开发过程的最优控制及其开发指标的预测。最后将这一原理应用于中原某油藏进行指标预测,获得了满意的结果。     

优化控水技术在马寨油田的应用

应用注水井,生产井的现有资料和优化控水技术基本程序,分析了产油井产水量高的原因,建立了调剖井的定量的筛选标准,对马寨油田生产井和注水井的调剖处理进行了排序和程序设计,对调剖技术和马寨油田近三年优化控水措施的结果进行了讨论和分析,最优化控水技术的关键是评价注水井和油井的连通程度,评价结果表生产井和注水井之间存在很好的相关系数时,调剖后,生产井一般均受到好的影响。     

油田监测指标预测开发指标系统设计及应用

本文在对油田单井监测指标数据分析的基础上,研究了油田区块测试指标的特征,根据其特征与统计预测,基于系统模拟原理,将油田区块测试指标作为系统输入,油田开发指标作为系统输出,得到了油田开发指标预测的新方法,并根据这一预测新方法设计了“油田监测指标预测开发指标软件系统”。利用该软件系统对大港油区几个区块进行实例预测,取得了很好的效果。为研究油田开发动态变化规律及预测提供了一种新的方法。     

BP神经网络在储层物性参数预测中的应用——以梁家楼油田沙三中为例

在储层四性特征及其四性关系研究的基础上，应用BP神经网络方法，对梁家楼油田沙三中储层的物性参数（孔隙度、渗透率）进行了预测，并对其预测精度进行了检验。将神经网络解释结果与常规数理统计方法精度对比可见，神经网络法的参数预测精度有较大的提高，显示出BP神经网络法在储层参数预测中的优势与应用潜能。     

油田开发动态的多参数输入模拟预测方法

在进行考虑多种因素综合影响下油田开发动态指标预测时,缺少定量化模拟预测方法,油藏工程方法由于多属于机理型模型、单一条件统计规律模型,不适合此类条件下的定量预测。本文提出了一种考虑多参数约束控制拟合的开发动态预测方法,输入参数可包括产量、成本、工作量等。由统计理论根据历史信息实现系统指标变化情况的模拟,建立系统的输入输出关联关系,进而外推进行预测。提出的开发动态预测方法反映了实际开发过程中各种因素的复杂影响。