利用神经网络外推预测油田综合含水率

逻辑斯特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。     

利用微型圈闭法研究油田剩余油分布

在油田高含水期,微型圈闭控制了剩余油分布.在原始油藏边缘,微型断层圈闭、砂岩尖灭圈闭是剩余油富集区;在原始油藏范围内,单砂层顶面形成的微型圈闭条件与其底面构造形态、厚度相配合,控制了剩余油分布.其中顶底双凸型微型圈闭是剩余油富集区,而顶底双凹型区则不具备圈闭条件,剩余油远景差.并列举了应用实例,效果良好.     

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.     

神经网络在储层横向预测中的应用

传统的冯·诺依曼程序存储式计算机擅长于数据处理，但是在类似于面貌及声音识别这样一些简单的认知问题方面，与人类相差很大．这种差异推动了神经网络的研究．本文讨论了误差反向传播网络（ＢＰ）．给出了ＢＰ网络在储层横向预测测方面的应用．     

网络优化技术在油田注水系统设计中的应用

从系统工程的角度出发,通过运用网络优化技术,对油田注水系统进行了计算机优化辅助设计．在综合考虑油田注水系统的投资费用与长期运行损耗费用均衡的基础上着重解决了油田注水系统的结构优化设计问题,并以此为线索建立了整个输水管网的优化设计数学模型．     

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油田的特点提出了利用神经网络进行储层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。利用神经网络的非线性映射特点实现了地震特征与地层厚度之间的映射，从而可以准确地求取地层厚度。用该方法设计了２口探井，实际钻井结果表明，这种方法的预测结果准确、可靠。     

神经网络技术在工程图纸识别中的应用

提出一种应用神经网络技术识别工程图纸扫描图象中图形符号的方法,这种神经网络分类器不仅使识别系统具有自适应性、可拓展性等特点,而且可适应工程图中符号处于粘连、相交、退化等复杂情况下的识别,对目前工程图识别中的最困难问题提出了一个有效的解决方法。     

神经网络在MIMO温度过程动态建模中的应用

应用神经网络ＢＰ算法对一个ＭＩＭＯ加热炉的温度过程进行了动态建模，给出了建模及模型验证的结果     

神经网络在图象压缩编码中的应用

讨论神经网络在图象压缩编码领域中的应用.针对图象矢量量化存在的分块效应问题,对Kohonen自适应模型进行了研究.应用了两个DCT的余弦变换域的特征值,结合Kohonen的自组织特征映射(SOFM)算法对图象元素分类压缩编码.计算机模拟实验表明,和单纯用神经网络直接进行矢量量化相比,应用这种技术的图象编码压缩比和译码图象质量都有明显的提高.     

测量仪表特性线性化的神经网络方法

提出一种用BP神经网络实现的测量仪表的通用线性化方法．这种线性化方法不需要依赖仪表特性的数学模型,也不需要研制专用线路．只要网络结构合理,通过训练可达到较高的精度．     

人工神经网络在录井油气水层识别中的应用

地质录井油气水层识别有多种方法,如岩心岩屑肉眼观察法、录井数据图版法、线性函数判别法等。主要介绍人工神经网络法,内容包括方法的基本原理、系统结构组成、判别时选用的参数、应用效果与结果分析。将该方法用于准噶尔盆地不同地区进行实际检验,结果表明:该方法对未知样品的正判率均在90%以上,明显优于传统方法,取得了良好的应用效果,证明该方法在这一领域具有广阔的应用前景。     

神经网络理论在制冷与空调中的应用

本文简要介绍了人工神经网络的基本原理,叙述了常用的ＢＰ网络和训练算法,综述了神经网络在制冷空调中应用的研究和开发现状。最后展望了近期神经网络在空调制冷领域应用的研究和开发走向     

概率神经网络在文本无关说话人识别中的应用

采用基于听觉特性的Mel频率倒谱系数作为说话人识别特征参数,对概率神经网络进行了描述,并使用该网络进行了文本无关说话人识别研究.实验表明,对20名说话人,用7秒语音训练,3秒语音识别时,该方法可达到96.7%的正确识别率.