基于ANN的综放工作面产量与工效预测

采煤工作面是整个矿井生产的核心，是实现矿井高产高效安全生产的关键。为了准确预测和提高综放工作面产量与工效，本文应用人工智能领域的人工神经网络方法，在系统分析影响综放工作面产量、工效的主要因素，并收集大量工程实例样本的基础上，构建了综放工作面产量与工效预测人工神经网络模型并加以实际应用。应用结果表明，该方法简便、可靠，且具有先进性。该方法的成功应用，为煤炭产量、工效预测研究探索了一条更加先进有效的途径。     

地下工程中的岩爆预测

通过收集国内外多个地下工程实际资料,分析了影响岩爆发生的主要因素,运用人工神经网络方法,建立了岩爆预测的人工神经网络模型,并用已训练稳定的样本对某地下岩爆进行预测,验证预测模型。结果表明,所建立的模型具有较高的预测精度。     

基于BP网络的水资源预测方法的研究

对水资源预测的各种方法进行了分析，在本领域内推出一种新的预测方法－人工神经网络，可依据源数据，通过BP算法，自动形成水资源预测模型，从而推算出水资源变化趋势。人工神经网络有较强的学习功能，事先不需建立模型，而是根据预测的精度通过初始数据进行计算。从本文所得结果可以看出，人工神经网络是建立水资源预测模型的一种有效的方法。     

基于人工神经网络的油田产量多因素非线性时变预测

运用人工神经网络技术对多因素非线性影响下的油田产量进行了预测，结果表明，该方法既能考虑新井开井数、注水井开井数、注水量、老井开井数及老井措施量对油田产量的影响，还能间接地全面考虑储层非均质性对油田产量的影响，且预测快速、简便、精度高，是对油田油产量进行中短期预测的有效方法，对于产能建设、产量规划、措施安排具有一定的指导意义。     

基于神经网络模型评价高技术项目投资风险

简要回顾了人工神经网络的发展历史,介绍了信息计量学的概念和人工神经网络算法在信息计量学领域中的应用,警示了在人工神经网络应用中的"过拟合"现象。在对高技术项目投资风险因素分析的基础上,建立了能够预测项目投资风险的线性神经网络模型,模型避免了"过拟合"现象的发生。通过对有关数据进行实例计算,预测结果表明,该神经网络模型稳定可靠,所获得的结果是令人满意的。     

人工神经网络在油田注采量描述中的应用

考虑油田注水开发期采液量是注水参数和地层参数等的连续函数,应用人工神经网络技术,探讨油田注水开发期见水后的各个单井产状描述和产液量预测的新方法．采用某油田某区块内５口采油井配置１０口注水井,在１２个月的注采数据来训练所建立的注采系统人工神经网络模型．结果表明,人工神经网络可很好地用来定量描述油田注水期采出液量与注入液量之间的复杂函数关系,可用于油田水驱产状的描述．滚动预测的结果表明,预测的累计采油量随月份的增长变化和实测的符合良好．     

卡车路段行程时间的实时动态预测

分析了建立卡车路段行程时间预测模型传统方法的不足,考虑到高度非线性的露天矿运输系统有别于公路交通系统,针对卡车运行时间的随机性,采用多因子预测,阐述了应用人工神经网络(ANN)原理和方法对卡车路段行程时间预测的可能性和优越性,建立了预测模型的基本结构,描述了行程时间与其影响因素间的非线性映射关系,从而提出了基于人工神经网络原理的行程时间预测模型。     

液力反馈型空心杆采油工艺系统工况预测模型分析

针对液力反馈原理的新型空心杆采油工艺的特点，在理论分析的基础上，考虑液体运动、空心杆柱受力等因素的影响，完成了液力反馈型空心杆采油管柱力学分析，建立了空心杆采油的二维数学模型。在不同泵径、泵深、冲程、冲次、密度和含水率条件下，对液力反馈空心杆采油工艺系统进行了工况预测，分析了这些参数对系统的影响。     

岩爆分类的人工神经网络预测方法

采用人工神经网络原理，选取影响岩爆的一些主要因素，如地应力、岩石抗压强度、抗拉强度等作为输入参数，建立了岩爆分类与预测的神经网络模型．利用国内外一些工程实例作为学习和训练的样本，并用已经训练稳定的样本对某水电站地下厂房岩爆进行预测．研究表明，与其他岩爆预测方法比较，人工神经网络模型更具有客观性和有效性．     

基于模拟退火神经网络工程索赔合理工效研究

本文从我国工程索赔现状出发，分析了合理工效的影响因素，建立了模拟退火神经网络的合理工效费用模型，收集了24个实际工程案例运用人工神经网络对费用进行预测，结果表明了模型的有效性。     

利用BP网络技术进行油井流入动态分析方法研究

论述了应用人工神经网络技术进行油井流入动态分析的方法 :将油井视为一个黑箱非线性动态系统 ,不需要建立描述油井动态的复杂数学模型 ,只要对其动态系统的输入 /输出进行网络训练 ,即可建立相应的人工神经网络预测模型 ,并用此进行油井流入动态预测及分析 ,绘制出精确的 IPR曲线 .依据 BP网络和实际应用的特点 ,提出了滚动预测技术 ,并对该技术进行了实例分析 ,取得了较好的效果 .     

应用人工神经网络预测油井产量和产水量

论述了应用人工神经网络技术预测油井产油量和产水量的方法．利用油井过去实际每个月的日平均产油量和产水量做为网络的训练样本，经网络学习后，输入油井待预测的时间，可预测出相应时间的日平均产油量和产水量．同时，编制的通用软件经胜利油田２１口井实际产油量和产水量检验，结果表明：网络是一种可行性的预测油田单井产量的方法     

人工地震驱油技术在断块稠油油藏中的应用

针对大港油田南部油区大多为复杂断块、多层系、稠油油藏,断块面积小且平面、层间、层内非均质性较强,目前大多进入高含水阶段,水驱效果逐渐变差的实际问题。通过采用井下人工地震技术,利用地震波产生的超声波,降低原油黏度,提高原油流动能力,在南部地区的王官屯油田和枣园油田的现场应用取得了显著效果,对改善高含水阶段的水驱效果,降低含水上升速度起到了积极作用。通过4口井、6次试验,累积增油8499t ,投入产出比为1∶9.3,井下人工地震驱油技术为改善复杂断块稠油高含水油藏开发效果提供了新的技术手段,具有作用范围大,对油藏伤害小,投入产出比低等优点,是一项具有较好应用前景的采油技术。     

基于灰色网络组合优化的年增油量预测

老井措施增油成为油田稳产、降低油田区块开发成本的必然选择。针对多项式回归预测的局限性、灰色理论不能反映影响因素特征、神经网络需求数据多且数据敏感性差等特征,通过建立最优控制模型,实现GM（1,1）灰色理论与神经网络的高精度组合预测。以某油田区块2011-2018年的措施增油为例,对影响措施增油量的因素进行识别,建立了最优控制灰色神经网络模型对老井措施年增油量进行预测,相比多项式回归预测、GM（1,1）预测及BP神经网络预测方法,新模型模拟效果更好,预测精度更高。新方法对2018年措施年增油量的预测精度达97.34%。基于最优控制的灰色神经网络模型可以作为一种人工智能组合最优化模型预测措施年增油量,为准确预测措施增油效果,指导油田开发决策提供了新的思路。     

基于BP人工神经网络的含蜡原油触变应力计算

含蜡原油的流变性对其管道输送有着重要的影响.当原油温度逐渐接近凝点时,原油表现为非牛顿流体,其流变性表现出异常复杂的触变性.利用人工神经网络较强的非线性逼近、良好的自适应和预测性能,采用误差反向传播算法(即BP算法)对含蜡原油的触变剪切应力进行了计算,计算结果与实验结果和采用R-G模型方程计算的结果进行了对比.结果表明,BP网络计算的精度高于R-G模型方程计算的精度,BP网络和R-G模型的计算结果与实验结果的最大相对误差分别为5.0%和12.7%.     

用人工神经网络预测金属离子水化能

对金属离子水化能及其结构之间的关系进行了探讨,通过神经网络方法对其结构和性能关系建模发现,所建网络整体性能稳定,预测准确度高,所采用的几个重要的输入参数都能用人工神经网络的不同方法很好地预测金属离子水化能,且比传统的多元线性回归方法有较好的预测能力.     

BP网络在膨胀土判别和分类中的应用

结合膨胀土的影响指标和神经网络的特性,提出了一种针对膨胀土进行判别和分类的新方法-BP 网络方法。BP 网络是通过将网络输出误差反馈回传,来对网络参数进行修正,从而实现网络的映射能力。结果表明,用神经网络对膨胀土进行判别和分类的准确率很高,它无须在判别因子与预测目标之间建立基于某种理论的经验统计关系。     

聚合物驱垂直井筒流动和视粘度模型

与常规油井相比，聚合物驱抽油机井因其产出液粘度明显增大导致抽油杆受力状况变差，杆管偏磨现象严重。通过实验对聚合物产出液的流变特性进行了研究。考虑油井举升过程，利用幂律模式绘制了幂律指数与稠度系数随聚合物浓度、温度变化的关系图版。以非牛顿流体流变学理论和人工举升理论为基础，按照不同的流动规律，给出了从地层到井口聚合物驱垂直井筒流动的运动方程及其边界条件，并对方程进行求解得到了视粘度模型。应用结果表明，该模型能够提高设计结果的误差精度，为聚合物驱抽油机井的优化设计提供理论指导。     

基于改进BP神经网络的路基材料性能预测

结合人工神经网络原理，分析了路基材料性能的影响因素，采用GSL变换改进后的BP神经网络来预测路基材料的有关性能，通过直接对实验数据的神经网络学习，发现各力学参数之间的关系，从而建造了路基材料性能的人工神经网络模型，对路基材料的无侧限抗压强度和回弹模量进行了预测，结果表明，该模型收敛速度及预测精度均得到改善，可以很好地拟合输入参数与输出参数之间的非线性关系，有较好的实际应用价值。     

结合人工神经网络的冷凝器稳态分布参数模型

为了克服由于实际装置的复杂性及生产工艺的差异对冷凝器稳态仿真精度的影响 ,提高冷凝器仿真模型的通用性和准确性 ,提出了冷凝器基本模型结合人工神经网络的仿真思路 .以相区划分和制冷剂出口焓值迭代为基础 ,提出了一种稳定的逆流型冷凝器仿真分布参数模型和算法 ,建立了冷凝器仿真的基本模型 .其计算结果与实验数据的变化趋势一致 ,能够在定性上反映实际物理过程的基本特性 .通过对部分实验数据的学习 ,进一步建立了与基本模型相结合的人工神经网络 .利用其非线性映射能力进行模型修正 ,显著提高了冷凝器的仿真精度 ,从而为同时提高冷凝器仿真的通用性和准确性提供了一种有效的工程应用方法