预测管道蜡沉积速率的BP神经网络模型研究

利用灰色关联法分析了7个影响因素与管道蜡沉积速率的关联度,确定了模型的输入维数;通过建立7-10-1的BP神经网络预测模型预测了所取样本的蜡沉积速率,并对其预测精度进行验证和对比。结果表明:在考虑7个影响蜡沉积速率因素时,模型的精度可控制在0.5%左右,比考虑4个影响因素的精度更高;BP神经网络预测模型的精度与输入维数有关,维数的增大有利于精度的提高,但并不意味维数越高精度就越高;不同的初始权重和阈值对于预测的精度和泛化能力存在较大影响,但模型的精度仍在可接受范围内,因此,该模型可用于蜡沉积速率预测。     

水基泡沫流变特性研究进展

水基泡沫在石油钻井、驱油及矿物浮选等方面应用广泛,但因其自身结构的复杂性及不稳定性,准确描述其流变性需要考虑液膜排液、气体扩散、泡沫质量、泡沫结构、可压缩性、壁面滑移、测量系统相对于气泡的尺寸、环境温度及压力等多方面因素,以致于目前尚无有关泡沫流变性的公认理论。实验研究过程中控制壁面滑移的较普遍做法是增加流道壁面（转子表面或管壁）的粗糙度,基于适当假设所提出的一些理论修正方法具有较好的适应性。体积平衡法假设泡沫管流摩擦系数为常量,在一定程度上解决了泡沫可压缩性给管流压降计算所带来的困难。目前普遍认为泡沫流变性可用幂律模式或赫谢尔–巴尔克莱模式很好地描述,是否存在“屈服应力”则因测试条件差异而存在争议。