学位论文 > 优秀研究生学位论文题录展示

基于ANN辨识理论的油田井组注采规律及动态开发指标计算模型研究

作　者: 程亮
导　师: 许少华
学　校: 大庆石油学院
专　业: 计算机软件与理论
关键词: 神经网络 系统辨识 系统辨识模型 开发指标预测 辨识算法
分类号: TP183
类　型: 硕士论文
年　份: 2010年
下　载: 35次
引　用: 0次
阅　读: 论文下载
 

内容摘要


传统的开发指标计算多采用建立在大量原始数据基础上的经验公式和拟合公式的传统的系统辨识方法。对于非线性系统往往不能得到满意的辨识结果,得不到全局最优解。神经网络对非线性系统辨识的主要吸引力在于:多层前馈神经网络能够以任意精度逼近非线性映射,给复杂系统的建模带来了新途径;特有的学习能力使其能适应系统或环境的变化;并行计算特点,使其有潜力快速实现大量复杂的运算;分布式信息存储与处理结构,使其具有容错性;多输入多输出结构可方便的进行多变量系统的辨识。因此,神经网络在非线性系统辨识中的应用具有很重要的研究价值和广泛的应用前景。油田井组注采系统属于非线性动态系统,具有不确定性和模糊性,所以适宜采用神经网络辨识理论对系统建立辨识模型,研究高效的辨识算法,进而对开发指标进行预测。本课题的研究,对油藏生产管理、产量预测和规划安排意义重大。论文研究了神经网络辨识的基本理论、特点和步骤,建立了地层压力预测的辨识模型,提出一种改进的BP算法,将其应用到油田井组注采系统,预测结果证明了模型和算法的有效性。针对传统神经网络在解决系统过程式输入和时间顺序依赖性的系统辨识容易产生模型复杂化,算法难以收敛等问题,论文研究了一种输入输出均为时变函数的前馈过程神经网络辨识模型,提出了基于函数正交基展开的梯度下降算法和遗传—模拟退火算法作为其辨识算法,对产油量和产水量进行预测,结果令人满意。针对传统Elman网络难以直接对输入输出均为时变函数的动态系统进行辨识,论文提出了一种Elman型反馈过程神经网络模型。Elman型反馈过程神经网络与传统Elman网络在结构上类似,区别在于Elman型反馈过程神经网络的输入和相应的连接权均可以是时变函数,对Elman网络进行时域上的扩展。论文中给出了Elman型反馈过程神经网络的拓扑结构和学习算法,通过对采出程度的预测,证明了模型和算法的有效性。

全文目录


摘要  4-5
ABSTRACT  5-7
创新点摘要  7-10
第一章 绪论  10-17
  1.1 研究背景和意义  10
  1.2 油田开发指标研究概况  10-14
    1.2.1 经验统计类  11-12
    1.2.2 概率统计方法类  12-13
    1.2.3 水动力学公式类  13
    1.2.4 油藏数值模拟类  13
    1.2.5 其他预测方法类  13-14
  1.3 人工神经网络发展概况  14-15
  1.4 系统辨识理论发展概况  15-16
  1.5 论文主要研究内容  16-17
第二章 人工神经网络与系统辨识理论研究  17-26
  2.1 人工神经网络理论基础  17-20
    2.1.1 人工神经元模型  17-18
    2.1.2 人工神经网络结构  18-19
    2.1.3 人工神经网络的学习  19-20
    2.1.4 人工神经网络的特点  20
  2.2 系统辨识方法研究  20-25
    2.2.1 系统辨识的定义  20-21
    2.2.2 系统辨识的基本原理  21-23
    2.2.3 系统辨识方法  23-25
    2.2.4 系统辨识的用途  25
  2.3 本章小结  25-26
第三章 基于神经网络的系统辨识  26-40
  3.1 神经网络系统辨识的基本原理  26-27
  3.2 神经网络系统辨识的特点  27
  3.3 神经网络系统辨识的步骤  27-29
  3.4 辨识模型结构  29-32
  3.5 基于改进BP 算法的地层压力预测  32-39
    3.5.1 BP 网络和BP 算法  32-37
    3.5.2 在地层压力预测中的应用  37-39
  3.6 本章小结  39-40
第四章 基于时变输入输出的过程神经元网络系统辨识  40-55
  4.1 过程神经元  40-44
    4.1.1 过程神经元的定义  40-42
    4.1.2 过程神经元与泛函  42-43
    4.1.3 过程神经元与复合函数  43-44
  4.2 输入输出均为时变函数过程神经网络辨识模型和算法  44-53
    4.2.1 网络拓扑结构  44-46
    4.2.2 基于函数正交基展开的梯度下降的辨识算法  46-48
    4.2.3 遗传—模拟退火算法  48-50
    4.2.4 模型的连续性与逼近能力  50-53
  4.3 在油田注采系统的应用  53-54
  4.4 本章小结  54-55
第五章 基于Elman 型反馈过程神经网络的系统辨识  55-62
  5.1 辨识模型  55-57
  5.2 辨识算法  57-60
  5.3 油藏开发过程模拟  60-61
  5.4 本章小结  61-62
结论  62-63
参考文献  63-66
发表文章目录  66-67
致谢  67-68
详细摘要  68-76

相似论文

  1. 天然气脱酸性气体过程中物性研究及数据处理,TE644
  2. 压气机优化平台建立与跨音速压气机气动优化设计,TH45
  3. 调频式电容位移传感器高速测频与非线性校正技术研究,TH822
  4. 中医舌诊中舌形与齿痕的特征提取及分类研究,TP391.41
  5. 红外超光谱图像的虚拟探测器研究,TP391.41
  6. 模糊控制、神经网络在平面二级倒立摆中的应用,TP273.4
  7. 基于神经网络的水厂投药预测控制研究,TP273.1
  8. 视觉伺服四自由度机械臂的研究,TP242.6
  9. 机械臂视觉伺服系统的研究,TP242.6
  10. 压电驱动微工作台的控制与校正技术研究,TP273
  11. 某武器检测装置的控制系统设计,TP183
  12. 市级旅游用地规划环境影响评价研究,X820.3
  13. 珠三角地区高性能混凝土配合比智能化系统,TU528
  14. 大学生综合素质测评研究,G645.5
  15. 不具备全局Lipschitz条件的时滞细胞神经网络的反周期解研究,TP183
  16. 基于并行算法的模糊综合评价模型的设计与应用,TP18
  17. 基于神经网络的牡蛎呈味肽制备及呈味特性研究,TS254.4
  18. 基于神经网络辨识的同步发电机励磁控制研究,TM31
  19. 基于BP神经网络的水稻干燥智能控制研究,S226.6
  20. 基于遗传算法优化的BP网络对生物柴油制备工艺的优化,TE667
  21. 海上平台消防系统研究,U698.4

中图分类: > 工业技术 > 自动化技术、计算机技术 > 自动化基础理论 > 人工智能理论 > 人工神经网络与计算
© 2012 www.xueweilunwen.com