收藏本站
《武汉科技大学》 2016年
加入收藏

基于优化BP神经网络的油田回注水余氯预测模型研究

龙盼  
【摘要】:目前我国大部分油田采用注水采油方式,杜绝了含油污水外排给油田环境所造成的污染。但回注水水质对油田的开发具有重要影响,如何保证回注水水质是本文的重点研究内容。余氯浓度是衡量油田回注系统中水质整体状况的重要指标,它与回注水水质的各主要细菌学特征紧密相关,也是控制回注水水中细菌滋生最有效评估指标。由于余氯为一种非稳定性物质,在传输过程中其浓度会随时间而衰减,杀菌能力逐渐降低,引起水质恶化。因此,对注水管网余氯进行预测,探寻防止注水管网水质污染的有效方法显得尤为重要。水体中余氯浓度变化是一个非线性时变过程,且注水管网水文环境复杂多变,机理性模型的建立与求解存在一定困难。BP神经网络具有很强的非线性逼近能力、自学习和自适应等特性,因而非常适用于解决余氯预测领域中的一些问题。但是由于其训练机制的局限性,不可避免的存在容易陷入局部极小值、训练时间长、预测效果不理想等不足。针对以上缺陷,本文分别建立基于遗传算法和遗传模拟退火算法的BP神经网络的改进模型,并且对长庆油田回注水余氯进行预测仿真实验,并将预测结果与实际数据进行比对,以确定BP神经网络改进模型对回注水余氯预测的有效性。实验表明,相比于未改进的BP预测模型,基于遗传算法改进的BP神经网络预测模型(GA-BP预测模型)和基于遗传模拟退火算法改进的BP神经网络预测模型(GASA-BP预测模型)表现出了更高的拟合性能和更好的预测精度,并且GASA-BP预测模型较GA-BP预测模型的预测性能更好。
【关键词】:余氯预测 BP神经网络 遗传算法 遗传模拟退火算法
【学位授予单位】:武汉科技大学
【学位级别】:硕士
【学位授予年份】:2016
【分类号】:TE357.61;TP183
【目录】:
  • 摘要4-5
  • ABSTRACT5-9
  • 第1章 绪论9-16
  • 1.1 研究背景及意义9-10
  • 1.2 国内外研究现状10-14
  • 1.3 本文的主要研究工作14-16
  • 第2章 油田回注水余氯预测的相关理论16-31
  • 2.1 余氯影响因素16-19
  • 2.2 回注水余氯预测的特点分析19
  • 2.3 BP神经网络概述19-25
  • 2.3.1 BP神经网络原理19-20
  • 2.3.2 BP算法20-24
  • 2.3.3 标准BP神经网络的不足24-25
  • 2.4 遗传算法25-27
  • 2.4.1 遗传算法简介25
  • 2.4.2 遗传算法的步骤25-26
  • 2.4.3 遗传算法的不足26-27
  • 2.5 模拟退火算法27-29
  • 2.5.1 模拟退火算法简介27-28
  • 2.5.2 模拟退火算法的步骤28-29
  • 2.5.3 模拟退火算法的不足29
  • 2.6 本章小结29-31
  • 第3章 油田回注水余氯预测模型31-41
  • 3.1 BP神经网络应用于油田回注水余氯预测的可行性31-32
  • 3.2 基于BP神经网络的油田回注水余氯预测模型32-35
  • 3.2.1 输入层及输出层设计32
  • 3.2.2 隐含层及其神经元数的设计32-34
  • 3.2.3 激活函数和训练算法的设计34
  • 3.2.4 学习速率的选取34-35
  • 3.3 基于GA-BP神经网络的余氯预测模型35-38
  • 3.3.1 GA优化BP神经网络模型35
  • 3.3.2 算法流程设计35-38
  • 3.4 基于GASA-BP神经网络的余氯预测模型38-40
  • 3.4.1 SA优化GA-BP神经网络模型38
  • 3.4.2 算法流程设计38-40
  • 3.5 本章小结40-41
  • 第4章 系统设计与实验分析41-50
  • 4.1 系统总体设计41-43
  • 4.1.1 控制系统的硬件设计42
  • 4.1.2 控制系统软件设计42-43
  • 4.2 实验分析43-48
  • 4.2.1 余氯样本数据选取43-44
  • 4.2.2 数据预处理44-46
  • 4.2.3 实验参数设置46
  • 4.2.4 结果比较46-48
  • 4.3 本章小结48-50
  • 第5章 总结与展望50-52
  • 5.1 总结50
  • 5.2 展望50-52
  • 致谢52-53
  • 参考文献53-56
  • 附录1 攻读硕士学位期间发表的论文56-57
  • 附录2 攻读硕士学位期间参加的科研项目57

【相似文献】
中国期刊全文数据库 前10条
1 雷明,李作清,陈志祥,吴雅,杨叔子;神经网络在预报控制中的应用[J];机床;1993年11期
2 杨自厚;神经网络技术及其在钢铁工业中的应用第8讲人工神经网络在钢铁工业中的应用(下)[J];冶金自动化;1997年05期
3 李润生,李延辉,胡学军,刘壮,王守俭;神经网络在冶金中的应用[J];钢铁研究;1998年02期
4 刘海玲,刘树深,尹情胜,夏之宁,易忠胜;线性神经网络及在多组分分析中的初步应用[J];计算机与应用化学;2000年Z1期
5 王继宗,王西娟;用神经网络确定梁上裂纹位置的研究[J];煤炭学报;2000年S1期
6 赵学庆,袁景淇,周又玲,贺松;生物发酵过程神经网络状态预报器的验证[J];无锡轻工大学学报;2000年06期
7 李智,姚驻斌,张望兴,贺超武;基于神经网络的混匀配料优化方法[J];钢铁研究;2000年04期
8 胡敏艺,马荣骏;神经网络在冶金工业中的应用[J];湖南有色金属;2000年05期
9 倪建军,邵琳;利用神经网络进行观测数据的分析与处理[J];连云港化工高等专科学校学报;2000年04期
10 裴浩东,苏宏业,褚健;材料工程中基于神经网络的稳态优化策略[J];材料科学与工程;2001年02期
中国重要会议论文全文数据库 前10条
1 徐春玉;;基于泛集的神经网络的混沌性[A];1996中国控制与决策学术年会论文集[C];1996年
2 周树德;王岩;孙增圻;孙富春;;量子神经网络[A];2003年中国智能自动化会议论文集(上册)[C];2003年
3 罗山;张琳;范文新;;基于神经网络和简单规划的识别融合算法[A];2009系统仿真技术及其应用学术会议论文集[C];2009年
4 郭爱克;马尽文;丁康;;序言(二)[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年
5 钟义信;;知识论:神经网络的新机遇——纪念中国神经网络10周年[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年
6 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年
7 金龙;朱诗武;赵成志;陈宁;;数值预报产品的神经网络释用预报应用[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年
8 田金亭;;神经网络在中学生创造力评估中的应用[A];第十二届全国心理学学术大会论文摘要集[C];2009年
9 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集(第七分册)[南京理工大学学报(增刊)][C];2009年
10 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年
中国重要报纸全文数据库 前10条
1 美国明尼苏达大学社会学博士 密西西比州立大学国家战略规划与分析研究中心资深助理研究员 陈心想;维护好创新的“神经网络硬件”[N];中国教师报;2014年
2 卢业忠;脑控电脑 惊世骇俗[N];计算机世界;2001年
3 葛一鸣 路边文;人工神经网络将大显身手[N];中国纺织报;2003年
4 中国科技大学计算机系 邢方亮;神经网络挑战人类大脑[N];计算机世界;2003年
5 记者 孙刚;“神经网络”:打开复杂工艺“黑箱”[N];解放日报;2007年
6 本报记者 刘霞;美用DNA制造出首个人造神经网络[N];科技日报;2011年
7 健康时报特约记者  张献怀;干细胞移植:修复受损的神经网络[N];健康时报;2006年
8 刘力;我半导体神经网络技术及应用研究达国际先进水平[N];中国电子报;2001年
9 ;神经网络和模糊逻辑[N];世界金属导报;2002年
10 邹丽梅 陈耀群;江苏科大神经网络应用研究通过鉴定[N];中国船舶报;2006年
中国博士学位论文全文数据库 前10条
1 杨旭华;神经网络及其在控制中的应用研究[D];浙江大学;2004年
2 李素芳;基于神经网络的无线通信算法研究[D];山东大学;2015年
3 石艳超;忆阻神经网络的混沌性及几类时滞神经网络的同步研究[D];电子科技大学;2014年
4 王新迎;基于随机映射神经网络的多元时间序列预测方法研究[D];大连理工大学;2015年
5 付爱民;极速学习机的训练残差、稳定性及泛化能力研究[D];中国农业大学;2015年
6 李辉;基于粒计算的神经网络及集成方法研究[D];中国矿业大学;2015年
7 王卫苹;复杂网络几类同步控制策略研究及稳定性分析[D];北京邮电大学;2015年
8 张海军;基于云计算的神经网络并行实现及其学习方法研究[D];华南理工大学;2015年
9 李艳晴;风速时间序列预测算法研究[D];北京科技大学;2016年
10 陈辉;多维超精密定位系统建模与控制关键技术研究[D];东南大学;2015年
中国硕士学位论文全文数据库 前10条
1 章颖;混合不确定性模块化神经网络与高校效益预测的研究[D];华南理工大学;2015年
2 贾文静;基于改进型神经网络的风力发电系统预测及控制研究[D];燕山大学;2015年
3 李慧芳;基于忆阻器的涡卷混沌系统及其电路仿真[D];西南大学;2015年
4 陈彦至;神经网络降维算法研究与应用[D];华南理工大学;2015年
5 董哲康;基于忆阻器的组合电路及神经网络研究[D];西南大学;2015年
6 武创举;基于神经网络的遥感图像分类研究[D];昆明理工大学;2015年
7 李志杰;基于神经网络的上证指数预测研究[D];华南理工大学;2015年
8 陈少吉;基于神经网络血压预测研究与系统实现[D];华南理工大学;2015年
9 张韬;几类时滞神经网络稳定性分析[D];渤海大学;2015年
10 邵雪莹;几类时滞不确定神经网络的稳定性分析[D];渤海大学;2015年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026