大庆油田设计院

基于改进AFSA—BP算法的油水界面软测量

时晟楠大庆油田设计院

人工鱼群算法具有较强的全局收敛性和较强的鲁棒性，且对初值不敏感。将AFSA算法和BP算法相结合，不仅能延续神经网络的适应能力，而且能够加速收敛到目标值并提高神经网络学习能力。运用改进的AFSA算法优化BP算法并结合联合站的工艺需求，得出油水界面高度变化率的软测量模型。数值结果表明，模型具有较高的拟合精度和较强的泛化能力，将油水界面高度的硬件测量发展到软件在线测量，通过实验仿真结果验证了所研究算法的有效性。

油水界面；人工鱼群算法；BP神经网络；软测量

原油中经常含有大量的水、盐和泥沙类机械杂质等，这些物质会增大液流的体积流量，降低设备和管路的有效利用率，给原油的集输和炼制带来很大的麻烦。在线测量油水界面对工程现场意义重大。

软测量技术的核心问题是建立软测量模型以实现二次变量对主导变量的最佳估计[1-2]。建立软仪表的方法很多，如线性估计、机理推导、回归分析和神经网络方法等。BP神经网络通过现场实验采集样本数据，然后训练和学习神经网络，从而建立油水界面测量模型。人工鱼群算法具有较强的全局收敛性和较强的鲁棒性，且对初值不敏感。将AFSA算法和BP算法相结合，不仅能延续神经网络的适应能力，而且能够加速收敛到目标值并提高神经网络学习能力[3]。

1 问题描述

BP算法广泛应用于函数拟合、自动控制、信号处理等领域，是人工神经网络经典且易于应用的部分。……