基于BP神经网络的蜡沉积速率及清蜡周期预测方法
2018-03-13邹德昊柴世超汪本武阮新芳李想卢轶宽何滨杨友国杨洪涛
长江大学学报(自科版) 2018年3期
关键词:模型
邹德昊,柴世超,汪本武,阮新芳,李想,卢轶宽,何滨,杨友国,杨洪涛
(中海石油(中国)有限公司天津分公司,天津 300457)
XX油矿目前包括2个在生产油田,分别为XXA油田和XXB油田。2个油田沙河街组原油性质较为相似,均属于高蜡、高凝的中质原油。也正因为相似的油品性质,导致2个油田在投产后,均出现了油井蜡堵现象,严重影响了油田的正常生产。
通过对渤海某区域所辖各油田沙河街组原油物性的统计,发现该区域所辖油田,共有4个在生产油田、1个在建设油田和1个勘探阶段油田具有沙河街油组原油高含蜡的特性。因此可以认为高含蜡油井蜡堵问题,是该区域的普遍问题,是值得深入研究和有待解决的生产问题。
1 BP神经网络基本原理
BP神经网络即误差方向传播算法的学习过程,由信息的正向传播和误差的反向传播两个过程组成。输入层各神经元负责接收来自外界的输入信息,并传递给中间层各神经元,而中间层负责信息变化,误差通过输出层,按误差梯度下降的方式修正各层权值,向隐层、输入层逐层反传。
1.1 神经元模型

1.2 神经网络模型
神经网络是由多个神经元相互连接组成的网络。按照连接方式可分为前馈型和反馈型神经网络。图2是一个典型的前馈型神经网络即BP神经网络。网络分为3层结构,分别为输入层x,隐含层y,输出层o,输入信号通过输入层向隐含层再向输出层传递,同一层之间的神经元没有信息传递。BP网络具有很强的非线性映射能力,一个3层BP神经网络能够实现对任意非线性函数进行逼近。……
登录APP查看全文
