基于深度信念网络的煤层气井产能预测研究
发布时间：2022-09-30 15:52
随着我国传统能源的日益枯竭,作为新能源的煤层气因其储量丰富、环保可靠、燃烧彻底等优点越来越受到重视,但由于排采不当而造成煤层气资源的过度浪费,因此构建适合煤层气产能的预测模型对煤层气井产能进行可靠、科学的预测势必为煤层气的开采工作提供一定的便利,从而一定程度上提高煤层气的排采效率本文首先对传统浅层神经网络中的经典BP神经网络的理论以及学习过程进行介绍,利用BP神经网络的非线性回归预测能力构建适合研究区块的煤层气产能预测模型,但BP预测模型在训练过程中存在容易陷入局部最优值,以及增加隐含层的层数引发梯度弥散的缺陷,接着利用遗传算法的搜索寻优能力对BP神经网络的阈值及权值进行优化,虽然一定程度上避免了上述缺陷,但仍然存在浅层模型在面临多维数据时精度低的问题针对上述问题,本文将深度信念网络与共辄梯度法相结合的模型应用于煤层气井的产能预测上,利用共轭梯度法对DBN网络的权重矩阵进行优化,从而加快训练速度以及提高预测精度,同时结合研究区块的地质背景以及主要地质风貌,对采集到的原始数据统一进行归一化处理消除不同指标之间的量纲影响,并采取实验的方法确定DBN模型的最优结构以及权重的更新方式。本文结合...
【文章页数】：62 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 选题的研究背景及意义
1.2 国内外研究现状及发展趋势
1.3 本文主要工作与结构安排
2 煤层气产能预测理论基础
2.1 神经网络理论
2.1.1 神经元模型
2.1.2 人工神经网络的互连结构
2.1.3 人工神经网络的主要学习方式
2.2 BP神经网络的理论基础以及优缺点
2.2.1 BP神经网络结构
2.2.2 BP算法的原理
2.2.3 BP算法的训练步骤
2.2.4 BP神经网络的优点
2.2.5 BP神经网络的缺点
2.3 遗传算法优化BP神经网络
2.3.1 遗传算法的基本思想
2.3.2 遗传算法的基本流程
2.3.3 遗传算法的优点
2.3.4 遗传算法优化BP神经网络的流程图
2.4 玻尔兹曼机
2.4.1 玻尔兹曼机的网络结构
2.4.2 玻尔兹曼机的学习算法
2.5 受限玻尔兹曼机(RBM)
2.5.1 受限玻尔兹曼机的训练过程
2.5.2 对比散度算法
2.6 深度信念网络的理论基础
2.6.1 DBN的网络结构
2.6.2 DBN的学习过程
2.7 本章总结
3 基于DBN的煤层气井产能预测模型构建
3.1 研究区块地质背景介绍
3.2 主要地貌特征介绍
3.2.1 渗透率
3.2.2 煤储层压力
3.2.3 临界解吸压力
3.2.4 水文地质条件
3.3 主要地质变量的选择
3.4 数据的预处理
3.5 预测模型的构建过程
3.5.1 DBN网络结构的确定
3.5.2 BP网络最优结构的确定
3.5.3 共轭梯度法加速
3.6 性能评价与对比模型
3.7 本章总结
4 实验结果与分析
4.1 实验环境
4.2 矿区资料数据
4.3 DBN模型的构建
4.3.1 DBN的最优结构
4.3.2 DBN的权重更新方式
4.4 对比模型的预测与仿真分析
4.4.1 BP神经网络的预测与仿真分析
4.4.2 GA优化BP的预测与仿真分析
4.5 DBN模型的预测与仿真分析
4.6 本文预测模型与对比模型在误差评价方面的对比分析
4.7 本章总结
5 总结与展望
5.1 全文总结
5.2 展望
致谢
参考文献
附录
【参考文献】：
期刊论文
[1]基于BP神经网络预测高含水层对SAGD开发效果的影响[J]. 但松林,刘尚奇,罗艳艳,梁光跃,杨朝蓬. 大庆石油地质与开发. 2019(02)
[2]基于共轭梯度法的空间谱估计算法的实现[J]. 李磊,秦云. 信息技术. 2019(02)
[3]基于并行回火受限玻尔兹曼机算法的电力IEC61850数据预测[J]. 尹根,徐曦. 科技视界. 2019(04)
[4]基于深度信念网络和多信息融合的复杂机电装备故障诊断方法[J]. 刘秀丽,徐小力. 机床与液压. 2019(01)
[5]基于共轭梯度法和全变差正则化的图像复原[J]. 张彬,孙菁聪,王胜文. 中国传媒大学学报(自然科学版). 2018(06)
[6]基于受限玻尔兹曼机的个体行为预测模型的研究[J]. 任春霞,李金宝. 黑龙江大学自然科学学报. 2018(06)
[7]基于人工神经网络的路面使用性能评价及预测[J]. 李滢滢. 信息通信. 2018(11)
[8]阜康市白杨河矿区煤层气成因研究[J]. 马何龙,张伟,毛德雷. 中国煤层气. 2018(01)
[9]基于深度信念网络的PM2.5预测[J]. 郑毅,朱成璋. 山东大学学报(工学版). 2014(06)
[10]基于时间序列BP神经网络的煤层气井排采制度优化[J]. 吴财芳,姚帅,杜严飞. 中国矿业大学学报. 2015(01)
博士论文
[1]粒子群优化算法改进及其在煤层气产能预测中的应用研究[D]. 徐慧.中国矿业大学 2013
硕士论文
[1]基于遗传算法的网络视频流特征选择与识别研究[D]. 岳全涛.南京邮电大学 2018
[2]基于BP神经网络的煤热解特性及煤灰熔融特性研究[D]. 谢良才.西北大学 2018
[3]无人驾驶汽车夜视环境防碰撞技术研究[D]. 孙骋.西安工程大学 2018
[4]基于BP-GA优化算法预测我国商业银行的影子银行业务风险[D]. 林瑞霞.暨南大学 2017
[5]基于SVM煤层气井井底流压预测方法研究[D]. 高翔.西安科技大学 2017
[6]基于SVM的入侵检测算法研究及其在农产品电商中的应用[D]. 王月康.安徽农业大学 2017
[7]量子粒子群算法及其在煤层气产能预测中的应用[D]. 李滨旭.东北石油大学 2017
[8]基于模糊深度学习网络算法的短期股价预测[D]. 刘庆玲.哈尔滨工业大学 2016
[9]阜康矿区煤层气开发区块划分与潜力评价[D]. 王建涛.河南理工大学 2016
[10]基于深度信念网络的股票价格预测研究[D]. 崔东东.华中科技大学 2016
本文编号：3683837
【文章页数】：62 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 选题的研究背景及意义
1.2 国内外研究现状及发展趋势
1.3 本文主要工作与结构安排
2 煤层气产能预测理论基础
2.1 神经网络理论
2.1.1 神经元模型
2.1.2 人工神经网络的互连结构
2.1.3 人工神经网络的主要学习方式
2.2 BP神经网络的理论基础以及优缺点
2.2.1 BP神经网络结构
2.2.2 BP算法的原理
2.2.3 BP算法的训练步骤
2.2.4 BP神经网络的优点
2.2.5 BP神经网络的缺点
2.3 遗传算法优化BP神经网络
2.3.1 遗传算法的基本思想
2.3.2 遗传算法的基本流程
2.3.3 遗传算法的优点
2.3.4 遗传算法优化BP神经网络的流程图
2.4 玻尔兹曼机
2.4.1 玻尔兹曼机的网络结构
2.4.2 玻尔兹曼机的学习算法
2.5 受限玻尔兹曼机(RBM)
2.5.1 受限玻尔兹曼机的训练过程
2.5.2 对比散度算法
2.6 深度信念网络的理论基础
2.6.1 DBN的网络结构
2.6.2 DBN的学习过程
2.7 本章总结
3 基于DBN的煤层气井产能预测模型构建
3.1 研究区块地质背景介绍
3.2 主要地貌特征介绍
3.2.1 渗透率
3.2.2 煤储层压力
3.2.3 临界解吸压力
3.2.4 水文地质条件
3.3 主要地质变量的选择
3.4 数据的预处理
3.5 预测模型的构建过程
3.5.1 DBN网络结构的确定
3.5.2 BP网络最优结构的确定
3.5.3 共轭梯度法加速
3.6 性能评价与对比模型
3.7 本章总结
4 实验结果与分析
4.1 实验环境
4.2 矿区资料数据
4.3 DBN模型的构建
4.3.1 DBN的最优结构
4.3.2 DBN的权重更新方式
4.4 对比模型的预测与仿真分析
4.4.1 BP神经网络的预测与仿真分析
4.4.2 GA优化BP的预测与仿真分析
4.5 DBN模型的预测与仿真分析
4.6 本文预测模型与对比模型在误差评价方面的对比分析
4.7 本章总结
5 总结与展望
5.1 全文总结
5.2 展望
致谢
参考文献
附录
【参考文献】：
期刊论文
[1]基于BP神经网络预测高含水层对SAGD开发效果的影响[J]. 但松林,刘尚奇,罗艳艳,梁光跃,杨朝蓬. 大庆石油地质与开发. 2019(02)
[2]基于共轭梯度法的空间谱估计算法的实现[J]. 李磊,秦云. 信息技术. 2019(02)
[3]基于并行回火受限玻尔兹曼机算法的电力IEC61850数据预测[J]. 尹根,徐曦. 科技视界. 2019(04)
[4]基于深度信念网络和多信息融合的复杂机电装备故障诊断方法[J]. 刘秀丽,徐小力. 机床与液压. 2019(01)
[5]基于共轭梯度法和全变差正则化的图像复原[J]. 张彬,孙菁聪,王胜文. 中国传媒大学学报(自然科学版). 2018(06)
[6]基于受限玻尔兹曼机的个体行为预测模型的研究[J]. 任春霞,李金宝. 黑龙江大学自然科学学报. 2018(06)
[7]基于人工神经网络的路面使用性能评价及预测[J]. 李滢滢. 信息通信. 2018(11)
[8]阜康市白杨河矿区煤层气成因研究[J]. 马何龙,张伟,毛德雷. 中国煤层气. 2018(01)
[9]基于深度信念网络的PM2.5预测[J]. 郑毅,朱成璋. 山东大学学报(工学版). 2014(06)
[10]基于时间序列BP神经网络的煤层气井排采制度优化[J]. 吴财芳,姚帅,杜严飞. 中国矿业大学学报. 2015(01)
博士论文
[1]粒子群优化算法改进及其在煤层气产能预测中的应用研究[D]. 徐慧.中国矿业大学 2013
硕士论文
[1]基于遗传算法的网络视频流特征选择与识别研究[D]. 岳全涛.南京邮电大学 2018
[2]基于BP神经网络的煤热解特性及煤灰熔融特性研究[D]. 谢良才.西北大学 2018
[3]无人驾驶汽车夜视环境防碰撞技术研究[D]. 孙骋.西安工程大学 2018
[4]基于BP-GA优化算法预测我国商业银行的影子银行业务风险[D]. 林瑞霞.暨南大学 2017
[5]基于SVM煤层气井井底流压预测方法研究[D]. 高翔.西安科技大学 2017
[6]基于SVM的入侵检测算法研究及其在农产品电商中的应用[D]. 王月康.安徽农业大学 2017
[7]量子粒子群算法及其在煤层气产能预测中的应用[D]. 李滨旭.东北石油大学 2017
[8]基于模糊深度学习网络算法的短期股价预测[D]. 刘庆玲.哈尔滨工业大学 2016
[9]阜康矿区煤层气开发区块划分与潜力评价[D]. 王建涛.河南理工大学 2016
[10]基于深度信念网络的股票价格预测研究[D]. 崔东东.华中科技大学 2016
本文编号：3683837
本文链接：https://www.wllwen.com/kejilunwen/shiyounenyuanlunwen/3683837.html
