基于BP神经网络的原油含水率测量研究

发布时间：2017-05-20 21:01

  本文关键词：基于BP神经网络的原油含水率测量研究，由笔耕文化传播整理发布。

【摘要】：随着我国大多数油田进入中高含水期,含水率上升已经使一些油井接近经济开采极限,油田管理者需要及时准确地了解油井的生产状况,为生产的各个环节提供真实可信的数据,这就需要检测原油含水率,以便评估油井开采价值、采出程度及制定开采方案,提高经济效益。因此,原油含水率在线检测技术的研究和应用再度受到广泛重视,而且越来越高地要求检测精度和性价比。本文从电磁电导法测原油含水率的理论基础入手,推导出原油含水率与传感器有用电压信号的关系式,从理论上验证了根据油水混合物中电导率的变化测量原油含水率的可行性。利用软件ANSOFT建立了电磁电导法测原油含水率的三线圈系3D模型,详细仿真了不同线圈位置和传感器有用电压信号大小之间关系,为传感器实际搭建确定了准确参数,同时还仿真了温度、矿化度对传感器输出电压的影响,结果表明:温度、混合物中离子浓度增加会使传感器输出电压明显增大。因此,必须对温度、矿化度进行修正。电磁电导法测量原油含水率易受多种因素的影响,且各种影响因素间具有复杂的非线性关系。本文应用BP神经网络算法对电磁电导法测量原油含水率实验数据进行处理,建立了预测原油含水率模型。针对BP神经网络收敛速度慢、易陷入局部极小值的问题,分别用启发式改进方法和数值优化BP算法预测了原油含水率。研究表明:两种改进的BP算法均能提高了预测原油含水率的精度和算法的收敛速度,其中Fletcher-Reeves修正算法比自适应学习率动量梯度算法在优化预测原油含水率的BP神经网络时具有更好的效果。该研究为设计智能化管外在线测量原油含水率仪表提供了有力的理论和实验依据。
【关键词】：BP神经网络 原油含水率 电磁电导法 启发式改进 数值优化
【学位授予单位】：沈阳工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TE622;TP183
【目录】：

• 摘要4-5
• Abstract5-9
• 第1章 绪论9-16
• 1.1 前言9
• 1.2 国内外研究现状9-14
• 1.2.1 原油含水率测量方法研究现状9-12
• 1.2.2 BP神经网络研究动态12-14
• 1.3 课题的意义及工作内容14-16
• 1.3.1 课题的意义14-15
• 1.3.2 主要工作内容15-16
• 第2章 电磁电导法原油含水率测量原理分析16-26
• 2.1 传统电导法测量原理16
• 2.2 电磁电导法传感器模型16-25
• 2.2.1 三线圈系模型16-18
• 2.2.2 基于ANSOFT的三线圈系理论模型的仿真优化分析18-25
• 2.3 本章小结25-26
• 第3章 基于BP神经网络的原油含水率预测模型26-42
• 3.1 BP神经网络26-33
• 3.1.1 BP算法原理26-27
• 3.1.2 BP算法的数学描述27-29
• 3.1.3 BP网络泛化能力及其影响因素29-31
• 3.1.4 BP标准算法求解运算31-33
• 3.2 BP神经网络在电磁电导法测原油含水率中的应用33-41
• 3.2.1 BP神经网络应用概述33-34
• 3.2.2 电磁电导法测原油含水率神经网络模型的建立34-35
• 3.2.3 原油含水率神经网络模型结构的确定35-37
• 3.2.4 BP神经网络模型的缺陷37
• 3.2.5 BP神经网络模型的改进及分析37-41
• 3.3 本章小结41-42
• 第4章 实验及数据分析42-58
• 4.1 实验装置的设计42-50
• 4.1.1 实验系统的总体框图42-43
• 4.1.2 激励源模块的设计43-45
• 4.1.3 功率放大模块的设计45-47
• 4.1.4 温度采集模块47-50
• 4.2 实验过程及数据采集50-51
• 4.3 实验数据分析51-58
• 4.3.1 温度对含水率测量的影响51-52
• 4.3.2 矿化度对含水率测量的影响分析52-53
• 4.3.3 BP神经网络对电磁电导法测原油含水率的拟合和泛化能力分析53-58
• 第5章 结论58-59
• 参考文献59-62
• 在学研究成果62-63
• 致谢63

【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 曾U喺，

本文编号：382761