两相流测量信号的小波分析

论文摘要

凝析天然气流量在线计量对气田生产具有重要意义。论文研究了应用小波神经网络处理两相流测量数据的方法。首先系统研究了小波神经网络的结构,详细比较了小波神经网络与传统BP网络的非线性函数逼近性能。其次,构建不同形式的小波神经网络:以连续小波变换为理论依据,采用连续小波函数作为神经网络的激励函数构建连续参数小波神经网络,给出参数学习算法,并用遗传算法优化网络的初始值;以多分辨分析和正交小波分解为理论依据,采用正交小波函数和尺度函数共同作为神经网络隐含层激励函数,构建多分辨小波神经网络,并利用多分辨分析逐层逼近的性质,给出了分层递阶学习算法。最后,分别应用两种网络对两相流测量数据进行处理。实验结果表明:用小波神经网络计量两相流流量的方法是可行的。

论文目录

• 摘要
• Abstract
• 第1章 前言
• 1.1 课题的背景及意义
• 1.2 国内外研究现状与分析
• 1.2.1 国外研究现状
• 1.2.2 国内研究现状
• 1.3 论文主要研究内容
• 1.4 小结
• 第2章 神经网络与小波分析理论
• 2.1 人工神经网络
• 2.1.1 人工神经网络的模型
• 2.1.2 多层感知器及BP 学习算法
• 2.1.3 BP 学习算法的改进
• 2.1.4 人工神经网络信息处理特性
• 2.2 小波理论
• 2.2.1 连续小波变换
• 2.2.2 离散小波变换
• 2.2.3 多分辨率分析与二尺度方程
• 2.3 小结
• 第3章 小波神经网络
• 3.1 引言
• 3.2 小波神经网络的发展概况
• 3.3 小波与神经网络的结合方式
• 3.4 小波神经网络的特征及其函数逼近能力的分析
• 3.5 小结
• 第4章 连续参数小波神经网络及其应用
• 4.1 引言
• 4.2 连续参数小波网络
• 4.2.1 网络结构
• 4.2.2 学习算法
• 4.3 连续参数小波神经网络在两相流流量预测中的应用
• 4.3.1 样本集的生成
• 4.3.2 实验结果
• 4.4 小结
• 第5章 多分辨小波神经网络及其应用
• 5.1 引言
• 5.2 网络模型
• 5.3 网络学习算法
• 5.4 小波函数的选择
• 5.5 实验结果
• 5.6 小结
• 第6章 结论
• 参考文献
• 致谢
• 个人简历、在学期间的研究成果