应用BP神经网络预测原油含水率的研究

论文摘要

原油含水率是原油生产加工过程中及研究油田开发状况的重要参数,原油含水率的精确检测是原油开采、脱水处理、集输计量、销售及石油炼制等过程的技术保障。原油含水率对于确定油水分界层位置、掌握油田地层动态、估计产量和预测开发寿命以及油田的产量质量控制、油井状态检测、减少能耗等多方面都具有十分重要的意义,故原油含水率的精确测量十分重要。原油含水率测量主要分为人工取样测量与在线测量,人工取样测量精度高,但无在线性且周期较长,难以满足油田生产自动化管理的要求;随着我国大多数油田已进入中高含水开采期,井口产液含水率变化幅度较大,导致在线测量仪表的稳定性、准确性、实时性、可靠性及成本情况难以适应油田生产实际的要求。开展原油含水率在线测量研究是提高原油含水率测量精度和自动化控制水平的关键前提。迫切需要研制出高精度、广范围的含水率测试仪表或采用新的数据处理方法提高现有仪表的检测精度,以满足原油含水率在线精确测量的要求。微波法测量原油含水率受到多种因素的影响,且与其影响因素之间存在着复杂的非线性关系。本文采用BP神经网络方法对微波测量原油含水率实验数据进行处理,建立了BP神经网络预测原油含水率模型,并针对BP神经网络算法自身的收敛速度慢、易陷入局部极小点等缺点,采用变步长与动量项结合的方法,对模型算法进行改进,实现了对微波法测量原油含水率的影响因素补偿,从而提高了微波法测量原油含水率的测量精度。

论文目录

• 摘要
• ABSTRACT
• 创新点摘要
• 前言
• 0.1 选题的目的和意义
• 0.2 国内外研究现状
• 0.3 本文主要研究内容
• 第一章 含水率测试影响因素与补偿方法
• 1.1 原油含水率测量的影响因素
• 1.1.1 温度对含水率测量的影响分析
• 1.1.2 压力对含水率测量的影响分析
• 1.1.3 矿化度对含水率测量的影响分析
• 1.2 测量原油含水率影响因素的补偿方法
• 1.2.1 多元回归分析方法
• 1.2.2 人工神经网络方法
• 1.3 本章小结
• 第二章 基于BP 神经网络预测原油含水率模型
• 2.1 BP 神经网络
• 2.1.1 BP 网络的结构及描述
• 2.1.2 BP 网络的非线性映射能力
• 2.1.3 BP 网络的泛化能力
• 2.1.4 BP 神经网络算法求解
• 2.1.5 BP 神经网络算法流程
• 2.2 BP 神经网络预测原油含水率模型建立
• 2.3 BP 神经网络模型结构的确定
• 2.3.1 输入层与输出层节点数
• 2.3.2 隐层数和层内节点数
• 2.4 样本集的构造
• 2.4.1 样本数的选择
• 2.4.2 样本的组织与合理选择
• 2.5 网络训练参数的选取
• 2.5.1 初始权值的选取
• 2.5.2 训练次数的确定
• 2.5.3 学习速率的选取
• 2.6 BP 网络模型泛化能力的检验
• 2.7 BP 神经网络模型算法的改进
• 2.7.1 变步长BP 算法
• 2.7.2 附加动量项
• 2.7.3 改进算法的步骤
• 2.8 本章小结
• 第三章 实验及算例分析
• 3.1 原油含水率测试实验
• 3.1.1 实验装置
• 3.1.2 实验步骤
• 3.2 实验数据分析
• 3.2.1 温度对含水率测量的实验分析
• 3.2.2 压力对含水率测量的实验分析
• 3.2.3 矿化度对含水率测量的实验分析
• 3.3 软件实现
• 3.3.1 界面设计软件简介
• 3.3.2 软件实现功能
• 3.4 算例分析
• 3.5 本章小结
• 结论
• 参考文献
• 发表文章目录
• 致谢
• 详细摘要