基于BP神经网络的超稠油流变性研究

基于BP神经网络的超稠油流变性研究

论文摘要

超稠油在我国的储量比较大,由于其具有凝固点高、粘度大、流动性差等特点,使超稠油具有特殊的流变性,给原油的开采、管输及储存作业造成了许多困难,所以超稠油的流变特性一直是我国油气储运界科学研究的重点课题之一。在此以前,对流变性的研究大多采用传统的实验或数值拟合等方法,并运用固有的模型和公式进行分析,这类方法工作量大且准确率低,不能完全满足工程上的要求,需要引用一种新的思路和方法来对超稠油的流变性进行研究。而人工神经网络作为一种模拟人脑结构和功能的信息处理系统,不仅具有学习和容错等特点,而且还具有理论上能够逼近任意非线形连续映射的特点,能够较好地模拟各种不确定因素影响下因果变量之间的内在关系。本文针对人工神经网络的特点,以辽河油田杜32区块的超稠油为例,在大量流变性实验的基础上,根据实验数据对超稠油流变性和触变性进行详细分析,分别确定影响超稠油粘度和触变剪切应力的影响因素;引入人工神经网络理论,采用目前比较成熟的三层BP神经网络,建立超稠油的粘度和触变剪切应力计算的人工神经网络模型;并运用MATLAB神经网络工具箱对模型进行求解,通过所建模型的计算结果和实测结果进行对比可知,该模型计算的精度高于其他模型所计算的精度,分别达到3%和1%,能够满足实际生产需要,且该模型结构简单,不拘泥于具体的形式,计算量少,可节省大量的人力和物力。BP网络模型的引用,将为计算原油复杂流变性提供了一种新的工具和方法。

论文目录

  • 摘要
  • ABSTRACT
  • 创新点摘要
  • 前言
  • 第一章 神经网络
  • 1.1 人工神经网络
  • 1.1.1 人工神经网络的发展
  • 1.1.2 人工神经网络的特点
  • 1.1.3 人工神经网络的类型
  • 1.2 BP 神经网络
  • 1.2.1 BP 神经网络的内涵
  • 1.2.2 BP 神经网络的特点
  • 第二章 辽河杜32 区块超稠油流变性实验
  • 2.1 实验仪器及实验用油样品
  • 2.1.1 实验仪器
  • 2.1.2 实验用油样品
  • 2.2 实验设计及实验安排
  • 2.2.1 实验设计
  • 2.2.2 实验安排
  • 2.3 实验注意事项
  • 2.3.1 使用流变仪时的注意事项
  • 2.3.2 实验过程应注意的问题
  • 第三章 基于 BP 神经网络的超稠油粘度计算模型
  • 3.1 流变学理论
  • 3.1.1 流变学
  • 3.1.2 本构方程与流变模型
  • 3.1.3 流体类型
  • 3.2 辽河杜32 区块超稠油流变性分析
  • 3.2.1 流变曲线与流变方程的测定
  • 3.2.2 剪切曲线与剪切方程的测定
  • 3.2.3 动态全粘温曲线与粘温方程的测定
  • 3.3 基于BP 神经网络的超稠油粘度计算模型的建立
  • 3.3.1 网络层数和输入输出层节点数的确定
  • 3.3.2 隐层节点数的确定
  • 3.4 BP 神经网络模型的求解
  • 3.4.1 网络传递函数的选择
  • 3.4.2 训练函数的选择
  • 3.4.3 样本的选择和学习
  • 3.5 网络模型测试
  • 3.5.1 测试结果
  • 3.5.2 精度验证
  • 第四章 基于BP 神经网络的超稠油触变模型
  • 4.1 触变性理论
  • 4.1.1 触变性发展历程
  • 4.1.2 触变模型
  • 4.2 超稠油的应力裂降曲线
  • 4.3 超稠油触变模型的研究
  • 4.3.1 三参数指数模型
  • 4.3.2 四参数指数模型
  • 4.3.3 四参数双曲模型
  • 4.3.4 小节
  • 4.4 基于BP 神经网络的触变模型
  • 4.4.1 BP 神经网络模型的建立和求解
  • 4.4.2 网络模型测试
  • 结论
  • 参考文献
  • 发表文章目录
  • 致谢
  • 详细摘要
  • 相关论文文献

    • [1].基于BP神经网络对地震前兆的研究[J]. 科学技术创新 2019(33)
    • [2].基于BP神经网络的涡轴发动机故障诊断研究[J]. 智库时代 2019(52)
    • [3].基于BP神经网络的磁流变阻尼器逆向模型研究[J]. 海军工程大学学报 2019(06)
    • [4].基于BP神经网络的电梯噪声评价方法[J]. 数字技术与应用 2019(12)
    • [5].基于BP神经网络和支持向量机的荨麻疹证候分类探讨[J]. 广州中医药大学学报 2020(03)
    • [6].基于BP神经网络代理模型的交互式遗传算法[J]. 计算机工程与应用 2020(02)
    • [7].基于BP神经网络的虚拟机评估[J]. 数字通信世界 2020(01)
    • [8].基于BP神经网络的科研项目经费管理风险评估[J]. 财务与会计 2019(22)
    • [9].基于BP神经网络的断层封闭性评价[J]. 复杂油气藏 2019(04)
    • [10].基于BP神经网络识别的曲堤油田低阻油层研究[J]. 宁夏大学学报(自然科学版) 2020(01)
    • [11].基于贝叶斯-BP神经网络的机械制造企业安全预警方法研究[J]. 安全与环境工程 2020(01)
    • [12].基于BP神经网络的扇区空管运行亚健康关联因子预测[J]. 安全与环境工程 2020(02)
    • [13].基于改进灰狼算法优化BP神经网络的短时交通流预测模型[J]. 交通运输系统工程与信息 2020(02)
    • [14].心理护理对于双相情感障碍(BP)病患认知功能产生的影响[J]. 临床医药文献电子杂志 2020(08)
    • [15].BP神经网络在雷达故障诊断中的应用[J]. 通信电源技术 2020(06)
    • [16].基于BP人工神经网络的英那河流域径流模拟研究[J]. 黑龙江水利科技 2020(03)
    • [17].基于BP神经网络的节能车弯道降速数学模型分析[J]. 汽车实用技术 2020(10)
    • [18].基于BP神经网络的临床路径优化[J]. 计算机技术与发展 2020(04)
    • [19].基于改进BP神经网络的羊肉价格预测[J]. 计算机仿真 2020(04)
    • [20].财务BP在企业管理中的应用与研究[J]. 商场现代化 2020(07)
    • [21].人工智能技术的热带气旋预报综述(之一)——BP神经网络和集成方法的热带气旋预报研究和业务应用[J]. 气象研究与应用 2020(02)
    • [22].基于改进BP神经网络的岩心图像分割方法研究[J]. 西安石油大学学报(自然科学版) 2020(04)
    • [23].基于BP神经网络的光纤陀螺误差补偿方法[J]. 物理与工程 2020(04)
    • [24].基于主成分分析和BP神经网络对大学生价值观的研究[J]. 科技经济导刊 2020(20)
    • [25].基于粒子群算法的BP模型在地下水位埋深预测研究中的应用[J]. 吉林水利 2020(08)
    • [26].基于BP神经网络的煤炭企业人岗匹配研究[J]. 煤炭经济研究 2020(07)
    • [27].基于改进BP神经网络的飞行落地剩油预测方法[J]. 飞行力学 2020(04)
    • [28].基于BP神经网络的网络安全态势预测[J]. 网络安全技术与应用 2020(10)
    • [29].以财务BP制度推进“业财融合”的研究[J]. 中国总会计师 2020(09)
    • [30].财务BP的企业实践研究[J]. 现代国企研究 2019(04)

    标签:;  ;  ;  ;  ;  

    基于BP神经网络的超稠油流变性研究
    下载Doc文档

    猜你喜欢