自适应神经网络示功图识别

井下示功图的自动识别是建造有杆抽油工况诊断专家系统的一个技术关键。由于现场难以系统地收集齐全的示功图，因而给示功图识别器的构造带来较大的困难。本文基于自适应谐振理论，提出一种基于竞争学习和自稳机制的自组织神经网络示功图识别模型。该模型较之于前馈示功图网络模型，解决了以往示功图神经网络识别模型需完备训练集（各种类型及其同类型中各种形状的示功图）及学习效率非常缓慢的问题。在有杆抽油示功图基础学习上，通过无监督学习算法，神经网络还能适用于不同油田区域的示功图自动识别工作。     

应用人工神经网络识别示功图

示功图包含了有杆抽油系统工作态状的丰富信息，正确，迅速地识别示功图所反遇原工况尤为重要，应用三层BP人工神经网络模型，利用“形心距”方法提取示功科30个特征点，用21种不同的示功图作为BP神经网络的训练样本，训练过的网络对四种实附工况进行了识别。     

基于卷积神经网络模型的抽油机系统故障诊断

陆地机械采油普遍采用有杆抽油系统,示功图是油井工况的重要指示。在实际开采过程中,由于抽油井数量大、分布广,人工检测油井耗时费力。为提高人工检修效率、提升自动化水平,针对示功图的图形特征,在卷积神经网络Le-Net模型的基础上,建立简化卷积神经网络模型。收集实际生产数据经预处理后输入机器学习模型进行训练,得到关于示功图的分类模型,同时通过测试集数据对分类结果进行评价。结果表明,建立的卷积神经网络模型具有良好的稳定性,能够通过数据学习得出准确率较高的分类模型;所建立的分类模型能够稳定处理多分类问题,对于15种故障类型分类实现效果良好;通过测试集进行评价,该模型准确率达92%以上,预测效果可以满足油田实际生产需求。     

基于分形盒维数的无杆抽油机示功图自动识别技术

针对抽油机示功图人工目测准确性低,神经网络自动识别网络训练复杂、计算速度慢的现状,研究了基于分形盒维数的示功图自动识别技术。验证了分形盒维数理论用于示功图识别的可行性,提供自动识别步骤,并对无杆抽油机正常、供液不足、游动阀泄漏以及油管漏失4种工况下的示功图进行识别。结果表明:基于分形盒维数的示功图自动识别技术能对以上4种工况下的示功图进行准确有效的识别,自动识别效果在低噪声时更为准确,噪声较高时,为保证自动识别的准确性需要先进行降噪处理。研究提出了无杆抽油机示功图自动识别的新方法,对于提升无杆抽油机运行状态监测的自动化、智能化分析水平具有重要意义。     

孪生神经网络在抽油系统故障诊断中的应用

人工智能诊断技术可在不同的数据和环境下进行自适应，从而大大提高故障诊断效率。由此提出了一种智能故障诊断方法，用于油田抽油系统的故障检测。现有的方法多采用神经网络技术，通过分析油井示功图来实现诊断。然而，实际采集到的油井示功图数据非常有限且类别不平衡，导致深度卷积神经网络容易出现过拟合。为了解决这个问题，提出采用预训练孪生神经网络方法。在一个较大的数据集上训练一个比较模型，用于判断图像之间的相似度。这个模型能够输出不同图片之间的相似度。利用预训练好的模型，在功图识别任务上进行微调，通过提取和融合2张图片的特征向量，输出它们之间的相似度。研究结果表明，预训练孪生网络模型能够很好地解决小样本问题，特别适用于功图识别这类任务。试验结果显示，该方法在小样本量功图识别任务上表现出色，具有高精度的故障诊断能力，满足抽油系统智能故障诊断要求。预训练孪生网络模型在小样本量功图识别任务上表现良好，为油田抽油系统的智能故障诊断提供了有效的解决方案。     

神经网络有杆泵诊断专家系统

人工神经网络技术的出现为抽油机井智能化诊断提供了一条崭新的途径。在简要介绍神经网络有杆泵诊断专家系统原理基础上，叙述了用于诊断系统的神经网络ＢＰ学习算法，以及应用现有的实测示功图和井声曲线图作为样本，对神经网络进行训练，最后应用这种算法建成有杆泵诊断专家系统。     

基于不变矩特征和神经网络的有杆泵故障诊断

不变矩具有平移、旋转、比例不变的特征,已经广泛应用于图形识别。本文将图形的不变矩作为识别特征,通过提取泵示功图的7个不变矩特征、对不变矩特征进行修正以及进行不变矩特征向量的标准化,然后利用改进算法的BP神经网络作为分类器,进行有杆泵故障诊断。利用9种常见故障泵示功图作为神经网络的训练样本,训练后的网络对实测示功图进行诊断,诊断结果和实测有杆泵故障诊断结果相吻合。     

有杆抽油系统故障智能诊断技术

以有杆抽油系统动力学行为分析为基础,建立有杆抽油系统故障诊断数学模型,并采用显式差分法求解模型,开发了基于油田生产数据库的抽油井故障诊断系统。对井下工况的智能高效诊断,不但可以及时准确地了解有杆抽油系统的工作状况,避免井下作业的盲目性,降低机械采油成本,提高油田经济效益,而且对实现有杆抽油系统故障诊断的自动化以及油田企业信息化具有重要意义。     

一种识别抽油机井示功图的新方法

在现有示功图模式识别方法的基础上,运用矩特征法撮了示功图的８个特征量,借助人工神经网络作为分类器,实现了采油 抽油机井示功图的自动识别。通过油田实例的检验,取得了较好的效果。     

人工神经网络有杆抽油系统故障诊断专家系统

基于人工网络有杆抽油系统故障诊断专家系统是将人工神经网络与传统专家系统的相结合的智能诊断系统，把传统的基于符号的推理变成基于数值运算的推理，以提高专家系统的执行效率并解决其自学习问题。将大量由专家解释过的有杆抽油的泵示功图进行数字化和规范化处理后作为训练样本对人工神经网络进行训练并建立诊断知识库。实时采集待诊断井的泵示功图并做数字化和规范化处理，调用知识库，用人工网络进行故障识别和推理变成基于 解     

对自组织神经网络模式识别方法中若干问题的研究

模式识别方法已成为地震资料解释及储层预测的一个重要手段。在诸多的模式识别方法中，神经网络以其较强的智能性、准确性和容错性为人们所重视，应用十分广泛。本文在总结前人基作的基础上，用模型分析研究了自组织神经网络模式识别中应引起重视的几个问题，如参数的选取及适用性，噪声干扰对识别结果的影响等。这些结论在实际资料处理中起到了较大的指导作用。     

双重神经网络预测储层及油气

由自组织神经网络和ＢＰ网络组成的双重神经网络，能够克服各自单独使用的局限性，可在复杂地区进行储层及油气预测。在ＢＰ网训练时，采用同伦学习算法，可得到全局最优解，且收敛速度很快。实际应用表明，在用自组织神经网络或ＢＰ网络不能进行储层及油气预测的地区，采用双重神经网络能取得很好的效果。     

用自组织神经网络实现地震同相轴自动追踪

本文提出了一种用自组织神经网络自动追踪地震同相轴的方法。文中简单地介绍了自组织神经网络，并针对地震同相轴追踪这一具体问题，设计了相应的学习方法。自组织神经网络可以进行无监督学习，且可以边学习边工作，因此本文提出的方法追踪迅速，自动化程度高，实际资料处理结果表明，本方法具有较好的应用前景。     

利用BP神经网络预测注水管道的腐蚀速率

利用人工神经网络的自适应、自组织学习能力 ,通过对训练样本集的学习 ,预测了注水管道的腐蚀速率。通过实例 ,采用 4种不同的预测腐蚀速率的方法 ,即采用传统的预测腐蚀速率的CVDA— 84规范、传统的BP神经网络、改进的Rumelhart和MBP神经网络计算注水管道的腐蚀速率。CVDA— 84规范偏保守 ,采用BP以及改进的BP神经网络预测的腐蚀速率和观测值基本一致。但采用BP人工神经网络预测时 ,迭代次数比CVDA大得多 ,采用改进的Rumel hart和MBP神经网络能有效地提高预测速度 ,改善网络的收敛性 ,并且使预测精度有所提高     

基于人工神经网络的电潜泵电流卡片快速模式识别

电流卡片诊断是一种典型的电潜泵工况诊断手段,传统的电流卡片模式识别需要人工完成,存在技术壁垒,会引入主观误差.人工神经网络作为一种机器学习算法,能够弥补人工识别的误差.为实现快速、准确而且客观的模式识别.通过对收集到的电流卡片经过数据预处理后得到的电流数据特征值与实际工况的对应关系,建立人工神经网络模型.利用建立的人工...     

利用神经网络拾取叠加速度

鉴于三维地震和高密度二维地震的数据量很大,仍然采用人工方法拾取速度谱,不仅效率低,而且精度低。为此,人们提出许多新的方法。本文采用人工神经网络与模糊数学相结合的方法。首先对输入数据用模糊教学方法作边界搜索和模糊聚类预处理,然后通过人工神经网络误差反向传递算法（BP算法）,学习结定的样本值,训练网络模型,输入经过预处理的待识别数据,完成识别工作,自动提取叠加速度。该方法肯有抗噪能力强、拾取速度精度高的特点,而且能够实现自动解释速度谱。     

小波神经网络在往复泵故障诊断中的应用

小波分析是一种新的信号处理技术, 具有良好的时频局部化特征。将小波包分析应用于往复泵的故障特征提取, 建立了往复泵小波神经网络故障诊断模型。该模型使用小波包分析的特征提取及神经网络的非线性映射特性, 可完成从测量信号到往复泵故障的分类。以此为基础开发出的故障诊断软件系统具有使用的特征量少, 建造故障诊断系统较为简单等优点。通过对往复泵液力端多故障诊断实例的检验表明, 该系统完全能够较准确地识别出往复泵液力端多种常见故障。     

有监督SOM神经网络在油气预测中的应用

用于油气预测的方法基本上可分为两类：一类是有监督预测方法，另一类是无监督预测方法，８０年代传统模式识别方法（统计、句法和模糊模式识别）得到广泛应用；９０年代以来神经网络理论异军突起，以ＢＰ为代表的有监督神经网络和以ＳＯＭ为代表的无监督神经网络广泛应用于油气预测。本文介绍了应用有监督ＳＯＭ神经网络进行油气预测的方法原理，经两个工区的实际资料试算结果证明本方法性能良好，可以成为油气预测的一种可选方法。     

BP神经网络在橡胶试验中的应用

人工神经网络技术具有很强的非线性映射能力。用于系统的非线性建模，具有较强的优势。介绍了人工神经网络的基本原理及其在橡胶试验设计中的应用。用BP神经网络建立了橡胶配方中4种填料对SBR胶料7项性能影响的模型，通过该模型计算的结果与试验值的偏差较小，说明神经网络方法精度高，利用它建立的数学模型可靠。