共查询到19条相似文献,搜索用时 874 毫秒
1.
自适应神经网络示功图识别 总被引:10,自引:1,他引:9
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。 相似文献
2.
3.
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。 相似文献
4.
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。 相似文献
5.
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。 相似文献
6.
神经网络有杆泵诊断专家系统 总被引:2,自引:2,他引:0
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。 相似文献
7.
8.
9.
10.
人工神经网络有杆抽油系统故障诊断专家系统 总被引:3,自引:1,他引:2
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 相似文献
11.
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。 相似文献
12.
双重神经网络预测储层及油气 总被引:2,自引:0,他引:2
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。 相似文献
13.
用自组织神经网络实现地震同相轴自动追踪 总被引:7,自引:1,他引:6
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。 相似文献
14.
利用BP神经网络预测注水管道的腐蚀速率 总被引:5,自引:1,他引:4
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 相似文献
15.
16.
查朝阳 《石油地球物理勘探》1996,31(6):892-897
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。 相似文献
17.
18.
有监督SOM神经网络在油气预测中的应用 总被引:4,自引:0,他引:4
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。 相似文献