1. <div id="a8tz1"><tr id="a8tz1"><kbd id="a8tz1"></kbd></tr></div>

        1. [1]陳科貴,毛晨飛,董軍,等.基于BP神經網絡的井筒連續流量計啟動速度預測[J].測井技術,2018,42(04):444-448.[doi:10.16489/j.issn.1004-1338.2018.04.014]
           CHEN Kegui,MAO Chenfei,DONG Jun,et al.Prediction of Starting Speed of Continuous Flowmeter Based on BP Neural Network[J].WELL LOGGING TECHNOLOGY,2018,42(04):444-448.[doi:10.16489/j.issn.1004-1338.2018.04.014]
          點擊復制

          基于BP神經網絡的井筒連續流量計啟動速度預測()
          分享到:

          《測井技術》[ISSN:1004-1338/CN:61-1223/TE]

          卷:
          第42卷
          期數:
          2018年04期
          頁碼:
          444-448
          欄目:
          綜合應用
          出版日期:
          2018-09-05

          文章信息/Info

          Title:
          Prediction of Starting Speed of Continuous Flowmeter Based on BP Neural Network
          文章編號:
          1004-1338(2018)04-0444-05
          作者:
          陳科貴1 毛晨飛1 董軍2 陳愿愿3 黃長兵4 王小準5
          1.西南石油大學地球科學與技術學院, 四川 成都 610500; 2.中國石油集團測井有限公司華北分公司, 河北 任丘 062550; 3.中國石油集團川慶鉆探工程有限公司地球物理勘探公司, 四川 成都 610213; 4.中原油田勘探開發研究院, 河南 鄭州 450000; 5.中國石油集團測井有限公司長慶分公司, 陜西 西安 710100
          Author(s):
          CHEN Kegui1 MAO Chenfei1 DONG Jun2 CHEN Yuanyuan3 HUANG Changbing4 WANG Xiaozhun5
          1. School of Geoscience and Technology, Southwest Petroleum University, Chengdu, Sichuan 610500, China; 2. Huabei Branch, China Petroleum Logging CO. LTD., Renqin, Hebei 062550, China; 3. Geophysical Exploration Company, Chuanqing Drilling Engineering Company Limited, Chengdu, Sichuan 610213, China;
          關鍵詞:
          生產測井 BP神經網絡 連續流量計 啟動速度 井筒
          Keywords:
          Keywords: production logging BP neural network continuous flowmeter starting speed wellbore
          分類號:
          P631.84
          DOI:
          10.16489/j.issn.1004-1338.2018.04.014
          文獻標志碼:
          A
          摘要:
          分析井筒流量、密度、黏度等主要因素對連續流量計啟動速度影響的基礎上,將BP神經網絡應用于連續流量計啟動速度的預測。在BP神經網絡預測模型中,將井筒實測流量、流體黏度和混合流體密度作為輸入參數,根據不同流量、流體黏度和流體密度條件下的連續流量計啟動速度等參數,建立連續流量計啟動速度的BP神經網絡預測模型。該BP神經網絡預測模型訓練后總擬合優度0.917,所得預測結果的最大相對誤差為2.0%。結果表明模型的預測值與實測值吻合較好,對于連續流量計啟動速度的預測具有較高的準確性和較強的實用性。
          Abstract:
          Abstract: Based on the analysis of the influence of main factorson the starting speed of continuous flowmeter, such as flow rate, fluid density and viscosity, BP neural network is applied to the prediction of the starting speed of continuous flowmeter. In the BP neural network prediction model, the measured wellbore flow rate, fluid viscosity and mixed fluid density are taken as input parameters.Based on the continuous flowmeter starting speeds under different flow rate, fluid viscosity and fluid density, BP neural network prediction modelis established. After training,the BP neural network prediction model has a total goodness of fit of 0.917, and has the maximum relative error of the predicted results of 2.0%. The study results show that the predicted values of the model are in good consistency with the measured values, presenting higher accuracy and strong practicability of the prediction of the continuous flowmeter starting speed.

          參考文獻/References:

          [1] 郭海敏, 戴家才, 陳科貴. 生產測井原理與資料解釋 [M]. 北京: 石油工業出版社, 2007. [2] 陳健, 洪楚僑, 張風波, 等. 流量剖面測試解釋結果影響因素分析及應用 [J]. 山東化工, 2015, 44(9): 124-126. [3] 姜志強, 范川, 李疾翎, 等. 產出剖面解釋中渦輪交會斜率計算方法分析 [J]. 長江大學學報(自然科學版), 2013, 10(32): 77-79. [4] 關松, 戴惠芬, 柳輝. 井下渦輪流量計測量精度影響因素分析 [J]. 內蒙古石油化工, 2010, 36(6): 49-50. [5] 李鵬舉, 孫永濤, 王念慶, 等. 連續渦輪流量計資料定量解釋方法 [J]. 大慶石油學院學報, 2005(4): 112-114, 146. [6] 郭海敏. 生產測井導論 [M]. 北京: 石油工業出版社, 2003. [7] 伍玉平. 丘陵油田低壓產層產出剖面解釋方法研究 [D]. 成都: 西南石油大學, 2007. [8] 吳錫令. 生產測井原理 [M]. 北京: 石油工業出版社, 1997. [9] 趙薇娜. 多相流測量中渦輪流量計的影響因素分析 [J]. 內蒙古石油化工, 2011, 37(7): 253-254. [10] 王進旗, 白林海. 多相流測量中渦輪流量計的影響因子分析 [J]. 石油儀器, 2005, 19(2): 71-72, 92. [11] 大慶生產測井研究所. 生產測井資料解釋方法 [M]. 北京: 石油工業出版社, 1995. [12] 屈梁生. 人工神經網絡與機械工程中的智能化問題 [J]. 中國機械工程, 1997, 19(2): 1-4, 121. [13] 朱紅青, 常文杰, 張彬. 回采工作面瓦斯涌出BP神經網絡分源預測模型及應用 [J]. 煤炭學報, 2007(5): 504-508. [14] 陳海軍, 酈能惠, 聶德新, 等. 巖爆預測的人工神經網絡模型 [J]. 巖土工程學報, 2002, 24(2): 229-232. [15] 任尚華. 大慶外圍油田產出剖面測井流量測量精度分析 [J]. 石油儀器, 2009, 23(2): 54-56, 59, 75. [16] 趙延文, 吳錫令, 聶在平. 渦輪流量計的原理、應用及其測井曲線的解釋 [J]. 西南石油學院學報, 1995(3): 44-52. [17] 叢爽. 面向matlab工具箱的神經網絡理論與應用 [M]. 合肥: 中國科學技術大學出版社, 1998. [18] 徐黎明, 王清, 陳劍平, 等. 基于BP神經網絡的泥石流平均流速預測 [J]. 吉林大學學報(地球科學版), 2013, 43(1): 186-191. [19] DONG Xiucheng, WANG Shouchun, SUN Renjin, et al. Design of artificial neural networks using a genetic algorithm to predict saturates of vacuum gas oil [J]. Petroleum Science, 2010, 7(1): 118-122. [20] ZHANG W J, BARRION A. Unction approximation and documentation of sampling data using artificial neural network [J]. Environmental Monitoring and Assessment, 2006, 122(1): 185-201. [21] 尹光志, 李銘輝, 李文璞, 等. 基于改進BP神經網絡的煤體瓦斯滲透率預測模型 [J]. 煤炭學報, 2013, 38(7): 1179-1184. [22] 張敏, 徐啟華, 丁博. 非線性函數逼近的幾類神經網絡方法比較研究 [J]. 淮海工學院學報(自然科學版), 2015, 24(2): 27-31. [23] ZAINUDDIN Z, PAULINE O. Modified wavelet neural network in function approximation and its application in prediction of time-series pollution data [J]. Applied Solt Computing, 2011, 1(8): 4866-4876. [24] 嚴曉明, 鄭之. BP與RBF網絡在一些非線性曲線擬合上性能的比較 [J]. 福建農林大學學報(自然科學版), 2011, 40(6): 653-656. [25] 史磊. 多層復合非織造材料吸聲性能及其神經網絡預測模型研究 [D]. 蘇州: 蘇州大學, 2013.

          相似文獻/References:

          [1]劉傳平.大慶長垣特高含水期聚合物驅巖石物理實驗研究[J].測井技術,2012,36(05):451.
           LIU Chuanping.On Petrophysical Experiments for Polymer Flooded Reservoir in Extra High Water Cut Stage of Daqing Placanticline[J].WELL LOGGING TECHNOLOGY,2012,36(04):451.
          [2]孫曉霞.準噶爾盆地永進油田特低孔隙度超低滲透率儲層分類評價[J].測井技術,2012,36(05):479.
           SUN Xiaoxia.On Classification and Evaluation of Extralow Porosity and Permeability Reservoir in Yongjin Oilfield, Dzungaria Basin[J].WELL LOGGING TECHNOLOGY,2012,36(04):479.
          [3]戴月祥,程芳,袁瑛,等.雙層套管SGDT固井質量解釋方法[J].測井技術,2012,36(03):314.
           DAI Yuexiang,CHENG Fang,YUAN Ying,et al.Interpretation Method of SGDT Cementing Quality in the Double Casing[J].WELL LOGGING TECHNOLOGY,2012,36(04):314.
          [4]鄭希科,樸玉琴,孟凡宇,等.水平井油水兩相流含水率解釋預測[J].測井技術,2012,36(03):318.
           ZHENG Xike,PIAO Yuqin,MENG Fanyu,et al.Water Cut Prediction of Oilwater Twophase Flow in Horizontal Well[J].WELL LOGGING TECHNOLOGY,2012,36(04):318.
          [5]王魯海,李軍,關松,等.低流量條件下渦輪流量計的黏度響應特性[J].測井技術,2012,36(04):336.
           WANG Luhai,LI Jun,GUAN Song,et al.The Performance of Turbine Flowmeter with Viscosity Changes Under Low Flow Condition[J].WELL LOGGING TECHNOLOGY,2012,36(04):336.
          [6]余厚全,魏勇,湯天知,等.基于同軸傳輸線電磁波檢測油水介質介電常數的理論分析[J].測井技術,2012,36(04):361.
           YU Houquan,WEI Yong,TANG Tianzhi,et al.Theoretical Analysis of Measuring Dielectric Constant of OilWater Mixture Based on Electromagnetic Wave on Coaxial Line[J].WELL LOGGING TECHNOLOGY,2012,36(04):361.
          [7]于寶,孔垂廣,于靖民.一種用于低流量測量的浮子流量傳感器[J].測井技術,2012,36(04):401.
           YU Bao,KONG Chuiguang,YU Jingmin.A Float Flow Sensor for Low Flow Measurement[J].WELL LOGGING TECHNOLOGY,2012,36(04):401.
          [8]司馬立強,肖華,袁龍,等.基于BP神經網絡技術的儲層流動單元研究[J].測井技術,2012,36(04):421.
           MA Liqiang,XIAO Hua,YUAN Long,et al.Research on Reservoir Flow Unit Based on BP Neural Network Technology[J].WELL LOGGING TECHNOLOGY,2012,36(04):421.
          [9]張正玉.泵出式測井系統在四川地區復雜井中的應用[J].測井技術,2012,36(04):426.
           ZHANG Zhengyu.Application of Pumpout Logging System to Complex Wells in Sichuan Oilfield[J].WELL LOGGING TECHNOLOGY,2012,36(04):426.
          [10]黃旭,翟路生,金寧德.測量水平油水層狀流相含率的平行線電容傳感器[J].測井技術,2012,36(02):188.
           HUANG Xu,ZHAI Lusheng,JIN Ningde.A Parallelwire Capacitance Probe for Measuring Phase Volume Fraction in Horizontal Oilwater Stratified Flow[J].WELL LOGGING TECHNOLOGY,2012,36(04):188.

          備注/Memo

          備注/Memo:
          基金項目: 國家自然科學基金項目四川盆地油鉀兼探的地球物理評價方法研究(編號:41372103)資助 第一作者: 陳科貴,男,1959年生,教授,從事測井方法理論、測井儲層評價技術、測井地質與工程測井應用研究工作。E-mail:[email protected]
          更新日期/Last Update: 2018-09-05
          11选五开奖结果