基于UKF神经网络的抽油机采油过程演化建模
抽油机采油过程建模对于其工艺操作变量优化、技术决策指导具有重要意义.常规的人工神经网络静态建模方法,由于缺乏对操作变量与内部状态变量对目标性能综合影响的考虑,不能有效描述复杂非线性、时变的抽油机采油过程.为此,本文在神经网络建模过程中引入卡尔曼滤波思想,利用无迹卡尔曼滤波实时更新神经网络模型的权重,从而获得能有效跟踪抽油机采油过程工况变化的模型.使用某油田某2口井的1520组数据作为案例,以冲次、最大载荷、最小载荷、计算泵效、有效冲程五个影响因素为输入,产量和耗电量两个关键指标为输出,分别建立BP神经网络模型和UKF神经网络模型.结果表明,UKF神经网络方法能够高精度的跟踪实际的抽油机采油过程,拟合优度达0.93401和0.92248,且明显高于BP神经网络模型.验证了本文提出方法的有效性.
抽油机 采油过程 无迹卡尔曼滤波神经网络模型 数据挖掘
国内会议
北京
中文
1-7
2014-08-11（万方平台首次上网日期，不代表论文的发表时间）