10.3969/j.issn.2095-2783.2008.11.015
基于BP神经网络的多相管流模型优选及应用分析
应用91井次的油气井测试数据对Ansari,Hagedorn & Brown Revised,Duns&Ros,Gray以及Beggs & Brill Revised模型进行了评价分析,结果表明:最适合的模型主要有Hagedom&Brown Revised模型和Ansari模型,其最佳井数分别占50.5%和35.2%.为了对特定的油井条件优选出最佳的计算模型,提出利用神经网络优选多相管流模型的方法,建立了BP神经网络模型,给出了完整的学习算法程序框图,提出采用动量算法修改隐含层权值,采用基于指数平滑的方法修改输出层权值,从而有效地减少了抖动.应用油气井测试数据及管流模型评价结果,研究了神经网络输入层、输出层及隐含层神经元个数对预测准确率的影响,结果表明:合理的BP神经网络模型能很好的预测最佳管流模型,其预测准确率可高达100%.
石油、天然气能、BP神经网络、管流模型、BP算法、模型优选、误差
3
TE312(油气田开发与开采)
高等学校博士学科点专项科研基金项目20060615002;四川省自然科学基金项目2006ZD042
2009-02-18(万方平台首次上网日期,不代表论文的发表时间)
共6页
873-878