神经网络法识别抽油机井示功图的研究及应用

示功图是判断油井生产状况的重要依据。神经网络能够反映任意非线性的映射关系,从而可以应用于图形识别。本文主要依据BP神经网络判定示功图类型的实现过程,阐述了BP神经网络的基本原理,建立了模式识别系统,并给出了部分应用实例。     

应用MATLAB中的BP神经网络诊断抽油机井工况

为了保证采油生产的高效、安全进行,将人工神经网络用于抽油机井故障的自动识别.对现场采集的油井示功图数据预处理后,用MATLAB进行编程,并利用现场数据进行验证.结果表明,神经网络事故诊断系统,对抽油机井工况的识别正确率高,识别效果稳定.将BP神经网络诊断系统应用于抽油机井示功图识别是实现有杆采油系统故障诊断的自动化、智能化的有效方法.     

基于实时生产数据的油井工况诊断系统

针对目前油井井下工况诊断效率低下的问题,提出了基于实时生产数据的油井工况诊断系统,采用物联网架构实现三相电参、套管压力、示功图和油井动液面等实时生产数据的采集、传输与应用,利用灰度提取方法提取示功图图像型数据的特征值,与数值型数据融合分析,增加BP神经网络的输入神经元,建立工况诊断模型.对比于通过示功图提取特征值的诊断...     

利用人工神经网络方法诊断抽油机井工况

利用人工神经网络方法对抽油机井示功图进行分类识别,对油田实测的示功图数据进行了预处理,然后利用MATLAB神经网络工具箱进行数学处理,建立人工神经网络方法诊断模型.经过测试结果表明,本文建立的神经网络模型对故障识别正确率高,识别效果稳定.将人工神经网络用于示功图的自动识别,为实现抽油系统故障诊断的自动化开辟了新的道路.     

GA －BP 神经网络模型在地区工业技术创新能力评价中的应用

针对当前技术创新能力评价方法大多建立在线性模型的基础上,且技术创新能力影响因素较多,可能存在多重共线性的缺陷,本文提出了遗传算法优化的BP神经网络模型。GA－BP神经网络模型在以下几方面做出了改进：①利用了神经网络强大的非线性关系映射能力,避免了传统线性模型的缺陷。②利用遗传算法对评价指标进行了降维,去除了多重共线性。③使用遗传算法从全局搜寻BP神经网络权值和阀值向量,优化了BP神经网络模型,避免了BP神经网络由于使用梯度下降算法,容易陷入局部最优解的缺陷。本文最后选取2008～2013年全国31个省市规模以上工业企业技术创新能力124条数据作为训练样本,31条数据作为测试样本,分别测试遗传算法优化的BP神经网络和未优化的BP神经网络,测试结果显示遗传算法优化的BP神经网络模型预测准确率高于未优化的BP神经网络模型。     

BP神经网络在工程项目管理中的应用

简要阐述了BP神经网络、工程项目管理的特点,介绍了BP神经网络应用的一般步骤,提出了基于BP神经网络的工程项目管理模型流程图.总结了BP神经网络在工程项目管理中应用的优点和适用范围,指出了在工程项目管理中应用时应注意的要点,并针对BP神经网络应用的参数设置提出了相应建议.最后,以公路建设项目目标可持续性评价为例进行了实证分析,取得了满意的效果,从而促进了BP神经附络在我国工程项目管理中的应用.     

BP神经网络的钢管纤维混凝土柱疲劳破坏研究

为了预测钢管纤维混凝土柱极限强度,提出基于BP(Back Propagation,反向传播)神经网络预测的方法。将基于BP神经网络预测的结果与试验和数值计算结果对比分析,验证了基于BP神经网络的钢管纤维混凝土柱疲劳破坏点预测具有正确性和有效性。     

基于改进BP神经网络的蜂窝纸板缓冲特性模型

本文利用BP神经网络在非线性建模方面的特殊优势,建立了蜂窝纸板缓冲特性的神经网络模型,并通过动态调整权值改进了BP神经网络的收敛速率。用MATLAB软件进行仿真试验,结果表明:蜂窝纸板的神经网络特性模型能较好地模拟实际的蜂窝纸板缓冲特性,可用于缓冲包装设计。     

遗传算法优化的小波神经网络在短期电力负荷预测中的应用

本文利用遗产算法的全局优化搜索能力来优化了小波神经网络,建立了基于遗产算法的小波神经网络短期电力负荷预测模型,克服了BP神经网络自身算法的缺陷,得到了更高的学习精度和更快的收敛速度,经实例也验证了该模型能有效地提高预测精度,减小负荷预测误差,避免了BP神经网络的固有缺陷.     

提高自动监测示功图测试质量探索与实践

油区实施信息化改造后,抽油机示功图测试采用在线自动监测。对实施了信息化改造的在线监测抽油机,采用抽油机综合测试仪测试示功图,与同期自动监测示功图进行对比分析,找出了在线自动监测误差大的问题。采取基准示功图测试,每半年加测一次实测示功图,实施在线校准自动监测示功图装置,降低了自动监测示功图测试误差率,提高了测试质量。     

基于SSA优化BP神经网络的农村公路造价预测研究

针对目前农村公路造价估算存在的问题,结合神经网络和麻雀搜索算法各自的特点,提出基于麻雀搜索算法(SSA)优化BP神经网络的造价预测模型.结合农村公路造价的影响因素,利用已建农村公路造价资料,运用MATLAB软件进行仿真实验,并将SSA—BP算法预测结果与BP、RBF神经网络预测结果进行比较.     

基于粒子群神经网络的供应商评价模型及应用

供应链管理成为当今的研究热点,能否选择合适的供应商成为供应链构建成败的关键,而供应商评价是这个选择过程的重要组成部分.本文比较了供应商评价的各种方法,在重点研究了BP神经网络算法的基础上,针对其训练速度慢和容易陷入局部极小点的局限性,提出了一种粒子群优化BP神经网络评价模型.通过实例用Matlab进行仿真,与传统的BP网络模型比较,得出粒子群神经网络在供应商评价中更加有效.     

基于改进BP神经网络的企业盈利能力测评模型及应用

针对传统企业盈利能力测评方法的局限性,介绍了BP神经网络的的模型方法,在此基础上构建了基于改进BP神经网络的企业盈利能力测评模型,并通过具体实例测试证明了该模型的仿真结果比较可靠,测评精度高,具有很强的使用价值.     

BP神经网络在药品销售预测中的应用

目的对药品销售情况进行科学的分析和预测,为合理制订药品采购计划提供参考。方法利用BP神经网络的数据分析、统计、对非线性数据进行拟合等功能,对药品未来的销售量和销售趋势进行分析和预测。结果BP神经网络仿真预测的药品销售量与实际销售量无显著性差异。结论BP神经网络在预测药品未来销售量上具有实际应用价值,为合理制订药品采购计划,降低药品流通成本提供参考依据。     

遗传算法优化BP神经网络的岩质边坡稳定性预测

为了解决边坡工程中非线性变化给稳定性预测造成的困难,建立了GA-BP神经网络计算模型预测岩质边坡稳定性。采用定性评价和相互作用矩阵复核的方式,选取边坡坡度、边坡高度、斜坡结构类型、岩体强度、控滑结构面倾角、岩体结构特征、地表变形强度、人类活动强度8个评价因子作为BP神经网络的输入变量;利用遗传算法对神经网络的初始权值和阈值进行优化后训练岩质边坡稳定性预测模型;对比分析GA-BP神经网络和BP神经网络的预测效果。结果表明,优化后的预测结果误差绝对值小于0.15的占85%,未优化的传统神经网络仅占45%,优化后的预测结果更加接近真实值,表明遗传算法对传统BP神经网络的优化是有效的。研究结果对建立岩质边坡稳定性预测模型具有一定的参考价值。     

基于BP神经网络的数控机床刀具磨损状态识别方法

为了提高三相电流信号监测刀具磨损状态的可靠性,提出了一种基于BP神经网络的数控机床刀具磨损状态识别方法。首先对采集得到的三相电流信号进行时域、频域和小波分析,从中提取出与刀具磨损程度相关性较好的多个特征量,组合成敏感特征向量,然后搭建BP神经网络,建立三相电流信号特征向量与刀具磨损状态之间的联系。最后,用经过训练后的BP神经网络识别多组未知样本的刀具磨损状态。实验结果表明,该方法能够准确判定刀具的磨损状态。     

高技术项目投资风险评价的研究

在对高技术项目投资风险因素分析的基础上,构造项目风险的评价指标体系,建立基于模糊数学和BP神经网络的项目风险评价模型,运用实例对BP神经网络进行了训练和检测,取得了较好的结果.该方法有利于技术创新的控制和创新项目投入的正确决策,提高企业稀缺技术资源的利用效率.     

基于BP神经网络的短期负荷预测

电力系统负荷预测的重要性、分类和主要预测方法,BP神经网络算法的基本理论和预测过程,建立基于BP神经网络的短期负荷预测模型,以加州24 h的电力负荷预测为例进行MATLAB仿真,结果显示预测精度符合电力系统要求。     

L-M贝叶斯正则化BP神经网络在红外CO_2传感器的应用

针对温度会影响红外CO_2传感器的输出电压,造成对CO_2的浓度检测误差较大的问题,提出了一种基于L-M贝叶斯正则化BP神经网络的温度补偿方法。实验中将传感器输出电压比和温度作为神经网络的输入,CO_2浓度作为神经网络的输出,并通过L-M算法和贝叶斯正则化对神经网络进行优化。经过实验仿真证明,在温度补偿后红外CO_2传感器测量输出的浓度值最大相对误差为4.557 8%,具有较高的精确度。因此L-M贝叶斯正则化BP神经网络能对红外CO_2传感器进行有效的温度补偿,可为相关红外传感器仪器的改进提供参考。     

用神经网络对开式冷挤压极限变形程度的预测

给出了基于 BP网络的极限变形程度预测的分析方法 ,得到了开式冷挤压εmax神经网络计算结果 ,与实验结果比较 ,其精度较高 ,证明了神经网络模型在开式冷挤压工艺中应用的可行性。