浅谈采油废水回注处理技术

在我国现阶段,采油废水的回注处理技术是保障油田可持续发展以及减少环境污染的一个重要的途径。我国也比较系统地介绍了采油废水的处理技术以及在国内和国外的最新发展的动态,并且还着重地对膜的分离技术处理的采油废水回注的技术方法进行了分析以及讨论,而且我国专业人士也认为膜的分离技术的处理采油废水的积水应该是具有着很广阔的发展前景。文章主要讨论了采油废水回注的处理技术。     

注水井存在的问题分析及注水工艺探讨

一般在采油工程中特别是油井的后期开发过程,经常会出现原油产量降低,原油粘度变大的问题,这些可以通过注水的办法来解决。本文主要是分析了注水井出砂、结垢以及套管损坏等问题,对其原因进行分析,探讨如何采用不同的注水工艺来保证采收率。     

基于BP神经网络的货运量预测方法

总结了常用的几种定量预测方法,并指出其在实际应用中的不足。而人工神经网络自身具有鲁棒性、容错性、有表示任意非线性关系的能力和学习能力等特性,为预测技术提供了一种新的思想和方法。最后把这种预测方法应用于物流预测取得了满意的结果。     

基于BP神经网络的服装出口预测

服装出口贸易受到国内国际诸多因素的影响,是一个复杂的非线性系统。BP神经网络能够以任意精度逼近任何一个具有有限间断点的非线性函数,特别适合于解决非线性系统的预测决策问题。采用三层BP神经网络对我国服装出口进行预测,结果表明该方法能有效的对服装出口进行预测。     

论基于BP神经网络的GDP预测

在经济分析中,通常采用时间序列模型对进行拟合GDP,GDP预测由于其影响因素复杂、具有很强的非线性,是典型的"黑箱"模型,建立在计量经济学理论基础上的线性方法,难以描述GDP预测中的非线性现象,容易造成预测误差过大.通过对BP神经网络数据进行归一化和选择适当的节点及学习率可变的算法大大提高了预测的精确度和效率.     

基于BP神经网络的我国粮食产量预测

粮食是一个国家的立国之本,对于中国而言,粮食问题占据举足轻重的地位,甚至关系到整个社会的稳定。文中基于BP神经网络,在过去二十三年的粮食产量数据的基础上对中国2012—2016年的粮食产量进行了预测,基于预测结果可知未来五年中国粮食是可以满足人口的需求的,从而确定未来五年政府的粮食储备工作可以有所缓解。     

基于BP神经网络的灰色组合预测

本文主要从建模机制方面考虑,采用灰色新陈代谢模型,新初值模型,改进离散灰色模型,对我国人口进行建模,结果表明,这三个模型都能提高模型的预测精度。最后,针对单一模型的预测方法都会存在某些不足,本文从数据挖掘角度出发,引入BP神经网络,对上面GM（1,1）的改进模型,进行组合预测,并用实例证明了这一模型的可行性。     

基于BP神经网络的西安市宏观经济预测

宏观经济系统是一个复杂的非线性系统,对宏观经济进行预测应采用非线性的工具进行建模。采用BP神经网络对西安市宏观经济指标进行预测,此预测模型只需少量训练样本就可以确定网络的权值和阈值。实验表明模型预测精度高,能够对西安市宏观经济系统中的非线性关系进行描述,使建立的非线性模型与实际系统更加接近。     

采油注水的工艺探讨

本文主要是针对采油注水进行讨论,首先分析了注水工艺中队水质的要求,如注水水质目标、标准的确定以及测定方法,然后讨论采油注水对水源和水处理的相关措施,最后对注水流程和作业工艺进行探讨,为实际工作提供理论依据。     

基于BP神经网络的建设项目资金流预测

本文构建了BP神经网络模型对某建设工程项目的资金流进行预测分析,结果与实际的资金流基本吻合。说明神经网络能够作为建设项目资金流预测的有效工具。     

基于人工神经网络的PPI预测模型

将人工神经网络模型引入到工业品出厂价格指数预测领域,利用我国1990年-2008年的工业品出厂价格指数数据,建立了工业品出厂价格指数预测的人工神经网络模型。实验结果表明:基于BP算法的神经网络模型预测精度高,而且收敛速度快,它为工业品出厂价格指数预测工作提供了一种全新的方法。     

基于主成分分析的合理库存神经网络模型

从影响合理库存的诸多因素中，利用数理统计思想，找出几个主要指标，通过建立神经网络模型，进行模拟仿真，寻求一种解决这个问题的有效方法。     

基于BP神经网络的CCI预测模型

将BP神经网络模型应用到消费者信心指数预测中,并建立了消费者信心指数的神经网络预测模型。将计算结果与真实值进行了验证,结果表明:CCI的计算值与真实值之间的相对误差为2.6%,且具有较好的相关性。     

基于BP神经网络模型的国内旅游人数预测

旅游人数的分析和预测是旅游规划与管理的关键性、基础性工作。目前旅游人数预测主要采用基于传统研究方法的预测方法。提出了一种基于BP神经网络模型的国内旅游人数预测新方法,对国内旅游人数的变化趋势进行了综合分析与预测,结果表明该方法具有较高的精度,该模型在旅游人数预测中的应用是可行的。     

基于BP神经网络的股票涨跌预测模型

利用SPSS软件从上市公司的11个财务指标中筛选出与股票涨跌显著相关的7个财务指标,然后以这7个财务指标为输入向量,以涨跌情况为输出向量,利用BP网络建立了多只股票涨跌预测模型。仿真结果表明,该模型对于多只股票的涨跌预测是非常有效的,具有实用性。     

基于AHP-EWAA和BP神经网络的油料调拨绩效评价模型研究

针对当前油料调拨绩效评价不足的现状和评价意义的重要性,根据油料调拨工作的实际,提出了油料调拨绩效评价指标体系的建立原则与方法,并建立了系统、合理的评价指标体系,运用AHP法确定了各指标因素的相应权重,并建立了基于EWAA算子和BP神经网络的评价模型,进行了实例应用,验证了两种模型方法的可用性。     

基于神经网络与灰色系统模型的巨项目风险预测

巨项目概念的提出为工程项目风险管理的方法和技术提出了新的要求,传统的风险预测与管理方法在巨项目中产生了一定的局限性。文章用神经网络逼近非线性插入方法构建时间序中的风险预测,并建立风险时间序列的GM模型和时间响应函数预测巨项目的风险,最后通过实例计算预测结果的准确性,对巨项目的风险预测具有一定的参考价值。     

基于神经网络的入境旅游人数预测

入境旅游人数分析是旅游开发的基础。尝试利用人工神经网络的3层BP模型来仿真模拟入境旅游人数,其输入层结点为3,输出节点为1,得出3层前馈反向传播神经网络模型。结果表明人工神经网络模型的模拟结果与实际情况逼近。     

基于DE-BP神经网络模型的旅游客源预测

客源预测在旅游业发展中具有重要的作用,准确的预测有利于旅游地发展规划和政策的制定。针对BP人工神经网络所存在的缺陷,结合差异演化算法,提出了基于DE-BP神经网络的旅游客源预测模型。利用中国入境旅游人次数的变化趋势进行了综合分析与预测,取得了令人满意的结果。     

胶结强度神经网络预测模型

胶结强度的主要影响因素有:级配、胶结剂含量、胶结料浆浓度等。神经网络具有大规模并行处理,分布式信息储存以及很强的学习能力,是解决数据间非线性映射关系的有力工具。因此,在一定实验基础下,利用神经网络建立级配、胶结剂含量、胶结料浆浓度与胶结强度4者的神经网络模型,可以有效地模拟预测胶结强度,为矿山充填胶结强度的计算提供指导作用。