10.3969/j.issn.1001-4160.2008.11.018
基于人工神经网络的含硫原油VGO饱和份含量预测研究
利用多种含硫原油的实验分析数据,采用动最自适应学习率的BP人工神经网络理论,建立了含硫原油VGO的平均沸点、密度、分子量、折光率等4个基础物性与其饱和分含量关系的预测模型,通过该人工神经网络模型的训练,获得了较高的训练精度,模型计算值与实验值相比,VGO饱和份含量的平均相对误差为1.59%;用该模型检验未参加训练的6种油样,预测结果的平均相对误差为5.79%,表明此方法拟合精度较高、预测能力较强,可用于含硫原油基础物性的初步预测.
VGO、饱和份含量、基础物性、人工神经网络、预测
25
TP183;TE622(自动化基础理论)
中国石油天然气集团公司石油科技中青年创新基金项目05E7023
2009-03-13(万方平台首次上网日期,不代表论文的发表时间)
共4页
1393-1396