10.16652/j.issn.1004-373x.2017.05.028
基于UPFNN的油田机采工艺动态演化建模
采用建模发现油田机采系统的潜在规律,再利用该规律优化获取机采系统的最佳决策参数,对解决机采系统效率低、能耗大等问题具有重要意义.然而,机采系统受机械、地层、人为等不确定因素的影响,难以掌握其生产参数、环境变量与系统性能之间的变化关系.为此,提出无迹粒子滤波神经网络,并用其建立机采系统的动态演化模型.该方法将无迹卡尔曼滤波作为重要性采样密度,直接通过无迹卡尔曼滤波估算状态向量(粒子)的概率密度函数,从而有效提高滤波精度以及建模精度.通过对某油田机采系统的数据样本实验,表明该方法提高了机采模型的精度,并能对动态系统突变实时跟踪,可有效指导机采系统获取最佳决策参数.
油田机采、无迹粒子滤波、神经网络、建模精度、动态演化建模
40
TN081-34;TP183(一般性问题)
国家自然科学基金项目51375520,51404051;重庆市教委科学技术研究项目KJ1401309,KJ1501304, KJ1401301;重庆市基础与前沿研究计划项目cstc2015jcyjA70003,cstc2015jcyjB0008;西安石油大学全日制硕士研究生创新基金2014cx130326
2017-04-17(万方平台首次上网日期,不代表论文的发表时间)
共6页
109-114