检索结果-南通市图书馆

维普期刊数据库博看期刊

基于lstm-bp神经网络的地层孔隙压力计算方法

在线全文

学校读者我要写书评

暂无评论

石油科学通报 2022年第1期7卷 12-23页

作者：宋先知姚学喆李根生肖立志祝兆鹏中国石油大学(北京)人工智能学院北京102249 中国石油大学(北京)油气资源与探测国家重点实验室北京102249

地层孔隙压力是油气井从设计到完钻过程中重要的基础数据,准确计算地层孔隙压力是保障钻井安全、提高钻井效率的重要前提。为了克服传统地层孔隙压力计算方法精度不足、计算效率不高的问题,本文考虑到钻井与地层沉积均为序列性和非线性... 详细信息

地层孔隙压力是油气井从设计到完钻过程中重要的基础数据,准确计算地层孔隙压力是保障钻井安全、提高钻井效率的重要前提。为了克服传统地层孔隙压力计算方法精度不足、计算效率不高的问题,本文考虑到钻井与地层沉积均为序列性和非线性过程,提出了将长短期记忆神经网络(lstm)和误差反向传播神经网络(bp)相结合计算地层孔隙压力的方法,利用lstm层提取钻-测-录多源数据中的序列性特征信息,经过bp层构建特征信息与地层孔隙压力之间的非线性映射关系。通过对油田现场钻测录数据进行清洗并综合相关性分析和钻井经验知识优选了18种输入参数,对lstm-bp地层孔隙压力计算模型进行训练和测试,并采用网格搜索法对lstm-bp神经网络模型的5种模型超参数进行了优选,效果最优的单井计算模型和邻井计算模型的平均绝对误差分别为4.92 MPa和2.34 Mpa,均方根误差分别为6.65 Mpa和3.03 Mpa,平均相对误差分别为4.36%和8.31%。最后与传统bp模型、lstm模型和支持向量机(SVM)模型的最优结果进行对比,结果显示,本文所建立的lstm-bp神经网络模型精度均高于bp模型、lstm模型和SVM模型,表明所提出的lstm-bp地层孔隙压力计算模型具有较高的计算精度。

关键词：地层孔隙压力 lstm-bp神经网络深度学习多源数据

维普期刊数据库博看期刊

碳达峰目标下中国绿色低碳循环发展的协同效应研究

在线全文

学校读者我要写书评

暂无评论

河海大学学报（哲学社会科学版） 2022年第5期24卷 62-73,129页

作者：胡剑波王楷文贵州财经大学经济学院贵州贵阳550025 贵州财经大学大数据应用与经济学院贵州贵阳550025

探索中国绿色低碳循环发展的协同效应,对于推动环境治理体系新篇章、建设美丽中国具有典型意义。阐述了绿色低碳循环发展的科学要义,构建了复合系统协同发展评价体系,并利用lstm-bp神经网络对不同模式下的发展路径进行预测。研究发现,2... 详细信息

探索中国绿色低碳循环发展的协同效应,对于推动环境治理体系新篇章、建设美丽中国具有典型意义。阐述了绿色低碳循环发展的科学要义,构建了复合系统协同发展评价体系,并利用lstm-bp神经网络对不同模式下的发展路径进行预测。研究发现,2001—2020年,各子系统实现了由低水平有序向中水平有序的转变,其中社会和资源子系统已步入高水平有序阶段;复合系统自2013年步入中水平协同阶段,这得益于政策的宏观调控、社会的转型进步、经济的高质量发展、能源的优化调整、资源的高效利用以及环境的持续向好。未来在碳达峰目标导向下,子系统协同增效将推动复合系统高质量发展。

关键词：碳达峰绿色低碳循环发展中国路径协同效应 lstm-bp神经网络

维普期刊数据库博看期刊

基于lstm-bp组合模型的南太平洋海流流速预测

在线全文

学校读者我要写书评

暂无评论

海洋湖沼通报 2022年第4期44卷 10-16页

作者：袁红春管琦张天蛟上海海洋大学信息学院上海201306

南太平洋是全球海洋的重要组成部分,其海洋生物、温度、盐度和环流变化等一直是国内外研究的热点。海流流速是研究海洋变化的重要参数之一。本文选择了2004年1月—2015年12月12年南太平洋区域的流速数据进行研究。数据采集的是月平均值... 详细信息

南太平洋是全球海洋的重要组成部分,其海洋生物、温度、盐度和环流变化等一直是国内外研究的热点。海流流速是研究海洋变化的重要参数之一。本文选择了2004年1月—2015年12月12年南太平洋区域的流速数据进行研究。数据采集的是月平均值,空间分辨率为1°×1°,特征包括经度、纬度、深度和流速。将数据利用K近邻算法进行缺失值的填充后,按照10∶1∶1分为训练集、验证集和测试集,建立了bp、lstm模型和lstm-bp组合模型。利用2004年1月—2014年12月共11年的每个月数据预测2015年12个月流速变化。结果显示,组合模型的损失值小于单个模型损失值。通过对比每个月的预测结果,lstm-bp模型比bp、lstm模型均方误差分别下降了约0.7和0.5,平均绝对误差分别下降了约0.14和0.21。实验表明,lstm-bp适用于南太平洋海流的预测,为海流的预测提供了一种新的方法。

关键词：南太平洋海流流速 K近邻 lstm-bp神经网络

维普期刊数据库

基于CEEMDAN的平硐变形监测数据去噪及预测研究

在线全文

学校读者我要写书评

暂无评论

基于CEEMDAN的平硐变形监测数据去噪及预测研究

作者：刘义龙西安科技大学

学位级别：硕士

在矿山安全中,井下巷道变形的监测一直是学者们研究的热点。其中光纤光栅传感器以其体积小、表征变形量多、布设方便等优点可用于巷道变形监测。由于井下环境复杂,光纤光栅传感器监测的数据往往伴随着噪声,导致监测数据曲线不够平滑,不... 详细信息

在矿山安全中,井下巷道变形的监测一直是学者们研究的热点。其中光纤光栅传感器以其体积小、表征变形量多、布设方便等优点可用于巷道变形监测。由于井下环境复杂,光纤光栅传感器监测的数据往往伴随着噪声,导致监测数据曲线不够平滑,不利于预警系统的分析和决策。且岩层运动具有随机性和不确定性,使用传统的预测手段难以达到准确预测巷道变形的目的,因此本文将去噪算法和人工智能领域的算法结合,引入光纤光栅监测巷道变形系统中,可有效解决光纤光栅数据噪声和巷道变形预测难的问题。本文的数据来源于杨伙盘煤矿主平硐的光纤光栅变形监测系统。通过对历史数据曲线的观察,发现数据曲线中存在大量毛刺和矩形锯齿状冗余的问题,因此判断光纤光栅监测系统采集的数据中混入了噪声数据。针对数据中存在的噪声问题,选取了滑动均值、卡尔曼滤波以及完全自适应噪声集合经验模态分解(Complete EEMD with Adaptive Noise,CEEMDAN)法三种方法对数据进行去噪,采用去噪结果和原始数据间的误差评估去噪效果。为得到最优的预测神经网络结构,将去噪的数据经归一化后,引入了在遗传算法优化下的多层前馈(Back Propagation,bp)神经网络、长短时记忆(Long Short-Term Memory,lstm)神经网络和lstm-bp神经网络三种网络结构的预测研究。为对比数据处理前后的预测效果,采用原始监测数据,通过lstm-bp神经网络结构进行预测。本文对神经网络预测的表现,均采用均方误差(Mean Squared Error,MSE)、平均绝对误差(Mean Absolute Error,MAE)、均方根误差(Root Mean Squard Error,RMSE)及决定系数(R-Square,R2)四种评估方式进行评估。实验结果表明,采用CEEMDAN法处理数据噪声,数据平滑性好,与原始数据的MSE、MAE最小,提取有效信息最多,处理数据噪声的效果最优。经遗传算法(Genetic Algorithm,GA)对模型结构寻优后,采用lstm-bp神经网络的预测效果最优,其预测值和真实值之间的误差最小,拟合优度最大,均能达到0.93以上,且平均拟合优度为0.96。原始监测数据的预测效果在误差和拟合优度上的表现均不如去噪后的数据预测效果。通过本文的数据去噪处理和变形预测研究,可为巷道安全预警提供理论支持和现场实用依据。

关键词：光纤光栅巷道变形 CEEMDAN法遗传算法 lstm-bp神经网络

基于lstm-bp组合模型的南太平洋海洋流速预测的研究

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于LSTM-BP组合模型的南太平洋海洋流速预测的研究

作者：管琦上海海洋大学

学位级别：硕士

海流变化对人类生产活动和海洋生物有着很大的影响,所以认识海流变化对航海、发电和鱼群分布研究等有着极其重要的意义。海流变化对全球气候调节也有着很重要的影响。南大洋是全球海洋的重要组成部分,南大洋的变化对于我们认识全球气候... 详细信息

海流变化对人类生产活动和海洋生物有着很大的影响,所以认识海流变化对航海、发电和鱼群分布研究等有着极其重要的意义。海流变化对全球气候调节也有着很重要的影响。南大洋是全球海洋的重要组成部分,南大洋的变化对于我们认识全球气候变化十分重要。并且,研究南半球海流能够帮助研究者更好地了解全球海流变化情况。由于南北半球海流相互作用,了解并预测南半球海流变化有助于对北半球海流的研究。海流变化主要是通过海流流速体现。海洋大数据数量庞大,存在很多缺失值,并且海洋大数据多是非结构化或者半结构化的数据,数据之间关系复杂。随着神经网络的发展和计算机技术水平的提高,海洋数据规模庞大,传统的海洋预测方法难以很好地描述海流流速的变化。神经网络模型可以以历史数据为驱动,通过多层网络的学习提取数据中的关系和信息,能够有效的提高预测的能力和精度。目前很少有学者将神经网络模型应用到海流流速的预测上。如何将神经网络模型技术成功应用于海流预报问题,提高海流预测的精度已经成为了亟待解决的问题。本文根据海流流速变化的特点,将两种神经网络模型组合进行预测,本文的主要工作如下:(1)海流流速的缺失值填充。本文选择了2004年1月～2015年12月12年南太平洋区域的流速数据进行研究。海域的经度范围是135°W-110°E,纬度范围是5°S-40°S,数据采集的是月平均值,空间分辨率为1°×1°,特征包括经度、纬度、深度和流速。首先将数据进行缺失值的填补,本文分别建立了支持向量回归机和K近邻算法对缺失值进行填充。支持向量机中比较重要的参数C值和gamma值是通过10折交叉验证网格搜索最优参数,K近邻算法也是通过10折交叉验证寻找的最优K值。通过对比两种算法训练的结果以及训练时间,选择K近邻算法更适合本文的南太平洋海流流速的缺失值填充。(2)海流流速的预测。首先将数据进行缺失值的填充后再归一化预处理,再将数据分为训练集、验证集和测试集,建立了bp、lstm模型和lstm-bp组合模型。其中将2004-2014年数据用于训练模型,并使用2015年的数据作为测试集对模型预报准确率进行验证。结果显示,组合模型的损失值小于单个模型损失值。通过对比每个月的预测结果,lstm-bp模型优于bp、lstm单个模型。实验表明,lstm-bp适用于南太平洋海流的预测,为海流的预测提供了一种新的方法。时间序列法和神经网络预报法是利用已有的观测数据为样本进行预测,并且预测效果较理想。时间序列模型能够挖掘数据的时间变化规律,而神经网络具有非线性的结构特性,可用来模拟空间分布特征。本文利用lstm时间序列预测模型与bp神经网络模型的优点,构建了lstm-bp神经网络组合模型对南太平洋海流流速进行时间序列预测。通过与bp和lstm单个模型对比和分析,lstmbp组合模型预测效果更好。

关键词：南太平洋海流流速 K近邻 lstm-bp神经网络