买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：东北石油大学;东油特思烃(大庆)检测技术有限公司

摘要：本发明涉及的是一种利用神经网络预测多源污水沉降分离收油周期的方法，它包括：多源污水体系样本空间的样本特征提取与数据预处理；考虑多源污水聚类类别的油层增长速率预测数据集划分；建立基于神经网络的多源污水沉降分离油层增长速率预测模型：优化多源污水沉降分离油层增长速率预测模型的初始权值矩阵与偏置矩阵；确定多源污水沉降分离的收油周期。本发明解决了含有水驱、化学驱不同驱油方式采出水的多源污水沉降分离时，污水中油珠粒子上浮、碰撞、聚并而形成油层厚度增长过程描述的难题，尤其是解决了考虑多源污水中化学剂组分及其带来水质特性复杂多变，以人工智能算法赋能油田智能化转型背景下科学可靠预测沉降分离收油周期的技术难题。

主权项：1.一种利用神经网络预测多源污水沉降分离收油周期的方法，其特征在于包括如下步骤：步骤一、多源污水体系样本空间的样本特征提取与数据预处理；步骤二、考虑多源污水聚类类别的油层增长速率预测数据集划分；步骤三、建立基于神经网络的多源污水沉降分离油层增长速率预测模型：多源污水体系在沉降分离设施中的油层增长速率受到多个特征协同影响，针对适用于多元变量非线性回归的多层前馈神经网络中，基于由输入层、输出层和隐含层构成的神经网络模型，搭建多源污水沉降分离油层增长速率预测模型结构，描述油层增长速率与多元组分浓度之间的协同关系，其中，输入层神经元个数由步骤二构建的某一油层增长速率预测数据集中特征个数确定为n+2，输出层取单个神经元表征油层增长速率，则当隐含层的神经元个数取为b时，针对某一聚类类别，对应油层增长速率预测数据集中第j个样本的特征数据进入隐含层第h个神经元的计算过程有： 式中，Phj为油层增长速率预测数据集第j个样本数据进入隐含层第h个神经元时的线性输出值；ωhu为隐含层权值矩阵中第h个隐含层神经元，第u个输入层特征的对应数值；θh为隐含层偏置矩阵中第h个隐含层神经元的对应数值；a1为油层增长速率预测数据集的样本数量；多源污水沉降分离的油层增长速率是多源污水特性变量中多个特征的非线性函数，而由式9仅能反映油层增长速率与多特征之间的线性关系，则在隐含层神经元输出结果时选择Sigmoid函数作为激活函数，有： 式中，yhj为油层增长速率预测数据集第j个样本数据进入隐含层第h个神经元时的输出值；同理，对于式10中第h个隐含层神经元输出值进入输出层后的计算过程有： 式中，qj为油层增长速率预测数据集第j个样本数据自隐含层进入输出层神经元时的线性输出值；为输出层权值矩阵中第h个隐含层神经元的对应数值；β为输出层偏置矩阵的数值；且多源污水体系在沉降分离设施中的油层增长速率恒为正值，则输出层激活函数采用线性整流函数，对油层增长速率预测结果限制在[0,+∞]范围内，有： 式中，为油层增长速率预测数据集第j个样本数据的油层增长速率预测结果；针对某一油层增长速率预测数据集第j个样本，以油层增长速率预测结果的均方误差作为损失函数，有： 式中，E为油层增长速率预测数据集中第j个样本的均方误差；为油层增长速率预测数据集的总均方误差；此时，油层增长速率的预测结果均方误差是隐含层和输出层的权值矩阵与偏置矩阵的相关函数，根据梯度下降算法和链式求导法则，获取隐含层与输出层权值矩阵、偏置矩阵的修正量，有： 式中，为输出层权值矩阵中第h个隐含层神经元对应的修正量；Δβ为输出层偏置矩阵对应的修正量；Δωhu为隐含层权值矩阵中第h个隐含层神经元，第u个输入层特征对应的修正量；Δθh为隐含层偏置矩阵中第h个隐含层神经元对应的修正量；η为梯度下降算法的自设学习率；根据式9～式14，利用某一油层增长速率预测数据集的第j个样本数据，对多源污水沉降分离油层增长速率预测模型修正，建立基于神经网络的多源污水沉降分离油层增长速率预测模型： 式中，为修正后的输出层权值矩阵中第h个隐含层神经元对应数值；β*为修正后的输出层偏置矩阵数值；为修正后的隐含层权值矩阵中第h个隐含层神经元，第u个输入层特征对应数值；为修正后的隐含层偏置矩阵中第h个隐含层神经元对应数值；为示性函数，当满足条件时取为1，否则取为0；yhj为油层增长速率预测数据集第j个样本数据进入隐含层第h个神经元时的输出值；为油层增长速率预测数据集第j个样本数据的油层增长速率预测结果；为输出层权值矩阵中第h个隐含层神经元的对应数值；ωhu为隐含层权值矩阵中第h个隐含层神经元，第u个输入层特征的对应数值；为多源污水体系样本空间中样本归一标准化后第j个样本的油层增长速率；Xuj为归一标准化处理后的多源污水体系样本空间中第j个样本的第u个特征值；θh为隐含层偏置矩阵中第h个隐含层神经元的对应数值；η为梯度下降算法的自设学习率；n为多源污水体系样本空间内包含的所有组分种类数量；a1为油层增长速率预测数据集的样本数量；b为隐含层的神经元个数；步骤四、优化多源污水沉降分离油层增长速率预测模型的初始权值矩阵与偏置矩阵；步骤五、确定多源污水沉降分离的收油周期。

全文数据：

权利要求：

百度查询： 东北石油大学 东油特思烃(大庆)检测技术有限公司 一种利用神经网络预测多源污水沉降分离收油周期的方法