为实现油田生产管理和决策的现代化,使地层参数估值具有全局最优性,在研究油井井底压力分布的描述和有关地层参数辨识问题的基础上,提出了一种由二阶学习算法与GA(Genetic A lgorithm)构成的新型混合遗传算法,并给出一种新型神经网络。...为实现油田生产管理和决策的现代化,使地层参数估值具有全局最优性,在研究油井井底压力分布的描述和有关地层参数辨识问题的基础上,提出了一种由二阶学习算法与GA(Genetic A lgorithm)构成的新型混合遗传算法,并给出一种新型神经网络。该网络把级数中的函数看成非线性神经元,建立油藏系统的函数型连接人工神经网络模型。由系统辨识理论中的F检验法确定网络模型的结构参数n,用二阶学习算法和新型GA交替辨识网络模型的权系数v和地层参数θ。应用表明,采用上述方法建模精度高,模型的平均相对误差在1%以内,并能求出地层参数的全局最优估值。展开更多
在基于偶极子磁场分量梯度的水下磁异常定位方法中,三轴磁力计自身误差及两磁场坐标系配准误差等是限制水下定位精度的主要因素,因此有必要对其进行校正,补偿磁场分量梯度计测量值。建立了磁场分量梯度计的测量误差模型,提出了基于函数...在基于偶极子磁场分量梯度的水下磁异常定位方法中,三轴磁力计自身误差及两磁场坐标系配准误差等是限制水下定位精度的主要因素,因此有必要对其进行校正,补偿磁场分量梯度计测量值。建立了磁场分量梯度计的测量误差模型,提出了基于函数链接型神经网络(functional link artificial neural network,FLANN)和最小二乘法的磁场分量梯度计误差校正方法,给出了误差参数辨识及校正算法,数值仿真和实测数据证明了校正算法具有良好的收敛性,能显著地抑制磁场分量梯度测量误差,该校正方法为提高磁场分量梯度计性能提供了一种可行途径。展开更多
提出一种用最小二乘支持向量机(least squares support vector machine,LS-SVM)构造函数链接型神经网络(functional link artificial neural networks,FLANN)的滚动轴承故障诊断系统。介绍了相关原理和具体算法,并给出了滚动轴承故障诊...提出一种用最小二乘支持向量机(least squares support vector machine,LS-SVM)构造函数链接型神经网络(functional link artificial neural networks,FLANN)的滚动轴承故障诊断系统。介绍了相关原理和具体算法,并给出了滚动轴承故障诊断系统模型。首先,采用LS-SVM模型核函数代替常规FLANN模型的扩展函数,避免了扩展函数选择的任意性;其次,利用LS-SVM学习模型得到FLANN权重系数,避免了BP方法多次迭代寻优存在的耗时长、局部极小及迭代设置初值依赖经验等不足;最后,构造了多层LS-SVM-FLANN结构,对多类滚动轴承故障进行诊断。具体实验表明,用LS-SVM构造FLANN的滚动轴承故障识别系统精度高、鲁棒性好、实现简单。展开更多
文摘为实现油田生产管理和决策的现代化,使地层参数估值具有全局最优性,在研究油井井底压力分布的描述和有关地层参数辨识问题的基础上,提出了一种由二阶学习算法与GA(Genetic A lgorithm)构成的新型混合遗传算法,并给出一种新型神经网络。该网络把级数中的函数看成非线性神经元,建立油藏系统的函数型连接人工神经网络模型。由系统辨识理论中的F检验法确定网络模型的结构参数n,用二阶学习算法和新型GA交替辨识网络模型的权系数v和地层参数θ。应用表明,采用上述方法建模精度高,模型的平均相对误差在1%以内,并能求出地层参数的全局最优估值。
文摘在基于偶极子磁场分量梯度的水下磁异常定位方法中,三轴磁力计自身误差及两磁场坐标系配准误差等是限制水下定位精度的主要因素,因此有必要对其进行校正,补偿磁场分量梯度计测量值。建立了磁场分量梯度计的测量误差模型,提出了基于函数链接型神经网络(functional link artificial neural network,FLANN)和最小二乘法的磁场分量梯度计误差校正方法,给出了误差参数辨识及校正算法,数值仿真和实测数据证明了校正算法具有良好的收敛性,能显著地抑制磁场分量梯度测量误差,该校正方法为提高磁场分量梯度计性能提供了一种可行途径。
文摘提出一种用最小二乘支持向量机(least squares support vector machine,LS-SVM)构造函数链接型神经网络(functional link artificial neural networks,FLANN)的滚动轴承故障诊断系统。介绍了相关原理和具体算法,并给出了滚动轴承故障诊断系统模型。首先,采用LS-SVM模型核函数代替常规FLANN模型的扩展函数,避免了扩展函数选择的任意性;其次,利用LS-SVM学习模型得到FLANN权重系数,避免了BP方法多次迭代寻优存在的耗时长、局部极小及迭代设置初值依赖经验等不足;最后,构造了多层LS-SVM-FLANN结构,对多类滚动轴承故障进行诊断。具体实验表明,用LS-SVM构造FLANN的滚动轴承故障识别系统精度高、鲁棒性好、实现简单。
