基于QPSO的BP神经网络油田节能指标预测
DOI:
作者:
作者单位:

作者简介:

通讯作者:

中图分类号:

基金项目:

国家自然科学基金(61170132);国家重大专项(2011ZX05020-007);黑龙江省教育厅科学技术研究项目(12521055)


Oilfield Energy Saving Index Prediction Based on QPSO and BP Neural Network
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    针对BP神经网络易陷入局部极小问题以及收敛速度慢的问题, 引入量子粒子群优化算法和BP神经网络相结合的方法, 共享BP神经网络强大的灵活性和量子粒子群全局搜索能力强的优势, 通过改进QPSO的平均最优位置的计算方法, 实现基于BP神经网络和量子粒子群的油田节能指标预测. 以大庆某采油厂注水泵机组单耗数据为训练数据, 预测结果表明该方法能达到良好的预测效果, 具有可行性.

    Abstract:

    According to the fact that BP neural network is easy to fall into local minimum and the slow convergence problems, the paper introduces QPSO and BP neural network combination method, which shares the advantage of BP neural network robust flexibility and the powerful global searching ability of QPSO, through improved the calculation method of average optimal position of QPSO to make the BP neural network and QPSO oilfield energy conservation index prediction success. Using the injection pump unit consumption data of Daqing Oilfield Company as training data, by training the new mehtod with the data of samples, the forecast results show that the proposed method can achieve good forecast effect and have feasibility.

    参考文献
    相似文献
    引证文献
引用本文

尚福华,杨慧,张吉峰,马明梅,董桂苓.基于QPSO的BP神经网络油田节能指标预测.计算机系统应用,2013,22(6):95-97,185

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2012-11-09
  • 最后修改日期:2012-12-23
  • 录用日期:
  • 在线发布日期: 2013-07-25
  • 出版日期:
文章二维码
您是第位访问者
版权所有:中国科学院软件研究所 京ICP备05046678号-3
地址:北京海淀区中关村南四街4号 中科院软件园区 7号楼305房间,邮政编码:100190
电话:010-62661041 传真: Email:csa (a) iscas.ac.cn
技术支持:北京勤云科技发展有限公司

京公网安备 11040202500063号