期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
前馈人工神经网络法在大坝安全监控中的应用 被引量:12
1
作者 田斌 徐卫超 何薪基 《水力发电》 北大核心 2003年第7期60-63,共4页
应用预测模型来监控大坝复杂的工作性态是一条有效途径。但因大坝的工作条件复杂、影响因素众多 ,给应用精确的数学模型监控大坝工作性态带来了困难。为此 ,应用人工神经网络模型隐式的数学表达形式 ,提出并建立了基于交替学习迭代算法... 应用预测模型来监控大坝复杂的工作性态是一条有效途径。但因大坝的工作条件复杂、影响因素众多 ,给应用精确的数学模型监控大坝工作性态带来了困难。为此 ,应用人工神经网络模型隐式的数学表达形式 ,提出并建立了基于交替学习迭代算法的人工神经网络模型 ,并结合清江隔河岩水电站的实际 ,研究了这种模型在大坝基础渗流量及进水闸顶位移预测中的实际应用 ,其误差收敛快 ,预报精度较高。通过进一步的研究后 。 展开更多
关键词 大坝 安全监控 前馈人工神经网络 拱形重力坝 渗流 水闸
在线阅读 下载PDF
四川盆地龙马溪组页岩压后返排率及产能影响因素分析 被引量:15
2
作者 郭建成 林伯韬 +1 位作者 向建华 钟华 《石油科学通报》 2019年第3期273-287,共15页
现有研究对四川盆地龙马溪组页岩压后各因素影响返排率的机理认识不清,返排率影响产能的规律不明朗,无法通过控制返排率控制产量,提高单井产量难度大。本研究基于地质数据、生产数据和施工数据,选取四川盆地龙马溪组WH区块的泊松比、黏... 现有研究对四川盆地龙马溪组页岩压后各因素影响返排率的机理认识不清,返排率影响产能的规律不明朗,无法通过控制返排率控制产量,提高单井产量难度大。本研究基于地质数据、生产数据和施工数据,选取四川盆地龙马溪组WH区块的泊松比、黏土含量、有机碳含量、含气量、孔隙度、脆性指数、地层压力、层厚作为地质因素,水平段长、压裂水平段长、主压裂用液量、加砂强度、施工排量、支撑剂量作为工程因素,通过建立前馈神经网络模型,分析上述两类因素在预测页岩气井返排率时的影响权重,发现泊松比、孔隙度、黏土含量以及压裂水平段长、加砂强度、施工排量分别为地质和工程方面的主控因素。针对主控因素,应用多元非线性拟合,建立以工程指数为响应值、返排率与地质综合指数关系的预测图版;并进一步建立以综合指数为响应值的返排率与产能关系图版。图版分析表明,要注重综合因素对返排率和产能的影响。通过实际生产数据统计发现,四川盆地页岩气井存在最优返排率,达到最优返排率可以使页岩气井产气量最大化。本研究建立的返排率预测图版可有效预测返排率,并通过可控因素最优化返排率使其位于产量最大区间,进而助力提高页岩气井产量。 展开更多
关键词 四川盆地 返排率 前馈神经网络法 最优返排率 多因素分析 定量预测
在线阅读 下载PDF
A Modified Algorithm for Feedforward Neural Networks
3
作者 夏战国 管红杰 +1 位作者 李政伟 孟斌 《Journal of China University of Mining and Technology》 2002年第1期103-107,共5页
As a most popular learning algorithm for the feedforward neural networks, the classic BP algorithm has its many shortages. To overcome some of the shortages, a modified learning algorithm is proposed in the article. A... As a most popular learning algorithm for the feedforward neural networks, the classic BP algorithm has its many shortages. To overcome some of the shortages, a modified learning algorithm is proposed in the article. And the simulation result illustrate the modified algorithm is more effective and practicable. 展开更多
关键词 feedforward neural networks BP learning algorithm network complexity learning step size
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部