检索结果-维普期刊中文期刊服务平台

基于主成分分析的离散过程神经网络水淹层动态预测方法被引量：6: 1; 作者钟仪华李榕 +1 位作者张志银朱海双《测井技术》 CAS CSCD 北大核心 2010年第5期432-436,共5页; 提出了一种利用主成分分析和离散过程神经网络进行水淹层动态预测的方法,对测井曲线信息随油层厚度变化的离散数据进行主成分分析,减少了离散过程神经网络模型的输入参数,排除了各参数之间的相关性。引入了反映深度变化累积效应的输入... 展开更多; 关键词测井曲线动态预测水淹层识别主成分分析离散过程神经网络; 在线阅读下载PDF 职称材料

基于离散过程神经网络页岩油气储层有机碳含量预测被引量：6: 2; 作者刘志刚肖佃师许少华《中国石油大学学报（自然科学版）》 EI CAS CSCD 北大核心 2017年第2期80-87,共8页; 受地层岩性变化影响,传统方法进行有机碳含量(TOC)拟合预测精度偏低。为提高TOC拟合精度,减小普通神经网络对连续信号的时间累积误差,提出一种极限学习离散过程神经网络的TOC拟合预测模型。模型用向量模拟过程式输入,内部通过抛物插值... 展开更多; 关键词总有机碳离散过程神经网络网络训练 MOORE-PENROSE广义逆; 在线阅读下载PDF 职称材料

基于离散过程神经网络的装备技术状态预测方法被引量：1: 3; 作者张耀辉韩小孩王少华《电子科技大学学报》 EI CAS CSCD 北大核心 2016年第6期923-928,共6页; 针对传统预测方法无法综合分析多维参数中存在的空间聚合及时间累积效应的问题,该文利用离散过程神经网络对装备技术状态多维参数进行预测。针对网络训练中存在的易获得局部最优解的问题,利用混沌粒子群算法对网络学习过程进行了优化。... 展开更多; 关键词混沌粒子群算法技术状态预测离散过程神经网络空间聚合; 在线阅读下载PDF 职称材料

基于过程神经网络的液体火箭发动机状态预测被引量：1: 4; 作者聂侥程玉强吴建军《北京航空航天大学学报》 EI CAS CSCD 北大核心 2016年第8期1675-1681,共7页; 提出一种基于极限学习算法的离散过程神经网络模型,用于解决液体火箭发动机状态预测这一难题。首先,在历史数据的基础上建立离散过程神经网络(DPNN)预测模型;然后,根据在线更新的数据样本,采用递推极限学习(EL)算法对双并联前馈离散过... 展开更多; 关键词液体火箭发动机状态预测离散过程神经网络极限学习算法递推算法; 在线阅读下载PDF 职称材料

基于误差预测修正的液体火箭发动机故障预测方法研究被引量：2: 5; 作者聂侥吴建军《推进技术》 EI CAS CSCD 北大核心 2016年第8期1569-1578,共10页; 为解决液体火箭发动机故障预测这一难题,提出一种基于误差预测修正的故障预测方法。在历史数据的基础上建立小波过程神经网络故障预测模型,同步计算学习样本的预测误差,根据上述误差建立双并联离散过程神经网络预测模型。预测时,将预测... 展开更多; 关键词液体火箭发动机故障预测小波过程神经网络双并联离散过程神经网络误差修正; 在线阅读下载PDF 职称材料

题名基于主成分分析的离散过程神经网络水淹层动态预测方法被引量：6: 1; 作者钟仪华李榕张志银朱海双; 机构西南石油大学理学院; 出处《测井技术》 CAS CSCD 北大核心 2010年第5期432-436,共5页; 基金四川省教育厅重点项目(07ZA143)资助; 文摘提出了一种利用主成分分析和离散过程神经网络进行水淹层动态预测的方法,对测井曲线信息随油层厚度变化的离散数据进行主成分分析,减少了离散过程神经网络模型的输入参数,排除了各参数之间的相关性。引入了反映深度变化累积效应的输入参数——测井参数曲线层段的不同油层厚度。据此建立的识别模型能够反映出随含水率的上升、深度不同时测井曲线的变化规律。实例研究表明,提出的方法与BP神经网络识别方法、支持向量机方法相比较具有更快的运算速度和更高的识别精度,能够体现出高含水期水淹层的动态变化特征。; 关键词测井曲线动态预测水淹层识别主成分分析离散过程神经网络; Keywords log curve, dynamic prediction, water-flooded layer recognition, principal component analysis, discrete process neural network; 分类号 P631.84 [天文地球—地质矿产勘探]; 在线阅读下载PDF 职称材料

题名基于离散过程神经网络页岩油气储层有机碳含量预测被引量：6: 2; 作者刘志刚肖佃师许少华; 机构东北石油大学计算机与信息技术学院中国石油大学非常规油气与新能源研究院山东科技大学信息科学与工程学院; 出处《中国石油大学学报（自然科学版）》 EI CAS CSCD 北大核心 2017年第2期80-87,共8页; 基金国家自然科学基金项目(41602141 41402109 41330313); 文摘受地层岩性变化影响,传统方法进行有机碳含量(TOC)拟合预测精度偏低。为提高TOC拟合精度,减小普通神经网络对连续信号的时间累积误差,提出一种极限学习离散过程神经网络的TOC拟合预测模型。模型用向量模拟过程式输入,内部通过抛物插值的数值积分完成离散样本的时域聚合。通过对离散过程神经元的结构分析,提出极限学习训练算法,在隐层相关参数随机赋值后,通过Moore-Penrose广义逆求解输出权值,模型学习速度快。最后将该方法应用于TOC拟合预测,利用相关性分析,选取对TOC响应最敏感的测井曲线作为模型的特征输入。与传统方法和其他神经网络对比,该方法的拟合精度较高,预测TOC与实测值有更好的相关性。; 关键词总有机碳离散过程神经网络网络训练 MOORE-PENROSE广义逆; Keywords total organic carbon discrete process neural network network training Moore-Penrose generalized inverse; 分类号 TE122.1 [石油与天然气工程—油气勘探]; 在线阅读下载PDF 职称材料

题名基于离散过程神经网络的装备技术状态预测方法被引量：1: 3; 作者张耀辉韩小孩王少华; 机构装甲兵工程学院技术保障工程系; 出处《电子科技大学学报》 EI CAS CSCD 北大核心 2016年第6期923-928,共6页; 基金部级基金; 文摘针对传统预测方法无法综合分析多维参数中存在的空间聚合及时间累积效应的问题,该文利用离散过程神经网络对装备技术状态多维参数进行预测。针对网络训练中存在的易获得局部最优解的问题,利用混沌粒子群算法对网络学习过程进行了优化。在此基础上,以某装备传动箱油液数据预测为例对该预测方法的有效性进行了验证,优于其他同类预测方法。; 关键词混沌粒子群算法技术状态预测离散过程神经网络空间聚合; Keywords chaotic particle swarm optimization algorithm condition prediction discrete process neural networks space aggregation; 分类号 TH17 [机械工程—机械制造及自动化] E92 [兵器科学与技术—武器系统与运用工程]; 在线阅读下载PDF 职称材料

题名基于过程神经网络的液体火箭发动机状态预测被引量：1: 4; 作者聂侥程玉强吴建军; 机构国防科学技术大学航空科学与工程学院; 出处《北京航空航天大学学报》 EI CAS CSCD 北大核心 2016年第8期1675-1681,共7页; 基金国家自然科学基金(51206181 51506219)~~; 文摘提出一种基于极限学习算法的离散过程神经网络模型,用于解决液体火箭发动机状态预测这一难题。首先,在历史数据的基础上建立离散过程神经网络(DPNN)预测模型;然后,根据在线更新的数据样本,采用递推极限学习(EL)算法对双并联前馈离散过程神经网络(DPFDPNN)隐层到输出层的权值进行更新,并应用权值更新后的过程神经网络对发动机状态进行预测;最后,以液体火箭发动机状态预测中氢涡轮泵扬程预测为例,分别采用有权值更新和无权值更新两种预测模型进行了试验。结果表明,通过更新过程神经网络权值可以使模型具有更高的预测精度和更好的适应能力,该方法能够为液体火箭发动机状态预测提供一种有效的解决途径。; 关键词液体火箭发动机状态预测离散过程神经网络极限学习算法递推算法; Keywords liquid propellant rocket engine condition prediction discrete process neural network extreme learning algorithm recursive algorithm; 分类号 V434.1 [航空宇航科学与技术—航空宇航推进理论与工程] TP277 [自动化与计算机技术—检测技术与自动化装置]; 在线阅读下载PDF 职称材料

题名基于误差预测修正的液体火箭发动机故障预测方法研究被引量：2: 5; 作者聂侥吴建军; 机构国防科学技术大学航天科学与工程学院; 出处《推进技术》 EI CAS CSCD 北大核心 2016年第8期1569-1578,共10页; 基金国家自然科学基金(51206181 51506219); 文摘为解决液体火箭发动机故障预测这一难题,提出一种基于误差预测修正的故障预测方法。在历史数据的基础上建立小波过程神经网络故障预测模型,同步计算学习样本的预测误差,根据上述误差建立双并联离散过程神经网络预测模型。预测时,将预测误差值实时补偿到小波过程神经网络预测模型以提高预测精度。通过液体火箭发动机地面试验中的涡轮泵数据对该方法进了验证。结果表明,该方法在预测精度和适应能力上较单一的过程神经网络预测模型有显著提高,进行10步预测时,预测值的标准化均方根误差为0.392,预测平均耗时为76ms,能够用于解决液体火箭发动机故障预测问题。; 关键词液体火箭发动机故障预测小波过程神经网络双并联离散过程神经网络误差修正; Keywords Liquid-propellant rocket engine Failure prediction Wavelet process neural networks Double parallel feedforward discrete input process neural network Error correlation; 分类号 V434 [航空宇航科学与技术—航空宇航推进理论与工程]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于主成分分析的离散过程神经网络水淹层动态预测方法	钟仪华李榕张志银朱海双	《测井技术》 CAS CSCD 北大核心	2010	6	在线阅读下载PDF 职称材料
2	基于离散过程神经网络页岩油气储层有机碳含量预测	刘志刚肖佃师许少华	《中国石油大学学报（自然科学版）》 EI CAS CSCD 北大核心	2017	6	在线阅读下载PDF 职称材料
3	基于离散过程神经网络的装备技术状态预测方法	张耀辉韩小孩王少华	《电子科技大学学报》 EI CAS CSCD 北大核心	2016	1	在线阅读下载PDF 职称材料
4	基于过程神经网络的液体火箭发动机状态预测	聂侥程玉强吴建军	《北京航空航天大学学报》 EI CAS CSCD 北大核心	2016	1	在线阅读下载PDF 职称材料
5	基于误差预测修正的液体火箭发动机故障预测方法研究	聂侥吴建军	《推进技术》 EI CAS CSCD 北大核心	2016	2	在线阅读下载PDF 职称材料