极限学习机算法的改进及其在抽油机井中的应用研究

极限学习机算法的改进及其在抽油机井中的应用研究

ID:23689765

大小:3.24 MB

页数:102页

时间:2018-11-09

极限学习机算法的改进及其在抽油机井中的应用研究_第1页
极限学习机算法的改进及其在抽油机井中的应用研究_第2页
极限学习机算法的改进及其在抽油机井中的应用研究_第3页
极限学习机算法的改进及其在抽油机井中的应用研究_第4页
极限学习机算法的改进及其在抽油机井中的应用研究_第5页
资源描述:

《极限学习机算法的改进及其在抽油机井中的应用研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、硕士学位论文MASTERDISSERTATION极限学习机算法的改进及其在抽油机井中的应用研究ImprovementofExtremeLearningMachineAlgorithmandItsApplicationResearchinPumpingWell作者苏志伟导师那文波教授学科检测技术与自动化装置中国计量学院二〇一四年六月万方数据ImprovementofExtremeLearningMachineAlgorithmandItsApplicationResearchinPumpingWellByZhiweiSuADissertationSubmitted

2、toChinaJiliangUniversityInpartialfulfillmentoftherequirementForthedegreeofMasterofEngineeringChinaJiliangUniversityJune,2014万方数据中图分类号TE933学校代码10356 UDC621密级公开硕士学位论文MASTERDISSERTATION极限学习机算法的改进及其在抽油机井中的应用研究ImprovementofExtremeLearningMachineAlgorithmandItsApplicationResearchinPumpingW

3、ell作者苏志伟导师那文波教授申请学位工学硕士培养单位中国计量学院学科专业检测技术与自动化装置研究方向预测与故障诊断二〇一四年六月万方数据独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的研究成果,除了文中特别加以标注和致谢之处外,论文中不包含其他人已经发表或撰写过的研究成果,也不包含为获得中国计量学院或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。学位论文作者签名:签字日期:年月日学位论文版权使用授权书本学位论文作者完全了解中国计量学院有关保留、使用学位论文的规定

4、。特授权中国计量学院可以将学位论文的全部或部分内容编入有关数据库进行检索,并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校向国家有关部门或机构送交论文的复印件和磁盘。(保密的学位论文在解密后适用本授权说明)学位论文作者签名:导师签名:签字日期:年月日签字日期:年月日万方数据致谢光阴荏苒,硕士研究生的时光即将结束,三年的学习生活使我受益匪浅。这一路走来的点滴片段,如同影像般涌入我的脑海,无论喜悦、烦恼、收获还是挫败,都是那样的温暖与珍贵。深深地感谢我的导师那文波教授。在我攻读硕士学位期间,那老师平易近人,无论在科研上还是学习生活中,都给予我热心帮

5、助和关心爱护。那老师渊博的学识,严谨的治学态度,宽厚待人的高贵品格,敏锐的研究思路、宽阔的学术视野以及对待科研教育认真负责、创新的态度,永远值得我学习,也让我受益终身。对此,再次对我的导师那文波教授致以深深地感谢和崇高的敬意,同时,还要感谢我的师兄文科,他给了我很多指教和帮助,感谢师弟蒋青锋和刘巍,他们给我的鼎力支持。感谢和我一起度过研究生生活的实验室同学,蒋正帅、易水强、毛传林、黄晓兰,他们和我的科研、学习和生活都密不可分,给予了我极大的帮助。感谢成长经历中的所有老师,是他们一步一步教育和培养了我。最后要特别感谢我的家人,谢谢你们一直默默地支持我,鼓励我,让我

6、充满动力,顺利完成硕士论文。苏志伟2014年6月万方数据中国计量学院硕士学位论文极限学习机算法的改进及其在抽油机井中的应用研究摘要:近年来我国的经济发展迅猛,石油生产的地位变得越来越重要。及时掌握抽油机井的生产变化和运行状态对整个油田的综合效益与安全生产都有十分重要的意义。然而,目前在石油生产工程中,在油井产量预测方面,由于油井动态数据应用单一,无法提前掌握油井产量的生产变化,不能有效地制定生产计划,影响综合效益;在油井开采方面,有杆采油仍然占主导地位,但因其井下工况复杂并且环境恶劣,所以故障发生率较高,影响安全生产和产油质量。虽然目前在理论上已有一些抽油机井产

7、量预测与故障诊断方法,如LM算法优化的BP神经网络(LMBP)、遗传算法优化的BP神经网络(GABP)、RBF神经网络、支持向量机(SVM)等,尚不能很好地完成产量预测与故障诊断,预测误差和诊断正确率有待大幅改善。为此本文在对极限学习机算法改进基础上,提出了基于灰色关联分析法与改进极限学习机结合的油井产量预测方法和基于小波包与改进极限学习机相结合的有杆抽油机井故障诊断方法,实现了对单井的产量和有杆抽油机井故障进行快速、准确的预测与诊断。本文主要围绕以下五个方面的内容开展研究:(1)对油井产量预测主要影响因素开展研究,分析油井产量预测的影响因素,提出利用灰色关联分

8、析法提取主要影响因素,并

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。