基于BP神经网络的高含硫油井硫化物应力腐蚀预测

高级检索

基于BP神经网络的高含硫油井硫化物应力腐蚀预测

付亚荣, 马永忠, 吕德福, 孙英祥, 申玉健

文章导航 > 石油钻采工艺 > 1999 > 21(6): 98-100,102

付亚荣, 马永忠, 吕德福, 孙英祥, 申玉健. 基于BP神经网络的高含硫油井硫化物应力腐蚀预测[J]. 石油钻采工艺, 1999, 21(6): 98-100,102. doi: 10.3969/j.issn.1000-7393.1999.06.022

引用本文:

付亚荣, 马永忠, 吕德福, 孙英祥, 申玉健. 基于BP神经网络的高含硫油井硫化物应力腐蚀预测[J]. 石油钻采工艺, 1999, 21(6): 98-100,102. doi: 10.3969/j.issn.1000-7393.1999.06.022

Fu Yarong, Ma Yongzhong, La Defu, Sun Yingxiang, Shen Yujian. UTILIZE BP NERVE NETWORK TO PREDICT SULFIDE STRESS CORROSION IN HIGH SOUR OIL WELL[J]. Oil Drilling & Production Technology, 1999, 21(6): 98-100,102. doi: 10.3969/j.issn.1000-7393.1999.06.022

Citation:

Fu Yarong, Ma Yongzhong, La Defu, Sun Yingxiang, Shen Yujian. UTILIZE BP NERVE NETWORK TO PREDICT SULFIDE STRESS CORROSION IN HIGH SOUR OIL WELL[J]. Oil Drilling & Production Technology, 1999, 21(6): 98-100,102. doi: 10.3969/j.issn.1000-7393.1999.06.022

基于BP神经网络的高含硫油井硫化物应力腐蚀预测

doi: 10.3969/j.issn.1000-7393.1999.06.022

1.
华北石油管理局采油五厂

作者简介:
付亚荣,1965年生。1987年毕业于重庆石油学校,获部、局级科技进步奖20项,公开发表论文50多篇,现主要从事油田开发管理工作,油田化学工程师,(企业)会计师。

UTILIZE BP NERVE NETWORK TO PREDICT SULFIDE STRESS CORROSION IN HIGH SOUR OIL WELL

摘要: 基于BP神经网络技术具有较强的收敛性及自适应、自组织学习能力、较好的容错性,并行处理强、识别预测迅速准确、稳健性好的特点,以高含硫油井在含水2.4%~19.0%之间的实际硫化物应力腐蚀(SSC)速率作为训练样本,应用BP网络进行训练,达到精度要求后,对原样本进行回判模拟,再对只知输入信息而输出信息未知的样本进行预测。证明BP神经网络技术能够正确地预测高含硫油井的SSC,且精度高于GM(1,1)预测结果。其预测结果可用来指导油田的开发生产。
- 神经网络 /
- 含硫原油 /
- 油井 /
- 硫化氢腐蚀 /
- 预测
Abstract: The BP nerve network technique has the following characteristics:the astringency is strong, the capability of self-adaptation and self-learning is strong, the error tolerance ability is better, the parallel processing capability is strong, identification and prediction is rapid and accurate and so on. This paper takes the actual sulfide stress corrosion rate (water cut is 2.4%~19.0% for the high sour oil well) as the training samples, uses the BP nerve network to train. When the precision requirements is achieved, the original samples are judged and simulated, and then prediction is conducted for the samples for which the input data are known but the output data are unknown. The results indicate that the BP nerve network technique can correctly predict the sulfide stress corrosion in the high sour oil wells, and the precision is higher than that of GM. The predicted result can be used to direct the development of the oilfields.
- nerve network /
- sour crude /
- oil /
- oil well /
- hydrogen sulfide corrosion

[1]	沙林秀, 胥陈卓. 基于主成分分析的NCPSO-BP机械钻速预测 . 石油钻采工艺, 2022, 44(4): 515-521. doi: 10.13639/j.odpt.2022.04.017
[2]	罗发强, 刘景涛, 陈修平, 李少安, 姚学喆, 陈冬. 基于BP和LSTM神经网络的顺北油田5号断裂带地层孔隙压力智能预测方法 . 石油钻采工艺, 2022, 44(4): 506-514. doi: 10.13639/j.odpt.2022.04.016
[3]	朱硕, 宋先知, 李根生, 祝兆鹏, 姚学喆. 钻柱摩阻扭矩智能实时分析与卡钻趋势预测 . 石油钻采工艺, 2021, 43(4): 428-435. doi: 10.13639/j.odpt.2021.04.003
[4]	王文, 刘小刚, 窦蓬, 林海, 陶林. 基于神经网络的深层机械钻速预测方法 . 石油钻采工艺, 2018, 40(S1): 121-124. doi: 10.13639/j.odpt.2018.S0.034
[5]	王金凤, 杨晨, 毛邓添, 苟斐斐. BP神经网络法预测水基绒囊钻井液当量静态密度　 . 石油钻采工艺, 2013, 35(6): 32-35.
[6]	冯其红, 陈耀武, 郭京来. 注水井调剖效果预测统计方法研究 . 石油钻采工艺, 2003, 25(6): 63-66. doi: 10.3969/j.issn.1000-7393.2003.06.020
[7]	杨进. 地层压力BP网络预测方法研究及其应用 . 石油钻采工艺, 2003, 25(3): 13-15. doi: 10.3969/j.issn.1000-7393.2003.03.004
[8]	刘波, 鄢捷年, 李静. 泥页岩分类的BP神经网络方法 . 石油钻采工艺, 2003, 25(4): 20-22. doi: 10.3969/j.issn.1000-7393.2003.04.007
[9]	徐波, 薛中天, 韩继勇. 用灰色系统模型预测油井产量 . 石油钻采工艺, 2001, 23(3): 48-49,85. doi: 10.3969/j.issn.1000-7393.2001.03.016
[10]	薛亚东, 高德利. 基于人工神经网络的实钻地层可钻性预测 . 石油钻采工艺, 2001, 23(1): 26-28,83. doi: 10.3969/j.issn.1000-7393.2001.01.007
[11]	梁春. 对抽油井油管柱振动规律的认识 . 石油钻采工艺, 2000, 22(1): 62-63. doi: 10.3969/j.issn.1000-7393.2000.01.017
[12]	曲海潮, 张士诚, 檀朝东. 热阻热容算式在电缆、电热杆油井温度场模拟研究中的应用 . 石油钻采工艺, 1998, 20(2): 55-59. doi: 10.3969/j.issn.1000-7393.1998.02.015
[13]	王德新, 吕从容. 油井中后期出砂预测及防砂对策 . 石油钻采工艺, 1997, 19(3): 81-84. doi: 10.3969/j.issn.1000-7393.1997.03.018
[14]	郭永峰. 用回归分析法预测钻头最佳进尺及钻速 . 石油钻采工艺, 1994, 16(1): 24-26,80. doi: 10.3969/j.issn.1000-7393.1994.01.005
[15]	高振环, 陈静惠, 宋合龙. 油井树脂小球堵水剂及其制法 . 石油钻采工艺, 1994, 16(6): 69-72. doi: 10.3969/j.issn.1000-7393.1994.06.013
[16]	梅文荣, 赖天华. 神经网络在固相颗粒损害仿真研究中的应用 . 石油钻采工艺, 1994, 16(4): 42-47. doi: 10.3969/j.issn.1000-7393.1994.04.006
[17]	王艳辉, 刘希圣, 王鸿勋. 油井出砂预测技术的发展与应用综述 . 石油钻采工艺, 1994, 16(5): 79-86. doi: 10.3969/j.issn.1000-7393.1994.05.019
[18]	韩志国, 李玉仁. 定量预测清蜡周期方法的探讨 . 石油钻采工艺, 1993, 15(2): 82-85,90. doi: 10.3969/j.issn.1000-7393.1993.02.015
[19]	张建, 羊争鸣. 油井电缆加热优化设计的数值模拟 . 石油钻采工艺, 1992, 14(6): 69-74,82. doi: 10.3969/j.issn.1000-7393.1992.06.012
[20]	龚伟安. 原油产量及综合含水率的灰色理论预测 . 石油钻采工艺, 1992, 14(2): 55-60. doi: 10.3969/j.issn.1000-7393.1992.02.008

WeChat

点击查看大图

计量

文章访问数: 256
HTML全文浏览量: 30
PDF下载量: 233
被引次数: 0

基于BP神经网络的高含硫油井硫化物应力腐蚀预测

doi: 10.3969/j.issn.1000-7393.1999.06.022

1. 华北石油管理局采油五厂

作者简介:
付亚荣,1965年生。1987年毕业于重庆石油学校,获部、局级科技进步奖20项,公开发表论文50多篇,现主要从事油田开发管理工作,油田化学工程师,(企业)会计师。

收稿日期: 2019-05-14
修回日期: 2019-05-14
刊出日期: 1900-01-01

关键词:

硫化氢腐蚀 /

摘要: 基于BP神经网络技术具有较强的收敛性及自适应、自组织学习能力、较好的容错性,并行处理强、识别预测迅速准确、稳健性好的特点,以高含硫油井在含水2.4%~19.0%之间的实际硫化物应力腐蚀(SSC)速率作为训练样本,应用BP网络进行训练,达到精度要求后,对原样本进行回判模拟,再对只知输入信息而输出信息未知的样本进行预测。证明BP神经网络技术能够正确地预测高含硫油井的SSC,且精度高于GM(1,1)预测结果。其预测结果可用来指导油田的开发生产。

English Abstract

付亚荣, 马永忠, 吕德福, 孙英祥, 申玉健. 基于BP神经网络的高含硫油井硫化物应力腐蚀预测[J]. 石油钻采工艺, 1999, 21(6): 98-100,102. doi: 10.3969/j.issn.1000-7393.1999.06.022

引用本文:

付亚荣, 马永忠, 吕德福, 孙英祥, 申玉健. 基于BP神经网络的高含硫油井硫化物应力腐蚀预测[J]. 石油钻采工艺, 1999, 21(6): 98-100,102. doi: 10.3969/j.issn.1000-7393.1999.06.022

Fu Yarong, Ma Yongzhong, La Defu, Sun Yingxiang, Shen Yujian. UTILIZE BP NERVE NETWORK TO PREDICT SULFIDE STRESS CORROSION IN HIGH SOUR OIL WELL[J]. Oil Drilling & Production Technology, 1999, 21(6): 98-100,102. doi: 10.3969/j.issn.1000-7393.1999.06.022

Citation:

Fu Yarong, Ma Yongzhong, La Defu, Sun Yingxiang, Shen Yujian. UTILIZE BP NERVE NETWORK TO PREDICT SULFIDE STRESS CORROSION IN HIGH SOUR OIL WELL[J]. Oil Drilling & Production Technology, 1999, 21(6): 98-100,102. doi: 10.3969/j.issn.1000-7393.1999.06.022

全文HTML

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回

Copyright © 2018 《石油钻采工艺》 All Rights Reserved.冀ICP备09022885号-1

通信地址: 河北省任丘市华北油田采油工程研究院邮政编码: 062552

电话: 0317-2723370, 2724207传真: 0317-2724207Email: syzc@vip.163.com

本系统由北京仁和汇智信息技术有限公司设计开发技术支持: info@rhhz.net