稠油开采方式决策混合智能系统

高级检索

稠油开采方式决策混合智能系统

文章导航 > 石油钻采工艺 > 2001 > 23(5): 49-53,85

孙燕军. 稠油开采方式决策混合智能系统[J]. 石油钻采工艺, 2001, 23(5): 49-53,85. doi: 10.3969/j.issn.1000-7393.2001.05.015

引用本文:

孙燕军. 稠油开采方式决策混合智能系统[J]. 石油钻采工艺, 2001, 23(5): 49-53,85. doi: 10.3969/j.issn.1000-7393.2001.05.015

Sun Yanjun. REALIZATION AND APPLICATION OF THE MIXED INTELLIGENCE SYSTEM IN SCREENING OF VISCOUS CRUDE OIL PRODUCTION SCHEMES[J]. Oil Drilling & Production Technology, 2001, 23(5): 49-53,85. doi: 10.3969/j.issn.1000-7393.2001.05.015

Citation:

Sun Yanjun. REALIZATION AND APPLICATION OF THE MIXED INTELLIGENCE SYSTEM IN SCREENING OF VISCOUS CRUDE OIL PRODUCTION SCHEMES[J]. Oil Drilling & Production Technology, 2001, 23(5): 49-53,85. doi: 10.3969/j.issn.1000-7393.2001.05.015

稠油开采方式决策混合智能系统

doi: 10.3969/j.issn.1000-7393.2001.05.015

孙燕军

1.
杭州电子工业学院管理分院, 浙江杭州 310037

作者简介:
孙燕军,1969年生。1992年毕业于石油大学(华东),1998年获石油大学油气田开发硕士学位,现从事信息管理与信息系统教学与研究。

REALIZATION AND APPLICATION OF THE MIXED INTELLIGENCE SYSTEM IN SCREENING OF VISCOUS CRUDE OIL PRODUCTION SCHEMES

Sun Yanjun

1.
Manage Branch of Hangzhou Electron and Industry Institute

摘要: 以往稠油开采方式都是通过人工筛选的,不同的专家可能得出几种不同的筛选结果,而每种结果的好坏难以评价。针对这一情况,提出并设计了 1种更为可靠的筛选途径,即利用混合智能系统,将符号专家系统与人工神经网络紧密地融合在一起,通过符号专家系统优化神经网络的结构,同时用神经网络获取稠油开采方式筛选所需的参数贡献度知识。该系统实现了知识的模糊表示,知识库的层次性组织、知识的模糊推理等。用现场资料进行检验,系统筛选结果与实际情况吻合很好。该混合智能系统的开发,也为其广泛用于石油勘探开发的其它领域开辟了一条新路。
- 稠油 /
- 开采方式 /
- 符号 /
- 专家系统 /
- 神经网络 /
- 混合 /
- 智能 /
- 模糊分析
Abstract: Traditionally the screening of viscous crude oil production schemes are conducted manually, in which every experts may arrive at different results and the superiority of these are hard to judge. The mixed intelligence system which is more reliable is put forward. In the system, the symbolic expert system (SBWS) and the artificial neural network are integrated, the former being aimed at optimizing the structure of the latter while the latter being used to acquire the contribution degrees of screening of viscous crude oil production schemes’ character parameters. With the system, fuzzy expression of expert knowledge, multi-level organization of the knowledge base, fuzzy inference are realized. A satisfactory result was yielded in the field testing. The development of the system also opens a new perspective toward a more extensive utilization of the mixed intelligence system in other areas of oil exploration and development.
- mixing /
- intelligence /
- viscous crude oil /
- recovery method /
- sign /
- expert system /
- nerve network /
- fuzzy inference

[1]	胡志强, 杨进, 王磊, 侯绪田, 张桢翔, 姜萌磊. 钻井工况智能识别与时效分析技术 . 石油钻采工艺, 2022, 44(2): 241-246. doi: 10.13639/j.odpt.2022.02.016
[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]	胡学军, 齐梅, 张红臣, 冯建华. 注有机极性气体开采稠油技术 . 石油钻采工艺, 2012, 34(5): 84-86.
[6]	石崇东, 李琪, 张绍槐. 智能油田和智能钻采技术的应用与发展 . 石油钻采工艺, 2005, 27(3): 1-4. doi: 10.3969/j.issn.1000-7393.2005.03.001
[7]	刘艳波, 刘东亮. 氮气在乐安稠油油田开采中的应用 . 石油钻采工艺, 2004, 26(3): 69-71. doi: 10.3969/j.issn.1000-7393.2004.03.021
[8]	刘月田, 孙保利, 于永生. 大孔道模糊识别与定量计算方法 . 石油钻采工艺, 2003, 25(5): 54-59. doi: 10.3969/j.issn.1000-7393.2003.05.015
[9]	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
[10]	范洪富, 刘永建, 赵晓非, 钟立国. 国内首例井下水热裂解催化降粘开采稠油现场试验 . 石油钻采工艺, 2001, 23(3): 42-44,85. doi: 10.3969/j.issn.1000-7393.2001.03.014
[11]	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
[12]	钟伟龙, 李旭晖, 阎连生, 赵万金. 配入非活性硝酸粉末的混合酸酸化工艺技术 . 石油钻采工艺, 1999, 21(2): 86-88. doi: 10.3969/j.issn.1000-7393.1999.02.017
[13]	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 . 石油钻采工艺, 1999, 21(6): 98-100,102. doi: 10.3969/j.issn.1000-7393.1999.06.022
[14]	孙正义, 高兴坤, 曹锡玲. 钻井卡钻事故预测及诊断专家系统模型的建立与实现 . 石油钻采工艺, 1996, 18(1): 20-23. doi: 10.3969/j.issn.1000-7393.1996.01.005
[15]	李安, 张嗣伟. 有杆泵抽油井故障诊断专家系统 . 石油钻采工艺, 1995, 17(6): 89-92. doi: 10.3969/j.issn.1000-7393.1995.06.020
[16]	刘介人. 工频集肤电热开采高凝稠油的理论研究与实践 . 石油钻采工艺, 1994, 16(4): 74-78. doi: 10.3969/j.issn.1000-7393.1994.04.012
[17]	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
[18]	刘尚奇. 蒸汽吞吐转汽驱方式研究 . 石油钻采工艺, 1993, 15(6): 66-70. doi: 10.3969/j.issn.1000-7393.1993.06.011
[19]	柴满洲. 有杆泵采油装置的智能诊断 . 石油钻采工艺, 1992, 14(5): 61-65. doi: 10.3969/j.issn.1000-7393.1992.05.012
[20]	刘介人. 非蒸汽热力开采低渗高凝稠油探讨 . 石油钻采工艺, 1991, 13(5): 71-76. doi: 10.3969/j.issn.1000-7393.1991.05.014

WeChat

点击查看大图

计量

文章访问数: 238
HTML全文浏览量: 31
PDF下载量: 328
被引次数: 0

稠油开采方式决策混合智能系统

doi: 10.3969/j.issn.1000-7393.2001.05.015

孙燕军

1. 杭州电子工业学院管理分院, 浙江杭州 310037

作者简介:
孙燕军,1969年生。1992年毕业于石油大学(华东),1998年获石油大学油气田开发硕士学位,现从事信息管理与信息系统教学与研究。

收稿日期: 2019-05-15
修回日期: 2019-05-15
刊出日期: 1900-01-01

关键词:

摘要: 以往稠油开采方式都是通过人工筛选的,不同的专家可能得出几种不同的筛选结果,而每种结果的好坏难以评价。针对这一情况,提出并设计了 1种更为可靠的筛选途径,即利用混合智能系统,将符号专家系统与人工神经网络紧密地融合在一起,通过符号专家系统优化神经网络的结构,同时用神经网络获取稠油开采方式筛选所需的参数贡献度知识。该系统实现了知识的模糊表示,知识库的层次性组织、知识的模糊推理等。用现场资料进行检验,系统筛选结果与实际情况吻合很好。该混合智能系统的开发,也为其广泛用于石油勘探开发的其它领域开辟了一条新路。

English Abstract

孙燕军. 稠油开采方式决策混合智能系统[J]. 石油钻采工艺, 2001, 23(5): 49-53,85. doi: 10.3969/j.issn.1000-7393.2001.05.015

引用本文:

孙燕军. 稠油开采方式决策混合智能系统[J]. 石油钻采工艺, 2001, 23(5): 49-53,85. doi: 10.3969/j.issn.1000-7393.2001.05.015

Sun Yanjun. REALIZATION AND APPLICATION OF THE MIXED INTELLIGENCE SYSTEM IN SCREENING OF VISCOUS CRUDE OIL PRODUCTION SCHEMES[J]. Oil Drilling & Production Technology, 2001, 23(5): 49-53,85. doi: 10.3969/j.issn.1000-7393.2001.05.015

Citation:

Sun Yanjun. REALIZATION AND APPLICATION OF THE MIXED INTELLIGENCE SYSTEM IN SCREENING OF VISCOUS CRUDE OIL PRODUCTION SCHEMES[J]. Oil Drilling & Production Technology, 2001, 23(5): 49-53,85. doi: 10.3969/j.issn.1000-7393.2001.05.015

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