BP神经网络在混合原油凝点预测中的应用

doi:10.3696/j.issn.1006-396X.2009.03.021

石油化工高等学校学报 ›› 2009, Vol. 22 ›› Issue (3): 86-88.DOI: 10.3696/j.issn.1006-396X.2009.03.021

BP神经网络在混合原油凝点预测中的应用

侯磊¹,许新裕¹,刘秀联²

1.中国石油大学（北京）城市油气输配技术北京市重点实验室,北京102249;
2.中国石油（土库曼斯坦）阿姆河天然气公司，北京100034

收稿日期:2008-09-22 修回日期:2008-12-12 出版日期:2009-09-25 发布日期:2009-09-25
作者简介:侯　磊(1966 -), 男, 山东禹城市, 副教授, 博士
基金资助:
中国石油天然气集团公司中青年创新基金项目(07E1007);863 计划专题课题(2006AA09Z357)

Application of BP Neura1 Network in the Gel Point Prediction of Blend Crude Oil

1. Beijing Key Laboratory of Urban Oil and Gas Distribution Technology, China University of Petroleum(Beijing), Beijing 102249, P. R. China;
2. China National Petroleum Corporation International Turkmenistan Ltd., Beijing 100034, P. R. China

Received:2008-09-22 Revised:2008-12-12 Published:2009-09-25 Online:2009-09-25

摘要/Abstract

摘要： 通过研究BP神经网络算法和混合原油凝点测量数据，用BP神经网络建立一种混合原油的凝点预测模型。引入具有高度非线性预测能力的误差反向传播的人工神经网络方法，以单组分原油凝点及其配比作为神经网络的输入向量，以混合原油凝点为输出向量，研究混合原油凝点与单组分原油凝点及配比之间的相关性。预测结果表明，混合原油凝点预测值的最大绝对偏差为0.128℃，平均绝对偏差为0.022℃，BP神经网络的凝点预测结果准确性明显优于其它混合原油凝点预测模型。

关键词: BP 神经网络 , 混合原油 , 凝点 , 预测

Abstract:

The BP neura1 network and the tested gel points of the blend crude oil were studied. A prediction model based on the BP neura1 network was established to calculate the gel point of the blend crude oil. The back-propagation artificial neural network has the satisfactory nonlinear prediction ability. The gel points of the component crude oil and their proportions were taken as the input vector and the gel points of the blend crude oil as the output one. The relationship between the gel points of the blend crude oil and the component crude oil was researched. The results show that the gel point prediction model based on the BP neura1 network is better than other gel point prediction models. The maximum average deviation of the predicted gel point is only 0.128 °C and the average absolute deviation is 0.022 °C. 

Key words: BP neura1 network , Blend crude oil , Gel point , Prediction

侯磊,许新裕,刘秀联. BP神经网络在混合原油凝点预测中的应用[J]. 石油化工高等学校学报, 2009, 22(3): 86-88.

HOU Lei,XU Xin-yu,LIU Xiu-lian. Application of BP Neura1 Network in the Gel Point Prediction of Blend Crude Oil[J]. Journal of Petrochemical Universities, 2009, 22(3): 86-88.

[1]	李雨, 侯磊, 徐磊, 白小众, 刘金海, 孙欣, 谷文渊. 基于混合BP神经网络的原油管道电耗预测研究[J]. 石油化工高等学校学报, 2022, 35(2): 68-73.
[2]	刘德俊，亓立鹏. 海底砂岩水合物生成机理及储量预测研究进展[J]. 石油化工高等学校学报, 2021, 34(2): 76-84.
[3]	于涛，展明达，张文瑄，胡静. 长输热油管道非稳态油温预测[J]. 石油化工高等学校学报, 2020, 33(6): 71-78.
[4]	杨永超，吕昕倩，尚庆华，郭茂雷，白艳伟. 空气泡沫驱油藏含水及产气特征规律研究[J]. 石油化工高等学校学报, 2020, 33(2): 29-36.
[5]	周润楠，魏建光. 基于蒸汽驱精细储层拟合的井网加密调整研究[J]. 石油化工高等学校学报, 2019, 32(3): 76-81.
[6]	张亚鑫，李思，王卫强，王国付，项楠，黄悦. 含水率对油包水乳状液流变和析蜡特性分析[J]. 石油化工高等学校学报, 2019, 32(2): 71-76.
[7]	洪博岩. 乙烯裂解炉平均COT温度先进控制系统的开发与应用[J]. 石油化工高等学校学报, 2019, 32(2): 92-97.
[8]	兰金玉. 断层附近砂体精细预测方法研究[J]. 石油化工高等学校学报, 2019, 32(1): 47-51.
[9]	郑坚钦,王博弘,张浩然,梁永图. 天然气需求量预测研究进展[J]. 石油化工高等学校学报, 2018, 31(04): 1-6.
[10]	任喜东，李咏洲. Z油田大斜度压裂井产能数值模拟研究[J]. 石油化工高等学校学报, 2018, 31(02): 76-81.
[11]	李时光,吕宇玲. 旋风分离器性能预测模型研究进展[J]. 石油化工高等学校学报, 2017, 30(3): 89-94.
[12]	侯亚伟,张东,朱玉国,刘博伟,牟松茹. 底水油藏水平井见水后动态预测模型的建立与应用[J]. 石油化工高等学校学报, 2016, 29(6): 51-55.
[13]	孙强,王丹,郭绪强,刘爱贤,刘晓冬. 直链烷烃动力黏度与声速关系研究[J]. 石油化工高等学校学报, 2016, 29(1): 1-5.
[14]	刘美, 林泽野, 王男男, 赵德智. 新型柴油降凝剂的合成方法[J]. 石油化工高等学校学报, 2015, 28(6): 25-28.
[15]	乔文波, 李海涛, 张富畋, 张岭, 张美, 李龙飞. 基于正交设计与统计分析的注水井储层伤害预测[J]. 石油化工高等学校学报, 2015, 28(6): 44-48.

BP神经网络在混合原油凝点预测中的应用

Application of BP Neura1 Network in the Gel Point Prediction of Blend Crude Oil

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics