断块油气田
斷塊油氣田
단괴유기전
FAULT-BLOCK OIL AND GAS FIELD
2014年
3期
335-338
,共4页
BP神经网络%含CO2天然气%偏差因子%模型对比
BP神經網絡%含CO2天然氣%偏差因子%模型對比
BP신경망락%함CO2천연기%편차인자%모형대비
常规经验公式+酸性气体临界参数校正法已经不能满足不同CO2摩尔分数天然气偏差因子的计算精度.采用BP神经网络模型,以实验压力(p)、实验温度(T)、修正前体系临界参数(pc,Tpc)及CO2摩尔分数作为输入变量,用相关文献共计249个实验点作为模型的学习样本进行学习,得到合理的BP神经网络模型.在此基础上,对5组不同CO2摩尔分数天然气偏差因子的实验数据进行BP神经网络预测,并与常规经验公式计算进行对比.研究结果表明:样本点模拟运算相对误差仅0.76％,精度高;常规的偏差因子计算方法仅适用于CO2摩尔分数低于50％的天然气;BP神经网络预测模型效果最好,适应性强.
常規經驗公式+痠性氣體臨界參數校正法已經不能滿足不同CO2摩爾分數天然氣偏差因子的計算精度.採用BP神經網絡模型,以實驗壓力(p)、實驗溫度(T)、脩正前體繫臨界參數(pc,Tpc)及CO2摩爾分數作為輸入變量,用相關文獻共計249箇實驗點作為模型的學習樣本進行學習,得到閤理的BP神經網絡模型.在此基礎上,對5組不同CO2摩爾分數天然氣偏差因子的實驗數據進行BP神經網絡預測,併與常規經驗公式計算進行對比.研究結果錶明:樣本點模擬運算相對誤差僅0.76％,精度高;常規的偏差因子計算方法僅適用于CO2摩爾分數低于50％的天然氣;BP神經網絡預測模型效果最好,適應性彊.
상규경험공식+산성기체림계삼수교정법이경불능만족불동CO2마이분수천연기편차인자적계산정도.채용BP신경망락모형,이실험압력(p)、실험온도(T)、수정전체계림계삼수(pc,Tpc)급CO2마이분수작위수입변량,용상관문헌공계249개실험점작위모형적학습양본진행학습,득도합리적BP신경망락모형.재차기출상,대5조불동CO2마이분수천연기편차인자적실험수거진행BP신경망락예측,병여상규경험공식계산진행대비.연구결과표명:양본점모의운산상대오차부0.76％,정도고;상규적편차인자계산방법부괄용우CO2마이분수저우50％적천연기;BP신경망락예측모형효과최호,괄응성강.
