BP网络预测磨料射流破岩射孔深度研究的论文.pdfVIP

中国工程热物理学会 多相流 学术会议论文 编号：086027 BP 网络预测磨料射流破岩射孔深度研究 李罗鹏 王瑞和 周卫东 李华周 （中国石油大学（华东）山东东营 257061） (Tel: Email: liluopeng1982@163.com) 摘要：磨料射流破岩射孔深度与其影响因素之间存在着复杂的非线性关系，因此数学模型的建立存在 很大困难。将 BP 网络引入该领域，建立了射孔深度的神经网络预测模型。介绍了 BP 网络基本原理、 样本集构造、网络层数确定、隐节点个数确定的具体方法。并通过一个实例对建立的网络进行了训练 与验证，结果显示，网络的平均预测误差仅为3.54％，完全满足工程需要。 关键词：磨料射流，BP网络，射孔深度，预测，数学模型 0 前言 磨料射流射孔是一种增产增注技术措施，主要用于对低产低渗、老井、碳酸盐岩地 层和其它胶结致密地层进行补射孔处理，以便提高近井地带的渗透能力，从而达到增产 [1] 增注的目的 。由于射孔深度是喷嘴直径、压降、射孔时间、排量等诸多工作参数的函 数，其间存在复杂的非线性关系，数学模型的建立非常困难。本文成功将神经网络引入 射孔深度的建模领域，提出了用BP网络建立射孔深度预测模型的方法。实验证明，采用 BP网络建立预测模型的方法非常适合磨料射流射孔深度的预测。 1 BP网络基本原理 [2] 1.1 多隐层BP网络算法 算法步骤如下： (1) 初始化，对权值矩阵V 、M 赋予随机数，样本模式计数器p 置 1，训练计数 器 置0，总误差 置0，学习率η t E 设为0～1之间的小数，确定训练要达到的精度ε及 z 最大的训练步数； (2) 输入训练样本对 及 的矢量值，计算 X p dp Z f VX( ) y 与f WX( ) ； P (3) 设共有 对训练样本，其计算累积误差为 1 P m 2 E ( d )y − ； z ∑ ∑ jp jp 2 p 1 j 1 (4) 计算各层误差信号，计算δ 与δ ； y z (5) 调整各层权值，调整输出层权值 T ，调整隐层权值 W t W( t =+1) Z( ) + ηδy T V t V( t =+1) X( ) + ηδ ； z (6) 检查是否对网络所有样本对作用完成 p P ，计数器p 与t 增加1； (7) 检查网络总误差是否满足精度要求，若 p