• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于神經(jīng)網(wǎng)絡(luò)的鉆井液漏失裂縫寬度預(yù)測(cè)研究

    2023-09-27 05:16:36徐加放趙密福王博聞王亞華王瀟輝馬騰飛
    煤田地質(zhì)與勘探 2023年9期
    關(guān)鍵詞:鉆井液寬度儲(chǔ)層

    王 健,徐加放,2,3,趙密福,王博聞,王亞華,陳 杰,王瀟輝,楊 剛,馬騰飛

    (1.中國(guó)石油大學(xué)(華東)石油工程學(xué)院,山東 青島 266580;2.油氣鉆完井技術(shù)國(guó)家工程研究中心,山東 青島 266580;3.非常規(guī)油氣開發(fā)教育部重點(diǎn)實(shí)驗(yàn)室,山東 青島 266580;4.中國(guó)石油化工股份有限公司東北分公司,吉林 長(zhǎng)春 130000;5.中聯(lián)煤層氣有限責(zé)任公司,北京 100011)

    在鉆井過程中,由于壓差作用鉆井液往往通過裂縫滲透進(jìn)入地層造成鉆井液漏失,或者進(jìn)入儲(chǔ)層導(dǎo)致儲(chǔ)層污染,尤其是煤層氣儲(chǔ)層,裂縫層理發(fā)育,在鉆井時(shí)極易受到污染[1]。對(duì)于這一現(xiàn)象,通常的方法為在鉆井過程中根據(jù)鉆遇地層裂縫大小選擇相應(yīng)的封堵材料,對(duì)縫隙進(jìn)行封堵,從而降低鉆井液濾失[2],因此對(duì)漏失裂縫寬度進(jìn)行預(yù)測(cè)極為重要。

    目前傳統(tǒng)的測(cè)定儲(chǔ)層裂縫寬度的方法主要有測(cè)井識(shí)別、經(jīng)驗(yàn)法以及模型計(jì)算等。其中,測(cè)井識(shí)別是在鉆井過程中通過測(cè)井來獲取天然裂縫寬度的相關(guān)數(shù)據(jù)[3-4],但是其無(wú)法測(cè)得鉆進(jìn)過程中裂縫的變化且在井漏時(shí)操作較為困難。經(jīng)驗(yàn)法主要是根據(jù)以往的堵漏經(jīng)驗(yàn)來判斷儲(chǔ)層裂縫寬度,但是很難保證其成功率[5]。模型計(jì)算是通過建立相應(yīng)的漏失模型對(duì)裂縫寬度進(jìn)行計(jì)算,如以牛頓流體為研究對(duì)象建立的平均寬度Sanfillippo 模型[6]以及相應(yīng)的改進(jìn)模型[7-8]等,雖然數(shù)學(xué)模型計(jì)算發(fā)展較快,但是其運(yùn)用的公式較為復(fù)雜且需要的儲(chǔ)層參數(shù)不一,適應(yīng)范圍有限,現(xiàn)場(chǎng)應(yīng)用困難,需要一種較為簡(jiǎn)單且適應(yīng)范圍廣的裂縫預(yù)測(cè)模型。

    隨著人工智能的發(fā)展,一些學(xué)者利用人工智能方法對(duì)儲(chǔ)層裂縫進(jìn)行預(yù)測(cè)[5-9]并取得了不錯(cuò)的效果,但大多只利用了單一的預(yù)測(cè)模型或單一的優(yōu)化模型,沒有考慮對(duì)其進(jìn)行系統(tǒng)優(yōu)化以提升模型的預(yù)測(cè)精度,而隨著智能算法的發(fā)展,很多優(yōu)化算法和集成算法被應(yīng)用到人工智能預(yù)測(cè)當(dāng)中,使得模型的預(yù)測(cè)能力與精度大大提高[10-11]。

    鑒于此,筆者利用遺傳算法(GA)和Adaboost 算法對(duì)BP 神經(jīng)網(wǎng)絡(luò)(BPNN)進(jìn)行優(yōu)化以提高其預(yù)測(cè)性能,建立了Adaboost-GA-BP 神經(jīng)網(wǎng)絡(luò)裂縫寬度預(yù)測(cè)模型,對(duì)裂縫寬度進(jìn)行預(yù)測(cè),為鉆井過程中鉆井液漏失的裂縫寬度判斷和堵漏劑的選擇提供一定的指導(dǎo)。

    1 Adaboost-GA-BP 神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型

    1.1 BP 神經(jīng)網(wǎng)絡(luò)

    BP 神經(jīng)網(wǎng)絡(luò)是利用誤差反向傳播來進(jìn)行訓(xùn)練的多層前饋網(wǎng)絡(luò),應(yīng)用范圍十分廣泛,其網(wǎng)絡(luò)結(jié)構(gòu)由3 部分組成:輸入層、隱含層和輸出層。輸入?yún)?shù)從輸入層輸入,經(jīng)過隱含層的進(jìn)一步處理,最后由輸出層輸出預(yù)測(cè)結(jié)果。另外,單隱含層的BP 神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型可以擬合逼近非線性函數(shù),達(dá)到很高的預(yù)測(cè)精度[12],因此本文采用單隱含層的BP 神經(jīng)網(wǎng)絡(luò)作為基礎(chǔ)的預(yù)測(cè)模型,其具體結(jié)構(gòu)如圖1 所示。

    圖1 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)Fig.1 Neural network structure

    雖然BP 神經(jīng)網(wǎng)絡(luò)具有很高的預(yù)測(cè)能力,但是其在訓(xùn)練過程中初始權(quán)值和閾值是隨機(jī)選擇的,選擇不當(dāng)會(huì)使得模型陷入局部極小值而無(wú)法達(dá)到全局最優(yōu)[13],因此需要對(duì)其進(jìn)行優(yōu)化。

    1.2 遺傳優(yōu)化算法

    遺傳算法是模擬自然界中生物進(jìn)化的一種全局優(yōu)化方法,具有較好的全局尋優(yōu)能力[14],可對(duì)神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值進(jìn)行優(yōu)化,找到全局最優(yōu)解。因此,利用遺傳算法對(duì)BP 神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值進(jìn)行相應(yīng)的優(yōu)化,使預(yù)測(cè)精度進(jìn)一步地提升,其算法具體流程如圖2 所示,整體步驟如下[15-16]。

    圖2 遺傳算法優(yōu)化BPNN 流程Fig.2 Optimization process of BPNN by genetic algorithms

    (1)初始化設(shè)置。設(shè)定交叉和變異概率、最大迭代次數(shù)、種群規(guī)模等參數(shù)并初始化種群。

    (2)適應(yīng)度計(jì)算。計(jì)算每條染色體適應(yīng)度值并進(jìn)行排序,其適應(yīng)度計(jì)算公式[17]如下:

    式中:E為適應(yīng)度值;yi、di分別為第i個(gè)數(shù)據(jù)的實(shí)際值和預(yù)測(cè)值,N為訓(xùn)練樣本數(shù)。

    (3)選擇操作。依據(jù)個(gè)體的適應(yīng)度值大小對(duì)種群進(jìn)行選擇,淘汰適應(yīng)度差的個(gè)體。

    (4)交叉和變異操作。從步驟3獲取的個(gè)體中,以交叉和變異概率進(jìn)行交叉和變異操作,形成新的群體。

    (5)重新計(jì)算適應(yīng)度值。計(jì)算步驟4得到個(gè)體的適應(yīng)度值,同時(shí)將新產(chǎn)生的染色體帶入到原種群中,得到新種群。

    (6)終止條件判斷。計(jì)算個(gè)體的適應(yīng)度值是否滿足精度要求,若滿足則優(yōu)化完成,否則重復(fù)步驟2—步驟6 進(jìn)行循環(huán)計(jì)算,直到滿足精度要求或迭代次數(shù)達(dá)到最大設(shè)定值,則停止迭代。

    1.3 Adaboost 算法

    Adaboost 算法是一種迭代算法,屬于自適應(yīng)增強(qiáng)算法。其算法的思想是通過合并多個(gè)“弱”預(yù)測(cè)器的輸出,產(chǎn)生有效預(yù)測(cè)[18],其算法具體流程如圖3 所示,其主要步驟[19]如下。

    圖3 Adaboost 算法流程Fig.3 Adaboost algorithm flowchart

    (1)確定弱預(yù)測(cè)器的模型和相應(yīng)的數(shù)據(jù),并給每組訓(xùn)練數(shù)據(jù)一個(gè)初始權(quán)重。

    (2)利用訓(xùn)練數(shù)據(jù)對(duì)弱預(yù)測(cè)器進(jìn)行迭代計(jì)算,按照每次迭代的結(jié)果對(duì)訓(xùn)練數(shù)據(jù)的權(quán)重進(jìn)行更新,對(duì)于預(yù)測(cè)效果差的數(shù)據(jù)賦予更高的權(quán)重以使這些數(shù)據(jù)在下一次迭代運(yùn)算時(shí)得到更多關(guān)注。

    (3)通過對(duì)弱預(yù)測(cè)器的反復(fù)迭代計(jì)算出預(yù)測(cè)函數(shù)序列,每個(gè)預(yù)測(cè)函數(shù)都有相應(yīng)的權(quán)重,結(jié)果越好的預(yù)測(cè)函數(shù)對(duì)應(yīng)的權(quán)重越大。

    (4)經(jīng)過數(shù)次迭代后,通過弱預(yù)測(cè)函數(shù)的加權(quán)得到強(qiáng)預(yù)測(cè)器的函數(shù)。

    2 數(shù)據(jù)分析與處理

    選取合適的地層裂縫特征參數(shù)對(duì)于預(yù)測(cè)結(jié)果的準(zhǔn)確性至關(guān)重要。地層裂縫寬度與許多因素有著較為密切的關(guān)系,影響因素較為復(fù)雜。首先,漏失速度和漏失量與地層裂縫寬度有著直接的關(guān)系,鉆井液的漏失速率隨裂縫寬度的增加而增加[20],單位時(shí)間內(nèi)的漏失量也隨之增加。另外,鉆井液密度高,靜切力以及塑性黏度大,會(huì)使得鉆井液中的網(wǎng)架結(jié)構(gòu)遭到破壞,有效液柱壓力與地層之間產(chǎn)生壓差,會(huì)造成井筒周圍的裂縫發(fā)生變化[21]。O.Lietard 等建立的Lietard 模型總結(jié)出了塑性黏度,鉆井液漏失速度以及裂縫寬度之間的關(guān)系[22]。泵壓的變化也會(huì)對(duì)井底壓力產(chǎn)生影響,進(jìn)而使得裂縫寬度發(fā)生變化,而隨著井深的增加,地層壓實(shí)作用越大,裂縫寬度越小。鉆速過快會(huì)使得井底產(chǎn)生壓力波動(dòng),使得井筒周圍的裂縫產(chǎn)生擴(kuò)展。通過查閱相關(guān)資料[23],收集選取了91 組鉆井過程中與地層裂縫寬度有關(guān)的井史資料,包括漏失量、井深、塑性黏度、鉆井液靜切力、泵壓、漏失速度、鉆速、排量共8 個(gè)參數(shù)。為了探究上述因素對(duì)裂縫寬度的影響程度,找出其中的主要影響因素,利用斯皮爾曼相關(guān)性分析方法對(duì)所有參數(shù)之間的相關(guān)性進(jìn)行了計(jì)算分析,結(jié)果如圖4 所示。

    圖4 裂縫影響因素相關(guān)系數(shù)矩陣Fig.4 Correlation coefficient matrix of influencing factors of cracks

    由圖可知,與裂縫寬度相關(guān)性最強(qiáng)的是漏失速度與漏失量,分別為0.932 和0.924,其他因素與裂縫寬度的相關(guān)性相比較弱,從高到低依次為:泵壓、鉆井液排量、鉆速、井深、塑性黏度以及鉆井液靜切力。其中,鉆速、漏失速度和漏失量以及鉆井液靜切力呈正相關(guān),井深、塑性黏度和泵壓和鉆井液排量呈負(fù)相關(guān),由于鉆井液靜切力與裂縫寬度相關(guān)性較低,僅為0.087,因此模型輸入?yún)?shù)不考慮這一因素,選取其他7 種因素作為輸入?yún)?shù),其數(shù)據(jù)特征見表1。

    表1 參數(shù)的數(shù)據(jù)集特征Table 1 Data set characteristics of parameters

    由表1 可知,各個(gè)參數(shù)跨度較大,如井深范圍為229~3 750 m,涵蓋了不同的地層,其他參數(shù)如鉆速和漏失量等跨度范圍也都比較大,可使得訓(xùn)練出的模型適應(yīng)不同的情況。把數(shù)據(jù)分成訓(xùn)練數(shù)據(jù)和測(cè)試數(shù)據(jù),64 組數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)對(duì)模型進(jìn)行訓(xùn)練,剩余27 組數(shù)據(jù)作為預(yù)測(cè)數(shù)據(jù),不參與模型的建立及訓(xùn)練,只用于對(duì)建立好的模型進(jìn)行測(cè)試,評(píng)價(jià)其預(yù)測(cè)效果。另外,由于各個(gè)參數(shù)的單位不同,其數(shù)量級(jí)差別較大,如井深與塑性黏度等,這會(huì)影響預(yù)測(cè)模型的預(yù)測(cè)效果。對(duì)此,為消除不同參數(shù)之間數(shù)量級(jí)差別大的影響,本文對(duì)數(shù)據(jù)進(jìn)行歸一化處理[24-25],使得各參數(shù)在區(qū)間[0,1]內(nèi),其歸一化公式如下:

    選擇了兩種用于評(píng)價(jià)模型預(yù)測(cè)效果的指標(biāo),分別為相關(guān)系數(shù)(R2)和均方根誤差(ERMS),其計(jì)算公式[26]如下:

    式中:yi為實(shí)際值;為對(duì)應(yīng)的預(yù)測(cè)值;n為樣本個(gè)數(shù)。

    3 神經(jīng)網(wǎng)絡(luò)改進(jìn)與參數(shù)選擇

    在本研究中,附加動(dòng)量算法和變學(xué)習(xí)率算法被用來提高模型的訓(xùn)練效率。此外,神經(jīng)網(wǎng)絡(luò)模型的準(zhǔn)確性受到傳遞函數(shù)和隱含層節(jié)點(diǎn)數(shù)的影響,因此,本文對(duì)隱含層節(jié)點(diǎn)和傳遞函數(shù)進(jìn)行了選擇分析以確定最優(yōu)的模型結(jié)構(gòu),為后續(xù)優(yōu)化研究打下基礎(chǔ)。

    3.1 附加動(dòng)量算法和變學(xué)習(xí)率算法

    傳統(tǒng)的BP 神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型采用如下式所示的梯度校正方法來更新權(quán)重和閾值,該算法沒有考慮先前經(jīng)驗(yàn)的積累,導(dǎo)致學(xué)習(xí)過程收斂速度較慢。本文采用如下式(6)所示的附加動(dòng)量算法增加了以往經(jīng)驗(yàn)的積累,有效地調(diào)整了權(quán)重和閾值,加快了收斂速度。

    式中:w(δ)、w(δ-1)、w(δ-2)分別為δ、δ-1、δ-2時(shí)刻的權(quán)重值;α為動(dòng)量學(xué)習(xí)率。

    此外,學(xué)習(xí)率對(duì)預(yù)測(cè)模型的收斂性也有一定的影響。在神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程中,學(xué)習(xí)率通常是一個(gè)固定值,學(xué)習(xí)率越大,權(quán)值的修改就越大,網(wǎng)絡(luò)學(xué)習(xí)速度就越快。然而,過大的學(xué)習(xí)率會(huì)使權(quán)重在學(xué)習(xí)過程中產(chǎn)生振動(dòng),但過小的學(xué)習(xí)率使得網(wǎng)絡(luò)收斂速度慢,無(wú)法快速擬合[27]。對(duì)于這一問題,本文采用如下式所示的變學(xué)習(xí)率算法對(duì)學(xué)習(xí)率進(jìn)行實(shí)時(shí)調(diào)整。在網(wǎng)絡(luò)進(jìn)化的早期階段,學(xué)習(xí)率較大,網(wǎng)絡(luò)收斂較為迅速,隨著迭代步數(shù)的增加,學(xué)習(xí)率不斷下降,網(wǎng)絡(luò)逐漸穩(wěn)定。

    式中:λ(t)為當(dāng)前學(xué)習(xí)率;λmax為最大學(xué)習(xí)率;λmin為最小學(xué)習(xí)率;tmax為最大迭代次數(shù);t為當(dāng)前迭代次數(shù)。

    附加動(dòng)量算法和變學(xué)習(xí)率算法可以顯著加快訓(xùn)練過程的學(xué)習(xí)速度,為了證明該方法的有效性,本文對(duì)訓(xùn)練過程中的訓(xùn)練數(shù)據(jù)的絕對(duì)誤差和的變化進(jìn)行了比較分析,結(jié)果如圖5 所示。

    圖5 訓(xùn)練過程中誤差變化的比較Fig.5 Comparison of error changes during training

    圖5 中的曲線表示訓(xùn)練過程中隨著迭代次數(shù)的增加,訓(xùn)練數(shù)據(jù)絕對(duì)誤差的變化情況,誤差越低說明其下降速度越快,訓(xùn)練效果越好。從圖5 可以看出,添加了附加動(dòng)量算法和變學(xué)習(xí)率算法后誤差顯著下降,降低值在25%左右,訓(xùn)練結(jié)束時(shí)誤差降低了27%,表明附加動(dòng)量算法及變學(xué)習(xí)率算法可以大大提高學(xué)習(xí)效率,加快收斂速度,提高模型性能。

    3.2 神經(jīng)網(wǎng)絡(luò)隱含層節(jié)點(diǎn)數(shù)選擇

    神經(jīng)網(wǎng)絡(luò)隱含層的節(jié)點(diǎn)數(shù)對(duì)預(yù)測(cè)模型的性能有較大的影響,節(jié)點(diǎn)過少會(huì)造成模型魯棒性較低,無(wú)法完全反映輸入與輸出參數(shù)間的關(guān)系,而節(jié)點(diǎn)過多會(huì)造成過擬合和訓(xùn)練時(shí)間的增加。對(duì)此,本文使用下式所示的經(jīng)驗(yàn)公式[28-29]對(duì)隱含層節(jié)點(diǎn)數(shù)進(jìn)行選擇。

    式中:k是隱含層的節(jié)點(diǎn)數(shù);ω和m分別為輸入和輸出層的節(jié)點(diǎn)數(shù);β為介于1 和10 之間的整數(shù)。

    通過計(jì)算可知,隱含層最佳節(jié)點(diǎn)數(shù)在區(qū)間[3,13]內(nèi),通過減枝法,對(duì)每個(gè)隱含層節(jié)點(diǎn)數(shù)對(duì)應(yīng)的模型進(jìn)行測(cè)試,其誤差和相關(guān)系數(shù)如圖6 所示。

    圖6 不同隱含層節(jié)點(diǎn)數(shù)的誤差及相關(guān)系數(shù)Fig.6 RMSE (ERMS)and correlation coefficient (R2)of different numbers of hidden layer nodes

    由圖可知,當(dāng)隱含層節(jié)點(diǎn)數(shù)為9 時(shí),誤差最小,相關(guān)系數(shù)最大,預(yù)測(cè)效果最好,因此,本模型隱含層節(jié)點(diǎn)數(shù)設(shè)置為9。

    3.3 神經(jīng)網(wǎng)絡(luò)隱含層傳遞函數(shù)選擇

    隱含層的傳遞函數(shù)同樣對(duì)模型的預(yù)測(cè)性能有較大的影響[30]。采用3 種傳遞函數(shù)(Purelin、Tansig 和Logsig),建立相對(duì)應(yīng)的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型進(jìn)行測(cè)試,并計(jì)算了R2和ERMS,其結(jié)果見表2。

    表2 不同傳遞函數(shù)預(yù)測(cè)結(jié)果Table 2 Prediction results of different transfer functions

    由表2 可知,當(dāng)隱含層傳遞函數(shù)為“Tansig”時(shí),模型整體預(yù)測(cè)效果最好。另外,本文將Adaboost 算法中的弱學(xué)習(xí)器設(shè)置為10 個(gè),遺傳算法個(gè)體數(shù)目和最大遺傳代數(shù)分別設(shè)置為20 和50,交叉概率和變異概率分別為0.7 和0.01。

    4 模型結(jié)果及對(duì)比分析

    4.1 模型預(yù)測(cè)結(jié)果

    利用相應(yīng)的數(shù)據(jù)對(duì)預(yù)測(cè)模型進(jìn)行訓(xùn)練和測(cè)試,其結(jié)果如圖7 所示。由圖可知,無(wú)論是訓(xùn)練結(jié)果還是測(cè)試結(jié)果,大部分?jǐn)?shù)據(jù)的預(yù)測(cè)值接近實(shí)際值,說明預(yù)測(cè)效果較好,可以對(duì)儲(chǔ)層裂縫進(jìn)行較為精準(zhǔn)地預(yù)測(cè)。另外,由于神經(jīng)網(wǎng)絡(luò)模型的權(quán)值和閾值是隨機(jī)取值,然后由訓(xùn)練數(shù)據(jù)進(jìn)行訓(xùn)練調(diào)整,因此極易產(chǎn)生過擬合現(xiàn)象,造成訓(xùn)練集的誤差小而測(cè)試集的誤差大,而Adaboost-GA-BP 預(yù)測(cè)模型的訓(xùn)練集和測(cè)試集的預(yù)測(cè)結(jié)果大體相同,說明神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型經(jīng)過優(yōu)化后沒有陷入過擬合現(xiàn)象,具有較高的泛化能力,適應(yīng)性強(qiáng)。

    圖7 Adaboost-GA-BP 預(yù)測(cè)模型結(jié)果Fig.7 Prediction results of Adaboost-GA-BP prediction model

    4.2 不同預(yù)測(cè)模型的對(duì)比分析

    為了驗(yàn)證Adaboost-GA-BP 神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的預(yù)測(cè)效果,建立了其他4 種預(yù)測(cè)模型并利用相同的數(shù)據(jù)進(jìn)行訓(xùn)練和預(yù)測(cè)進(jìn)行對(duì)比分析,計(jì)算了預(yù)測(cè)結(jié)果的誤差和相關(guān)系數(shù)(圖8、表3)。

    表3 不同預(yù)測(cè)模型的預(yù)測(cè)誤差及相關(guān)系數(shù)Table 3 Prediction error and correlation coefficient of different prediction models

    圖8 不同預(yù)測(cè)模型的預(yù)測(cè)結(jié)果Fig.8 Prediction results of different prediction models

    由圖及表可知,與神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型相比,極限學(xué)習(xí)機(jī)和隨機(jī)森林預(yù)測(cè)結(jié)果誤差較大,其中極限學(xué)習(xí)機(jī)預(yù)測(cè)誤差最大。與BP 和GA-BP 神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型相比,Adaboost-GA-BP 預(yù)測(cè)模型的預(yù)測(cè)結(jié)果誤差最小,最接近實(shí)際值,表明Adaboost-GA-BP 模型具有最高的預(yù)測(cè)精度。這些模型的預(yù)測(cè)精度從低到高依次為:極限學(xué)習(xí)機(jī),隨機(jī)森林,BP 神經(jīng)網(wǎng)絡(luò),GA-BP 神經(jīng)網(wǎng)絡(luò),Adaboost-GA-BP 神經(jīng)網(wǎng)絡(luò)。在構(gòu)建Adaboost-GABP 模型的過程中,遺傳算法可以優(yōu)化BP 神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值,從而提高BP 神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)精度。Adaboost 算法可以根據(jù)訓(xùn)練樣本的訓(xùn)練誤差及時(shí)調(diào)整訓(xùn)練樣本的權(quán)重,使預(yù)測(cè)精度高的弱預(yù)測(cè)器的權(quán)重變得更高,使得預(yù)測(cè)模型的預(yù)測(cè)精度和泛化能力都得到了很大的提高[31]。

    5 結(jié)論

    a.針對(duì)儲(chǔ)層裂縫寬度的預(yù)測(cè)問題,建立了Adaboost-GA-BP 預(yù)測(cè)模型,并利用現(xiàn)場(chǎng)實(shí)際數(shù)據(jù)對(duì)其進(jìn)行了訓(xùn)練和測(cè)試。結(jié)果表明,建立的Adaboost-GA-BP 預(yù)測(cè)模型的均方根誤差為18%,相關(guān)系數(shù)為0.98,優(yōu)于其他模型,可對(duì)儲(chǔ)層裂縫寬度進(jìn)行更為精準(zhǔn)的預(yù)測(cè),為堵漏方案的制定提供一定的指導(dǎo)。

    b.通過相關(guān)性分析,對(duì)儲(chǔ)層裂縫寬度的相關(guān)因素進(jìn)行了計(jì)算分析和排序,并篩選了模型輸入?yún)?shù)。另外,利用附加動(dòng)量算法和變學(xué)習(xí)率算法對(duì)模型收斂速度進(jìn)行了提升,使其訓(xùn)練數(shù)據(jù)絕對(duì)誤差和降低了27%,同時(shí)優(yōu)選了模型結(jié)構(gòu)。最后,通過Adaboost 算法和GA算法對(duì)BP 神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化,克服了其收斂速度慢、易陷入局部極小值的缺點(diǎn),提升了模型的預(yù)測(cè)性能。

    c.由于數(shù)據(jù)量有限,本研究建立的預(yù)測(cè)模型僅針對(duì)某一區(qū)塊進(jìn)行了驗(yàn)證,未來將收集更多區(qū)塊數(shù)據(jù)對(duì)模型進(jìn)行訓(xùn)練及驗(yàn)證,提升其適應(yīng)能力。

    猜你喜歡
    鉆井液寬度儲(chǔ)層
    新型非磺化環(huán)保低摩阻鉆井液
    輸導(dǎo)層
    ——北美又一種非常規(guī)儲(chǔ)層類型
    基于儲(chǔ)層構(gòu)型研究的儲(chǔ)層平面非均質(zhì)性表征
    一種鉆井液用高效抗磨潤(rùn)滑劑
    馬屁股的寬度
    紅細(xì)胞分布寬度與血栓的關(guān)系
    孩子成長(zhǎng)中,對(duì)寬度的追求更重要
    人生十六七(2015年5期)2015-02-28 13:08:24
    復(fù)合有機(jī)鹽鉆井液在莊X15井的應(yīng)用
    低滲透儲(chǔ)層核磁共振可動(dòng)流體研究——以姬塬地區(qū)長(zhǎng)6儲(chǔ)層為例
    董7井井壁穩(wěn)定鉆井液技術(shù)
    18禁国产床啪视频网站| 国产一区二区在线av高清观看| 久久久久久久久免费视频了| 操美女的视频在线观看| tocl精华| 亚洲av成人av| 一进一出抽搐gif免费好疼 | 亚洲熟女毛片儿| 国产1区2区3区精品| 女人精品久久久久毛片| 高清毛片免费观看视频网站 | 亚洲视频免费观看视频| 国产主播在线观看一区二区| 亚洲人成77777在线视频| 亚洲精华国产精华精| 国产国语露脸激情在线看| 别揉我奶头~嗯~啊~动态视频| 狂野欧美激情性xxxx| 9色porny在线观看| 久久国产精品影院| 成人av一区二区三区在线看| 国产成人免费无遮挡视频| 久久亚洲精品不卡| 少妇粗大呻吟视频| 激情在线观看视频在线高清| 欧美乱码精品一区二区三区| 久久人妻av系列| av片东京热男人的天堂| 人人妻人人澡人人看| 国产精品偷伦视频观看了| 国产精品一区二区三区四区久久 | 男人舔女人下体高潮全视频| 高清欧美精品videossex| 国产亚洲欧美精品永久| 日本撒尿小便嘘嘘汇集6| 免费人成视频x8x8入口观看| 欧美日韩亚洲综合一区二区三区_| 91麻豆精品激情在线观看国产 | 中国美女看黄片| 91av网站免费观看| 国产一区二区激情短视频| 国产欧美日韩一区二区三| 久久国产乱子伦精品免费另类| 老司机深夜福利视频在线观看| 中亚洲国语对白在线视频| 中文字幕人妻丝袜制服| 99国产极品粉嫩在线观看| 黑人欧美特级aaaaaa片| 国产成人欧美在线观看| 日韩大码丰满熟妇| 久久久国产欧美日韩av| 久久国产精品男人的天堂亚洲| 精品人妻在线不人妻| 免费av毛片视频| www.999成人在线观看| 露出奶头的视频| 精品免费久久久久久久清纯| 超色免费av| 中文字幕人妻熟女乱码| 一级片'在线观看视频| 国产伦一二天堂av在线观看| 国产成人系列免费观看| 电影成人av| 免费av中文字幕在线| 欧美不卡视频在线免费观看 | 国产熟女午夜一区二区三区| 男男h啪啪无遮挡| 999久久久国产精品视频| 欧美日韩中文字幕国产精品一区二区三区 | 精品人妻1区二区| 精品久久久久久久毛片微露脸| 精品无人区乱码1区二区| 成人精品一区二区免费| 欧美日本亚洲视频在线播放| 精品福利永久在线观看| 国产激情久久老熟女| 曰老女人黄片| 日韩欧美三级三区| 午夜精品在线福利| 日韩大尺度精品在线看网址 | 19禁男女啪啪无遮挡网站| 欧美日韩福利视频一区二区| 亚洲欧美一区二区三区久久| 国产又爽黄色视频| 日韩高清综合在线| 亚洲精品av麻豆狂野| 老熟妇仑乱视频hdxx| 亚洲精品国产精品久久久不卡| 久99久视频精品免费| 黄色毛片三级朝国网站| www.自偷自拍.com| 两个人免费观看高清视频| 国产片内射在线| 精品久久久久久成人av| 久久 成人 亚洲| 少妇 在线观看| 国产欧美日韩一区二区三区在线| 日韩欧美一区视频在线观看| 国产一区在线观看成人免费| 国产成人系列免费观看| 午夜福利欧美成人| 国产精品日韩av在线免费观看 | 免费久久久久久久精品成人欧美视频| 黄网站色视频无遮挡免费观看| 一二三四社区在线视频社区8| 69精品国产乱码久久久| 午夜日韩欧美国产| 日韩精品免费视频一区二区三区| 后天国语完整版免费观看| 国产99久久九九免费精品| 久久久久久人人人人人| 久久久久久久午夜电影 | 午夜福利欧美成人| 成人黄色视频免费在线看| 窝窝影院91人妻| 亚洲av成人不卡在线观看播放网| 51午夜福利影视在线观看| 自拍欧美九色日韩亚洲蝌蚪91| 午夜激情av网站| 午夜免费观看网址| 日本wwww免费看| 精品久久久精品久久久| 宅男免费午夜| 日本vs欧美在线观看视频| 欧美乱色亚洲激情| 日韩欧美一区视频在线观看| 日本一区二区免费在线视频| 免费日韩欧美在线观看| 另类亚洲欧美激情| 99在线视频只有这里精品首页| 精品卡一卡二卡四卡免费| 久久国产乱子伦精品免费另类| 欧美在线一区亚洲| 国产成人免费无遮挡视频| 精品久久久久久,| 日韩av在线大香蕉| 在线观看免费高清a一片| 最好的美女福利视频网| 国产成人影院久久av| 亚洲欧美日韩高清在线视频| 久久国产精品男人的天堂亚洲| 免费看十八禁软件| 国产亚洲精品综合一区在线观看 | 国产在线精品亚洲第一网站| 91字幕亚洲| 少妇裸体淫交视频免费看高清 | 亚洲国产毛片av蜜桃av| 久久久久国内视频| 亚洲 欧美一区二区三区| 国产男靠女视频免费网站| 国产成人精品久久二区二区91| 级片在线观看| 欧美日本亚洲视频在线播放| 香蕉国产在线看| 看黄色毛片网站| 日韩精品免费视频一区二区三区| 无人区码免费观看不卡| 岛国在线观看网站| 亚洲精品粉嫩美女一区| 免费av中文字幕在线| 欧美日韩黄片免| 国产精品爽爽va在线观看网站 | av网站免费在线观看视频| 久久国产精品人妻蜜桃| 久久国产乱子伦精品免费另类| 午夜福利在线观看吧| 午夜免费鲁丝| 男人舔女人下体高潮全视频| 在线观看免费午夜福利视频| 水蜜桃什么品种好| 精品久久久久久久毛片微露脸| 国产激情久久老熟女| 欧美日韩黄片免| 黄色片一级片一级黄色片| 香蕉久久夜色| 午夜福利,免费看| x7x7x7水蜜桃| 在线观看www视频免费| 淫秽高清视频在线观看| 成人影院久久| 好男人电影高清在线观看| 欧美成人性av电影在线观看| 亚洲精品av麻豆狂野| 村上凉子中文字幕在线| 这个男人来自地球电影免费观看| 91九色精品人成在线观看| 一区福利在线观看| 99热国产这里只有精品6| a级毛片黄视频| 中文字幕人妻丝袜一区二区| 高清av免费在线| 亚洲一区二区三区色噜噜 | 亚洲色图综合在线观看| 黄色女人牲交| 日本vs欧美在线观看视频| 黑人巨大精品欧美一区二区mp4| 女生性感内裤真人,穿戴方法视频| 性欧美人与动物交配| 国产亚洲av高清不卡| 91成年电影在线观看| 日韩欧美在线二视频| 精品电影一区二区在线| 久久久久国内视频| 老司机亚洲免费影院| 国产欧美日韩精品亚洲av| 99热国产这里只有精品6| 老司机午夜福利在线观看视频| av有码第一页| 黑丝袜美女国产一区| 美女 人体艺术 gogo| 国产精品久久久久成人av| 国产高清视频在线播放一区| 中文字幕人妻丝袜一区二区| cao死你这个sao货| 亚洲成国产人片在线观看| 丝袜美足系列| 男人舔女人的私密视频| 亚洲精品美女久久久久99蜜臀| 黄片大片在线免费观看| 丰满人妻熟妇乱又伦精品不卡| 日韩精品中文字幕看吧| 在线观看一区二区三区| 51午夜福利影视在线观看| 国产97色在线日韩免费| 欧美日韩国产mv在线观看视频| 日本免费一区二区三区高清不卡 | 级片在线观看| 黄片播放在线免费| 久热爱精品视频在线9| 亚洲片人在线观看| 亚洲精品中文字幕一二三四区| 三级毛片av免费| 国产成人免费无遮挡视频| 少妇 在线观看| 两个人免费观看高清视频| 一夜夜www| 中出人妻视频一区二区| 亚洲专区字幕在线| 村上凉子中文字幕在线| 99精国产麻豆久久婷婷| 亚洲人成电影免费在线| 黄色毛片三级朝国网站| 91字幕亚洲| 久久久国产精品麻豆| 免费在线观看黄色视频的| 亚洲av片天天在线观看| 午夜福利一区二区在线看| aaaaa片日本免费| 亚洲三区欧美一区| 啪啪无遮挡十八禁网站| 欧美性长视频在线观看| 国产一区二区三区在线臀色熟女 | 亚洲成人国产一区在线观看| 精品午夜福利视频在线观看一区| 999久久久国产精品视频| 亚洲一区二区三区欧美精品| 国产精品久久久久成人av| 黄色视频不卡| 亚洲情色 制服丝袜| 搡老岳熟女国产| 99精品久久久久人妻精品| 久热爱精品视频在线9| 久久人妻福利社区极品人妻图片| 国产成人免费无遮挡视频| 欧美黑人精品巨大| 国产av又大| av片东京热男人的天堂| 国产亚洲欧美98| 国产伦一二天堂av在线观看| 精品一区二区三卡| 中国美女看黄片| 人妻丰满熟妇av一区二区三区| 成人国产一区最新在线观看| 天天添夜夜摸| √禁漫天堂资源中文www| 黑人巨大精品欧美一区二区mp4| 黄色视频不卡| 日本wwww免费看| netflix在线观看网站| 亚洲少妇的诱惑av| 欧美激情高清一区二区三区| 91麻豆av在线| 水蜜桃什么品种好| 在线免费观看的www视频| 如日韩欧美国产精品一区二区三区| 精品久久久久久久久久免费视频 | 黄色成人免费大全| 日本欧美视频一区| 嫩草影院精品99| 亚洲五月婷婷丁香| 99国产精品99久久久久| 午夜福利欧美成人| 国产亚洲欧美98| 日韩免费av在线播放| 大香蕉久久成人网| 欧美日韩精品网址| 久久久久久久久久久久大奶| 亚洲一区中文字幕在线| 天堂中文最新版在线下载| 午夜日韩欧美国产| 久久久久久大精品| 中文字幕高清在线视频| 女生性感内裤真人,穿戴方法视频| 最新美女视频免费是黄的| 国产一区在线观看成人免费| 老司机午夜福利在线观看视频| 乱人伦中国视频| 欧美色视频一区免费| 亚洲欧美激情在线| 男人的好看免费观看在线视频 | 精品熟女少妇八av免费久了| 身体一侧抽搐| 男人的好看免费观看在线视频 | 午夜免费激情av| 国产精品国产高清国产av| 亚洲人成77777在线视频| 亚洲色图综合在线观看| 国产黄a三级三级三级人| 9色porny在线观看| 日本精品一区二区三区蜜桃| 高潮久久久久久久久久久不卡| 国产免费av片在线观看野外av| 人妻久久中文字幕网| 免费看a级黄色片| 日韩有码中文字幕| 欧美一区二区精品小视频在线| 欧美精品一区二区免费开放| 精品一区二区三区视频在线观看免费 | 成年女人毛片免费观看观看9| 午夜精品国产一区二区电影| av福利片在线| 伊人久久大香线蕉亚洲五| 丝袜人妻中文字幕| 色综合婷婷激情| 久久精品aⅴ一区二区三区四区| 男人操女人黄网站| 久久久久国产精品人妻aⅴ院| 叶爱在线成人免费视频播放| 看黄色毛片网站| 亚洲中文av在线| 日韩大尺度精品在线看网址 | 国产熟女午夜一区二区三区| 欧美一区二区精品小视频在线| 后天国语完整版免费观看| 久久精品91蜜桃| 午夜免费激情av| 亚洲欧美激情在线| 国产av又大| 国产无遮挡羞羞视频在线观看| www.www免费av| 久久国产精品影院| 久久精品亚洲av国产电影网| 麻豆久久精品国产亚洲av | 91成人精品电影| 操美女的视频在线观看| 日韩成人在线观看一区二区三区| 亚洲欧美精品综合久久99| 在线视频色国产色| 欧美日韩亚洲国产一区二区在线观看| 久久精品aⅴ一区二区三区四区| 亚洲国产中文字幕在线视频| 国产欧美日韩一区二区三| 国产av一区在线观看免费| 婷婷六月久久综合丁香| 最新美女视频免费是黄的| a级片在线免费高清观看视频| 高清在线国产一区| 岛国视频午夜一区免费看| 国产精品一区二区免费欧美| 国产精品一区二区三区四区久久 | 午夜福利在线观看吧| 一级a爱视频在线免费观看| 99国产精品一区二区蜜桃av| 激情在线观看视频在线高清| 一边摸一边抽搐一进一小说| 999久久久精品免费观看国产| 大香蕉久久成人网| 夜夜看夜夜爽夜夜摸 | 一边摸一边抽搐一进一出视频| 18禁美女被吸乳视频| 国产1区2区3区精品| 视频区欧美日本亚洲| 国产成人精品久久二区二区免费| 香蕉丝袜av| 久久精品亚洲精品国产色婷小说| 国产伦人伦偷精品视频| 精品福利观看| 久久精品亚洲av国产电影网| 精品电影一区二区在线| 免费在线观看亚洲国产| 日本欧美视频一区| 在线播放国产精品三级| 亚洲成av片中文字幕在线观看| 久久人妻av系列| 亚洲久久久国产精品| 一级毛片女人18水好多| 色综合站精品国产| 韩国av一区二区三区四区| 大陆偷拍与自拍| 国产熟女xx| 亚洲av第一区精品v没综合| 日韩精品中文字幕看吧| 国产有黄有色有爽视频| 啦啦啦在线免费观看视频4| 少妇被粗大的猛进出69影院| 国产成人啪精品午夜网站| 在线永久观看黄色视频| 人妻丰满熟妇av一区二区三区| 19禁男女啪啪无遮挡网站| 热re99久久国产66热| 叶爱在线成人免费视频播放| 老熟妇乱子伦视频在线观看| 嫁个100分男人电影在线观看| 精品国产亚洲在线| 三级毛片av免费| 国产野战对白在线观看| 高清av免费在线| 免费av毛片视频| 精品一区二区三区av网在线观看| 国产免费现黄频在线看| 免费日韩欧美在线观看| 99riav亚洲国产免费| 在线观看www视频免费| 99精品久久久久人妻精品| 波多野结衣高清无吗| av片东京热男人的天堂| 一区福利在线观看| 精品久久久久久久久久免费视频 | 久久国产精品人妻蜜桃| 女性生殖器流出的白浆| 美国免费a级毛片| 欧美成人性av电影在线观看| 午夜两性在线视频| 黄色片一级片一级黄色片| 亚洲成人免费av在线播放| 91麻豆av在线| 欧美激情 高清一区二区三区| 在线观看免费日韩欧美大片| 成人av一区二区三区在线看| 最新在线观看一区二区三区| 国产不卡一卡二| svipshipincom国产片| 宅男免费午夜| 亚洲中文日韩欧美视频| 国产成人精品无人区| 麻豆成人av在线观看| 一区在线观看完整版| 婷婷精品国产亚洲av在线| 中出人妻视频一区二区| 国产精品免费一区二区三区在线| 日日爽夜夜爽网站| 亚洲欧美一区二区三区黑人| 亚洲欧美激情在线| 午夜老司机福利片| 久久狼人影院| 欧美久久黑人一区二区| 色综合站精品国产| 国产精品国产高清国产av| 午夜免费激情av| 精品电影一区二区在线| 婷婷丁香在线五月| 黄片小视频在线播放| 精品国内亚洲2022精品成人| 俄罗斯特黄特色一大片| 老司机在亚洲福利影院| 久久久国产成人免费| 国产三级在线视频| 免费av中文字幕在线| 久久精品影院6| 99久久99久久久精品蜜桃| 国产成人精品久久二区二区91| 中文亚洲av片在线观看爽| 18禁黄网站禁片午夜丰满| 一级a爱片免费观看的视频| av天堂久久9| 琪琪午夜伦伦电影理论片6080| 欧美人与性动交α欧美软件| 丝袜人妻中文字幕| 乱人伦中国视频| 亚洲男人的天堂狠狠| www.999成人在线观看| 韩国av一区二区三区四区| 一个人观看的视频www高清免费观看 | 成人永久免费在线观看视频| 国产黄色免费在线视频| 999久久久国产精品视频| 久久久久国产一级毛片高清牌| 亚洲精品一二三| 亚洲精品av麻豆狂野| 男女之事视频高清在线观看| netflix在线观看网站| 免费搜索国产男女视频| 久久久久久人人人人人| 成人三级做爰电影| 长腿黑丝高跟| 国产免费男女视频| 久久九九热精品免费| 嫩草影视91久久| 91麻豆av在线| 长腿黑丝高跟| 亚洲国产精品合色在线| 麻豆国产av国片精品| 国产三级在线视频| 国产aⅴ精品一区二区三区波| 亚洲精品国产精品久久久不卡| 老司机亚洲免费影院| 欧美精品一区二区免费开放| 亚洲欧美日韩无卡精品| 欧洲精品卡2卡3卡4卡5卡区| 一进一出好大好爽视频| 久久久久精品国产欧美久久久| 在线观看www视频免费| 在线观看免费视频网站a站| 首页视频小说图片口味搜索| 亚洲欧美日韩无卡精品| 日本一区二区免费在线视频| 老司机靠b影院| 在线观看免费午夜福利视频| 少妇 在线观看| 超色免费av| 欧美一区二区精品小视频在线| 久久九九热精品免费| 亚洲人成网站在线播放欧美日韩| www.www免费av| 亚洲中文字幕日韩| 超色免费av| 丰满饥渴人妻一区二区三| 在线观看免费日韩欧美大片| 精品国产亚洲在线| 在线观看日韩欧美| 精品电影一区二区在线| 久久久精品国产亚洲av高清涩受| 人人妻,人人澡人人爽秒播| 久久这里只有精品19| av天堂在线播放| 成人国语在线视频| 无遮挡黄片免费观看| 91麻豆av在线| 久久精品国产亚洲av香蕉五月| 黄色丝袜av网址大全| 欧美黑人欧美精品刺激| 可以在线观看毛片的网站| 琪琪午夜伦伦电影理论片6080| 9191精品国产免费久久| 99国产综合亚洲精品| 欧美乱色亚洲激情| 大型av网站在线播放| 九色亚洲精品在线播放| 一区二区三区精品91| 日本免费一区二区三区高清不卡 | 欧美最黄视频在线播放免费 | 国产成+人综合+亚洲专区| 成人手机av| 波多野结衣av一区二区av| 国产高清国产精品国产三级| 日韩欧美免费精品| 麻豆久久精品国产亚洲av | 日本黄色日本黄色录像| www日本在线高清视频| 99香蕉大伊视频| 国产精品香港三级国产av潘金莲| 美女福利国产在线| 这个男人来自地球电影免费观看| 欧美日本亚洲视频在线播放| 午夜免费鲁丝| 大型av网站在线播放| 好男人电影高清在线观看| 级片在线观看| 性色av乱码一区二区三区2| 亚洲精品国产区一区二| 精品久久久久久成人av| 精品久久久久久久毛片微露脸| 亚洲三区欧美一区| 欧美一级毛片孕妇| 五月开心婷婷网| 国产精品免费视频内射| 女人精品久久久久毛片| 国产欧美日韩精品亚洲av| 欧美日韩精品网址| 免费不卡黄色视频| 十八禁网站免费在线| 欧美激情久久久久久爽电影 | 亚洲av片天天在线观看| 久久精品亚洲av国产电影网| 精品国产一区二区三区四区第35| 亚洲精品av麻豆狂野| 亚洲一区二区三区欧美精品| 精品久久久久久,| 亚洲色图综合在线观看| 18美女黄网站色大片免费观看| 久久人人精品亚洲av| 亚洲在线自拍视频| 国产成人精品无人区| 久久久久亚洲av毛片大全| 精品久久久久久久久久免费视频 | 一本大道久久a久久精品| 精品熟女少妇八av免费久了| 一进一出好大好爽视频| 久久精品亚洲熟妇少妇任你| 一级作爱视频免费观看| 国产精品国产av在线观看| 美国免费a级毛片| 别揉我奶头~嗯~啊~动态视频| 另类亚洲欧美激情| 日韩国内少妇激情av| 操出白浆在线播放| 他把我摸到了高潮在线观看| 不卡av一区二区三区| 日韩有码中文字幕| 亚洲第一青青草原| 老司机亚洲免费影院| 精品一区二区三区四区五区乱码| 国产精品二区激情视频| 黄色成人免费大全| 久久草成人影院|