• <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)
    国产一级毛片在线| 高清视频免费观看一区二区| 日韩在线高清观看一区二区三区| 亚洲av欧美aⅴ国产| 交换朋友夫妻互换小说| 自线自在国产av| 日本猛色少妇xxxxx猛交久久| 男人操女人黄网站| 亚洲一区二区三区欧美精品| 久久久久国产网址| 国产精品人妻久久久久久| 成人综合一区亚洲| 自线自在国产av| 亚洲图色成人| 老女人水多毛片| av线在线观看网站| 亚洲av免费高清在线观看| 伦理电影免费视频| 国产黄频视频在线观看| 亚洲国产精品一区二区三区在线| 欧美人与善性xxx| 性高湖久久久久久久久免费观看| 少妇人妻 视频| av国产精品久久久久影院| 婷婷色综合www| 日本欧美国产在线视频| 日本av手机在线免费观看| 亚洲国产av影院在线观看| 男女啪啪激烈高潮av片| 一级片免费观看大全| 熟女电影av网| 国产有黄有色有爽视频| 国产欧美另类精品又又久久亚洲欧美| 国产精品久久久久久精品电影小说| 少妇精品久久久久久久| 人人妻人人澡人人爽人人夜夜| 国产成人精品久久久久久| 国产精品人妻久久久久久| 青春草国产在线视频| 热re99久久国产66热| 观看美女的网站| 欧美精品av麻豆av| 久久ye,这里只有精品| 国产精品久久久久久精品电影小说| 国产日韩欧美在线精品| 熟女电影av网| 搡女人真爽免费视频火全软件| 精品午夜福利在线看| 亚洲国产精品专区欧美| 免费观看av网站的网址| 18+在线观看网站| 两个人免费观看高清视频| 少妇的逼水好多| 90打野战视频偷拍视频| 亚洲av.av天堂| 精品少妇内射三级| 日韩视频在线欧美| 波野结衣二区三区在线| 精品人妻偷拍中文字幕| 在线天堂中文资源库| 国产欧美日韩一区二区三区在线| 女性被躁到高潮视频| 黄色视频在线播放观看不卡| 曰老女人黄片| 国产淫语在线视频| av.在线天堂| 欧美亚洲 丝袜 人妻 在线| 久久久亚洲精品成人影院| 免费人妻精品一区二区三区视频| 菩萨蛮人人尽说江南好唐韦庄| 欧美日韩视频高清一区二区三区二| 丰满少妇做爰视频| 国产精品嫩草影院av在线观看| 日韩不卡一区二区三区视频在线| 最近中文字幕2019免费版| 黄色配什么色好看| 最近最新中文字幕大全免费视频 | 国产一区二区激情短视频 | 高清毛片免费看| 热99国产精品久久久久久7| 久久人人爽av亚洲精品天堂| 欧美性感艳星| 咕卡用的链子| 国产片特级美女逼逼视频| 成年人午夜在线观看视频| 久久精品国产a三级三级三级| 久久久久久久久久人人人人人人| 啦啦啦在线观看免费高清www| 高清不卡的av网站| 男人爽女人下面视频在线观看| 欧美人与性动交α欧美软件 | 丝袜在线中文字幕| 最近中文字幕2019免费版| 熟女电影av网| 天天操日日干夜夜撸| 一级片免费观看大全| 狂野欧美激情性xxxx在线观看| 一级黄片播放器| 宅男免费午夜| 波多野结衣一区麻豆| 多毛熟女@视频| 综合色丁香网| 日本wwww免费看| 男人操女人黄网站| 只有这里有精品99| 一级片免费观看大全| 九九在线视频观看精品| 男女下面插进去视频免费观看 | 少妇被粗大的猛进出69影院 | 中文乱码字字幕精品一区二区三区| 亚洲美女搞黄在线观看| 国产又色又爽无遮挡免| 99国产综合亚洲精品| 欧美日韩成人在线一区二区| 精品一区二区三区四区五区乱码 | 18禁国产床啪视频网站| 精品亚洲成国产av| 亚洲欧美成人精品一区二区| 高清视频免费观看一区二区| 美女脱内裤让男人舔精品视频| 91国产中文字幕| 亚洲成国产人片在线观看| 欧美国产精品va在线观看不卡| 18禁观看日本| 国产色婷婷99| 国产精品麻豆人妻色哟哟久久| 久热久热在线精品观看| 亚洲国产精品成人久久小说| 日韩 亚洲 欧美在线| 中文乱码字字幕精品一区二区三区| 高清毛片免费看| 亚洲第一区二区三区不卡| √禁漫天堂资源中文www| a 毛片基地| 久久久国产欧美日韩av| 精品人妻熟女毛片av久久网站| 亚洲少妇的诱惑av| 少妇熟女欧美另类| 另类精品久久| 极品少妇高潮喷水抽搐| av视频免费观看在线观看| 国产极品天堂在线| 亚洲色图综合在线观看| 国产亚洲精品第一综合不卡 | 卡戴珊不雅视频在线播放| 丰满饥渴人妻一区二区三| 国产乱来视频区| 国产精品一区www在线观看| 婷婷色综合www| 建设人人有责人人尽责人人享有的| 成人二区视频| 亚洲,欧美精品.| 精品国产乱码久久久久久小说| 最后的刺客免费高清国语| 免费人成在线观看视频色| 国产av精品麻豆| 99香蕉大伊视频| 国产一区二区在线观看av| 欧美日韩视频精品一区| 欧美人与性动交α欧美精品济南到 | 激情五月婷婷亚洲| 另类精品久久| 全区人妻精品视频| 国国产精品蜜臀av免费| 色婷婷久久久亚洲欧美| 乱码一卡2卡4卡精品| 欧美老熟妇乱子伦牲交| 老司机影院毛片| 免费观看在线日韩| 日韩熟女老妇一区二区性免费视频| 亚洲,欧美精品.| 亚洲国产日韩一区二区| 亚洲欧美一区二区三区黑人 | 日日撸夜夜添| 欧美精品亚洲一区二区| 国产一区二区三区综合在线观看 | 免费少妇av软件| 夫妻性生交免费视频一级片| 午夜福利网站1000一区二区三区| 成年美女黄网站色视频大全免费| 高清视频免费观看一区二区| 中国美白少妇内射xxxbb| 欧美日韩综合久久久久久| 国产黄频视频在线观看| 高清av免费在线| 性色av一级| 人体艺术视频欧美日本| 国产高清国产精品国产三级| 97精品久久久久久久久久精品| h视频一区二区三区| 寂寞人妻少妇视频99o| 视频在线观看一区二区三区| a级毛片在线看网站| 国产精品国产三级专区第一集| 少妇被粗大猛烈的视频| 伦理电影免费视频| 一二三四在线观看免费中文在 | 久久久久视频综合| 免费黄色在线免费观看| 伦理电影大哥的女人| 国产男人的电影天堂91| 在线 av 中文字幕| 在线观看一区二区三区激情| 捣出白浆h1v1| 高清视频免费观看一区二区| 九草在线视频观看| 久久人妻熟女aⅴ| 成人手机av| 亚洲成国产人片在线观看| 好男人视频免费观看在线| 午夜视频国产福利| 七月丁香在线播放| 亚洲精品国产av蜜桃| 精品国产露脸久久av麻豆| 各种免费的搞黄视频| 久久韩国三级中文字幕| 亚洲欧美日韩卡通动漫| 综合色丁香网| 在线观看免费高清a一片| 国产精品一二三区在线看| 亚洲国产看品久久| 国产熟女欧美一区二区| 人人澡人人妻人| 老女人水多毛片| 最近最新中文字幕大全免费视频 | 久久人妻熟女aⅴ| 国产成人精品无人区| 26uuu在线亚洲综合色| 综合色丁香网| 曰老女人黄片| 天天影视国产精品| 波多野结衣一区麻豆| 老司机亚洲免费影院| 在线精品无人区一区二区三| 夫妻午夜视频| 国产日韩欧美在线精品| 精品人妻偷拍中文字幕| 在线观看国产h片| 2021少妇久久久久久久久久久| 亚洲精品日本国产第一区| 免费黄色在线免费观看| 精品亚洲成a人片在线观看| 黄色配什么色好看| 制服诱惑二区| 男女国产视频网站| 人妻少妇偷人精品九色| 你懂的网址亚洲精品在线观看| 人人澡人人妻人| 欧美97在线视频| 免费播放大片免费观看视频在线观看| 亚洲欧美中文字幕日韩二区| 亚洲av电影在线进入| 女人精品久久久久毛片| 最后的刺客免费高清国语| 999精品在线视频| 亚洲国产欧美日韩在线播放| 在线观看人妻少妇| av有码第一页| 日本与韩国留学比较| 一级毛片电影观看| 免费黄色在线免费观看| 国产女主播在线喷水免费视频网站| 男男h啪啪无遮挡| 亚洲三级黄色毛片| 日本与韩国留学比较| 一二三四中文在线观看免费高清| 51国产日韩欧美| 天堂俺去俺来也www色官网| 国产精品久久久久久久久免| h视频一区二区三区| 亚洲一码二码三码区别大吗| av又黄又爽大尺度在线免费看| 国产在视频线精品| 国产爽快片一区二区三区| 精品人妻偷拍中文字幕| av女优亚洲男人天堂| 欧美最新免费一区二区三区| 91精品伊人久久大香线蕉| 国产不卡av网站在线观看| 国产精品国产三级国产av玫瑰| 久久精品久久久久久久性| 黄色配什么色好看| 亚洲av男天堂| 99九九在线精品视频| 狂野欧美激情性bbbbbb| 三上悠亚av全集在线观看| 蜜桃在线观看..| 国产黄色免费在线视频| 青春草亚洲视频在线观看| 麻豆精品久久久久久蜜桃| 精品亚洲成a人片在线观看| 精品国产一区二区三区久久久樱花| 久久人人爽人人爽人人片va| 日日啪夜夜爽| 国产精品一国产av| 天堂俺去俺来也www色官网| 伊人亚洲综合成人网| 美女内射精品一级片tv| 国产xxxxx性猛交| 久久久久久久久久久久大奶| 国产激情久久老熟女| 卡戴珊不雅视频在线播放| 最近2019中文字幕mv第一页| 男人添女人高潮全过程视频| 大话2 男鬼变身卡| 大码成人一级视频| 国产精品久久久久久精品电影小说| a级片在线免费高清观看视频| 在线观看三级黄色| 又黄又爽又刺激的免费视频.| 国产一区二区三区av在线| 国产免费一区二区三区四区乱码| 久久久久久人人人人人| 亚洲精品一二三| 在线天堂最新版资源| 五月伊人婷婷丁香| 天堂8中文在线网| 亚洲成人一二三区av| 日本黄色日本黄色录像| 国产欧美日韩综合在线一区二区| 飞空精品影院首页| 如日韩欧美国产精品一区二区三区| 最近2019中文字幕mv第一页| 亚洲激情五月婷婷啪啪| 久久人人爽人人片av| 中文字幕人妻丝袜制服| 视频中文字幕在线观看| 精品人妻一区二区三区麻豆| 久久久久久久久久成人| 22中文网久久字幕| 一级毛片电影观看| 2021少妇久久久久久久久久久| 欧美精品人与动牲交sv欧美| 日韩中文字幕视频在线看片| a 毛片基地| 午夜福利在线观看免费完整高清在| 王馨瑶露胸无遮挡在线观看| 免费av不卡在线播放| 久久国产亚洲av麻豆专区| 99re6热这里在线精品视频| 亚洲欧洲精品一区二区精品久久久 | 欧美丝袜亚洲另类| 国产av一区二区精品久久| 99视频精品全部免费 在线| 99热国产这里只有精品6| 一区二区三区四区激情视频| 十八禁高潮呻吟视频| 狠狠婷婷综合久久久久久88av| 九色成人免费人妻av| tube8黄色片| 十分钟在线观看高清视频www| 国产在线一区二区三区精| 久久精品久久久久久噜噜老黄| 人妻系列 视频| 精品熟女少妇av免费看| 国产片内射在线| 国产亚洲一区二区精品| 久久精品aⅴ一区二区三区四区 | 久久久久久人人人人人| 亚洲成av片中文字幕在线观看 | 国产精品成人在线| 国产精品久久久久久精品古装| av播播在线观看一区| 久久精品久久久久久久性| 日韩一本色道免费dvd| 最后的刺客免费高清国语| 亚洲欧美色中文字幕在线| av网站免费在线观看视频| 各种免费的搞黄视频| 少妇猛男粗大的猛烈进出视频| 亚洲国产欧美日韩在线播放| 黑丝袜美女国产一区| 一级a做视频免费观看| 国产成人欧美| 黑丝袜美女国产一区| 王馨瑶露胸无遮挡在线观看| 中文字幕另类日韩欧美亚洲嫩草| 婷婷色综合www| 亚洲第一区二区三区不卡| 亚洲四区av| 国产成人精品在线电影| 9色porny在线观看| 精品国产一区二区三区四区第35| a级毛片在线看网站| 欧美另类一区| 女性被躁到高潮视频| 久久狼人影院| av播播在线观看一区| 亚洲精品av麻豆狂野| 国产av一区二区精品久久| 亚洲美女视频黄频| 久久精品国产a三级三级三级| 精品一区二区免费观看| 国产精品久久久av美女十八| 色哟哟·www| 亚洲丝袜综合中文字幕| av免费在线看不卡| 国产一级毛片在线| 天天躁夜夜躁狠狠久久av| 校园人妻丝袜中文字幕| 国产深夜福利视频在线观看| 亚洲第一区二区三区不卡| 久久ye,这里只有精品| 女人被躁到高潮嗷嗷叫费观| 久久人妻熟女aⅴ| www.熟女人妻精品国产 | 日本与韩国留学比较| 婷婷色av中文字幕| 视频区图区小说| 十八禁高潮呻吟视频| 国产精品国产三级国产av玫瑰| 亚洲精品456在线播放app| 这个男人来自地球电影免费观看 | 欧美人与善性xxx| 亚洲欧洲国产日韩| 97精品久久久久久久久久精品| 精品少妇黑人巨大在线播放| 日日撸夜夜添| 国产亚洲一区二区精品| 22中文网久久字幕| 国产亚洲一区二区精品| 又大又黄又爽视频免费| 欧美精品高潮呻吟av久久| 国产成人精品婷婷| 国产伦理片在线播放av一区| 久久热在线av| 亚洲丝袜综合中文字幕| 人人妻人人澡人人看| 又黄又粗又硬又大视频| h视频一区二区三区| 69精品国产乱码久久久| 亚洲欧美清纯卡通| 80岁老熟妇乱子伦牲交| av片东京热男人的天堂| 少妇熟女欧美另类| 波野结衣二区三区在线| 黑人猛操日本美女一级片| 妹子高潮喷水视频| 大陆偷拍与自拍| 男女边吃奶边做爰视频| 老女人水多毛片| 久久人人爽人人爽人人片va| 尾随美女入室| 热re99久久国产66热| 中文字幕人妻丝袜制服| 在线免费观看不下载黄p国产| 欧美精品人与动牲交sv欧美| 久久久久久久大尺度免费视频| 免费看不卡的av| 自拍欧美九色日韩亚洲蝌蚪91| 一个人免费看片子| 久久久精品94久久精品| 亚洲精品美女久久av网站| 9191精品国产免费久久| 伊人亚洲综合成人网| 性色av一级| 亚洲美女视频黄频| 青春草视频在线免费观看| 国产高清国产精品国产三级| 日韩熟女老妇一区二区性免费视频| 午夜91福利影院| 性高湖久久久久久久久免费观看| 天美传媒精品一区二区| 亚洲欧美成人精品一区二区| 国产男人的电影天堂91| 国产在线一区二区三区精| 午夜日本视频在线| 免费日韩欧美在线观看| 国产一区二区激情短视频 | 国产精品一区二区在线观看99| 一区二区三区乱码不卡18| 精品福利永久在线观看| 国产精品一二三区在线看| 日韩不卡一区二区三区视频在线| 午夜影院在线不卡| 日韩大片免费观看网站| 极品少妇高潮喷水抽搐| 亚洲欧洲国产日韩| 在线天堂中文资源库| 亚洲国产精品一区三区| 国产av一区二区精品久久| 高清av免费在线| 久久精品国产鲁丝片午夜精品| 日韩伦理黄色片| 久久久精品区二区三区| 寂寞人妻少妇视频99o| 丝袜美足系列| 亚洲精品美女久久久久99蜜臀 | 国产视频首页在线观看| 久久狼人影院| 青春草亚洲视频在线观看| 国产白丝娇喘喷水9色精品| 亚洲av免费高清在线观看| 伊人亚洲综合成人网| 水蜜桃什么品种好| 欧美精品人与动牲交sv欧美| 亚洲精品国产av成人精品| 欧美最新免费一区二区三区| 视频中文字幕在线观看| 美女中出高潮动态图| 一级毛片 在线播放| 18禁动态无遮挡网站| 一级片免费观看大全| www日本在线高清视频| 一级毛片黄色毛片免费观看视频| 国精品久久久久久国模美| 欧美人与善性xxx| 欧美性感艳星| 免费看光身美女| 美国免费a级毛片| 久久久久久久久久久久大奶| 午夜精品国产一区二区电影| 亚洲内射少妇av| 国产在线视频一区二区| 国产精品熟女久久久久浪| 中文欧美无线码| 日日啪夜夜爽| 久久影院123| 国产av精品麻豆| 亚洲欧美日韩另类电影网站| 大香蕉久久成人网| 婷婷色av中文字幕| 欧美人与性动交α欧美精品济南到 | 国产一区二区三区综合在线观看 | 久久久久久人妻| 日本与韩国留学比较| 久久精品夜色国产| 久久99一区二区三区| 大香蕉97超碰在线| 永久免费av网站大全| 黄色 视频免费看| 国产男人的电影天堂91| 亚洲国产日韩一区二区| av女优亚洲男人天堂| 少妇被粗大猛烈的视频| 内地一区二区视频在线| 我的女老师完整版在线观看| 国产一区有黄有色的免费视频| 色婷婷av一区二区三区视频| 精品99又大又爽又粗少妇毛片| 一区二区三区精品91| 51国产日韩欧美| 国产永久视频网站| 国产亚洲精品久久久com| 亚洲av电影在线进入| 国语对白做爰xxxⅹ性视频网站| 99视频精品全部免费 在线| 丝袜美足系列| 亚洲成色77777| 好男人视频免费观看在线| 寂寞人妻少妇视频99o| 欧美成人精品欧美一级黄| 国产国拍精品亚洲av在线观看| 九草在线视频观看| 国产精品99久久99久久久不卡 | 国产一区二区三区综合在线观看 | 免费高清在线观看日韩| 亚洲欧美清纯卡通| 亚洲国产精品一区二区三区在线| 国产精品99久久99久久久不卡 | a级毛片黄视频| 亚洲av日韩在线播放| 老司机影院成人| 寂寞人妻少妇视频99o| a 毛片基地| 男女啪啪激烈高潮av片| 国产乱来视频区| 街头女战士在线观看网站| 亚洲精品中文字幕在线视频| 久久99蜜桃精品久久| 女的被弄到高潮叫床怎么办| 免费久久久久久久精品成人欧美视频 | 丝袜人妻中文字幕| 熟妇人妻不卡中文字幕| 一级毛片 在线播放| 久久婷婷青草| 亚洲精品国产色婷婷电影| 国产不卡av网站在线观看| av天堂久久9| 国产精品不卡视频一区二区| 中国国产av一级| 亚洲久久久国产精品| 久久综合国产亚洲精品| 欧美人与善性xxx| 在线观看免费高清a一片| 99精国产麻豆久久婷婷| 久久午夜福利片| 免费观看在线日韩| a级毛片黄视频| 亚洲精品,欧美精品| 亚洲伊人色综图| 在线观看美女被高潮喷水网站| 纵有疾风起免费观看全集完整版| 亚洲av在线观看美女高潮| 久久人人爽av亚洲精品天堂| 午夜福利网站1000一区二区三区| 99久久人妻综合| 观看美女的网站| 久久久久久久久久久久大奶| 午夜精品国产一区二区电影| 日韩大片免费观看网站| 午夜视频国产福利| 亚洲精品久久午夜乱码| 久久久久精品人妻al黑| 丝袜美足系列| 日本免费在线观看一区| 美女国产高潮福利片在线看| 日韩一本色道免费dvd| 久久精品久久久久久久性| 26uuu在线亚洲综合色| 精品亚洲成a人片在线观看| 免费久久久久久久精品成人欧美视频 | 亚洲伊人色综图| 欧美精品国产亚洲| 欧美激情 高清一区二区三区|