基于BP神经网络的城市边缘带土壤重金属污染预测——以成都平原土壤Cd为例

随着成都平原城市化快速发展,城市边缘带土壤重金属污染风险逐渐增大。而关于社会经济对土壤重金属污染定量影响的研究方法还较为欠缺。本文利用BP人工神经网络方法,建立了12输入、1输出、1个隐含层的三层BP神经网络,定量研究成都平原城市发展中社会经济影响因素与土壤重金属Cd含量间的内在联系。网络拟合精度达97.02%,模型拟合程度高。运用该BP网络模型对城市化影响下城市边缘带土壤重金属Cd含量进行预测,其预测精度为84.19%,明显高于传统回归模型71.55%的预测精度,体现出神经网络预测模型的优越性。利用2005年和2010年各影响因素的预测值,将这两组值分别作为网络的输入,并和以前的样本合并再重新训练更新网络权值,得到2005年和2010年各区/县土壤重金属Cd预测值。

近红外光谱-BP神经网络-PLS法用于橄榄油掺杂分析

橄榄油兼有食用和保健的作用,价值与价格远远高于其他食用油,所以橄榄油中以劣充好的现象十分普遍。可采用近红外光谱法测定初榨橄榄油中掺杂芝麻油、大豆油和葵花籽油的光谱数据,运用改进的BP算法——Levenberg-Marquardt方法,建立PCA-BP人工神经网络方法对其进行定性判别。同时采用偏最小二乘法(PLS)建立了初榨橄榄油中芝麻油、大豆油、葵花籽油含量的近红外光谱定标模型,用交互验证法进行验证。结果表明,BP人工神经网络有很好的定性鉴别能力,PLS建立的芝麻油、大豆油、葵花籽油定标模型的相关系数分别为98.77,99.37,99.44,交叉验证的均方根误差分别为1.3,1.1,1.04。该方法无损、快速、简便,为橄榄油掺杂的检测提供了一种新的途径。

基于BP模型的南通市农田土壤重金属空间分布研究

利用采样点实测数据,借助BP神经网络模型并结合GIS技术对江苏省南通市农田土壤重金属的空间动态分布进行了详细地描述。结果表明,BP神经网络模型能够智能地学习各个采样点的空间位置与该点各重金属含量之间的映射关系,并能够稳健地对各个空间插值点处的土壤重金属含量进行预测。运用Arcgis进行的分析结果显示,在该地区Pb和As造成的污染最严重,其他重金属污染相对较轻。其中南通市区、海门市和启东市重金属富集最严重;南通大部、通州、如东大部分地区含量较少,含量最少的地区是如皋市和海安县。在运用神经网络模型进行空间插值了解重金属空间动态分布的基础上,可以根据污染的分布状况确定农产品的生产布局和规划。

人工蜂群优化BP神经网络在输油管道泄漏检测中的应用

BP神经网络的泛化性能很大程度上取决于模型的参数选择,针对此问题提出基于人工蜂群算法(ABC)的BP神经网络参数优化算法,并将其应用于输油管道的泄漏检测。该方法将BP神经网络的连接权值和阈值一一对应于人工蜂群算法优化问题每个可行解的各维度值,找到问题的最优解,训练出符合精度要求的理想模型。将该方法应用于输油管道泄漏信号的识别,提取管道各类工况下压力信号部分非线性特征作为检测模型训练样本集,建立输油管道泄漏检测模型并进行识别测试,有效提高了泄漏检测的准确率。

BP神经网络识别塔北低阻油气层

简要介绍了塔北低阻油气层岩性剖面、低阻油气层地球物理测井曲线特征 ,分析了塔北地区低阻油气储层成因 ,重点论述BP人工神经网络识别油气层、油水同层、水层和干层的方法原理。识别实例表明 ,BP人工神经网络识别低阻油 (气 )、水层的结果与实际相符 。

利用BP网络技术进行油井流入动态分析方法研究

论述了应用人工神经网络技术进行油井流入动态分析的方法 :将油井视为一个黑箱非线性动态系统 ,不需要建立描述油井动态的复杂数学模型 ,只要对其动态系统的输入 /输出进行网络训练 ,即可建立相应的人工神经网络预测模型 ,并用此进行油井流入动态预测及分析 ,绘制出精确的 IPR曲线 .依据 BP网络和实际应用的特点 ,提出了滚动预测技术 ,并对该技术进行了实例分析 ,取得了较好的效果 .

基于BP神经网络的输油管道腐蚀速率预测

本文将采用BP神经网络技术,以压力、温度、流速、含硫量和酸值作为输入参数,以管道内腐蚀速率作为输出参数,建立了输油管道的腐蚀速率预测模型。计算结果表明,该模型具有较好的预测精度,模拟出的腐蚀速率与实测值能较好的吻合,并且能够反映各因素与腐蚀速率之间的关系。

南堡35-2油田调驱优化设计及实施效果分析——应用基于物理模拟参数为学习样本的BP神经网络预测方法

南堡35-2油田是海上稠油油田,具有原油黏度高、油层岩心渗透率高、胶结疏松和非均质性严重等特点,水驱开发过程中指进现象严重,难以获得较高的水驱采收率。本文利用仪器检测和物理模拟实验优选调驱剂。依据优选结果,利用物理模拟参数为学习样本的BP神经网络预测方法和经济评价方法,对调驱方案的平均浓度和段塞尺寸进行优化。室内实验分析和优化结果表明,对于该油田A21井,最佳段塞尺寸和平均质量浓度分别为0.1 PV和2200 mg/L。聚合物凝胶调驱矿场试验过程中,注入压力明显上升,增油效果显著。在调驱有效期内,在不考虑自然递减情况下受效油井增油27639.59 m3,取得了明显的增油降水效果,经济效益十分明显。

基于BP神经网络的近红外光谱法鉴别芝麻油品牌的研究

研究了一种用近红外光谱分析技术快速鉴别芝麻油品牌的方法。首先对芝麻油样品的近红外光谱采用主成分分析法进行聚类分析,加结合人工神经网络技术进行芝麻油品牌的鉴别。通过主成分分析,得到前15个主成分的累计可信度达到99.72%,再将55个校正集样品的前15个主成分数据作为BP网络输入变量,建立一个3层BP人工神经网络的芝麻油品牌鉴别模型,将18个验证集样品作为测试集输入模型,得到该鉴别模型对6个品牌芝麻油的鉴别率为83.33%,实验结果表明,相对于常规鉴别方法难以区别不同品牌芝麻油之间的微小差别,BP人工神经网络法对芝麻油品牌的鉴别更具可行性,且具有一定的鉴别效果。

应用BP网络进行重油化学组成的关联计算

描述了应用具有高度非线性映射能力的BP神经元网络进行石油物性数据关联的基本方法，以重油的密度、碳氢比、粘度和康氏残炭等常规物性作为关联参数，对重油的化学组成进行关联，结果优于由回归分析所得的关联式。该方法具有统一的模型，自动形成物性与关联参数的相关关系，以及计算简单方便等特点，适合于处理组成极其复杂的石油体系。

基于BP神经网络的重油催化裂解模型

基于BP神经网络,利用重油催化裂解反应过程的试验数据,以涉及原料性质、催化剂活性、操作条件等的11个参数作为输入变量,以乙烯、丙烯和BTX(苯、甲苯、二甲苯)的产率作为输出变量,构建了结构为11-12-3、以贝叶斯算法为学习算法的BP神经网络重油催化裂解模型,并进行了验证。结果表明,该模型对乙烯、丙烯和BTX产率的预测平均相对误差分别为4.59%,3.92%,2.28%,说明所建模型对重油催化裂解反应产物产率的预测效果较好。

基于BP神经网络的重点行业企业周边土壤重金属污染预测及评价

对湖北省重点区域行业企业周边土壤理化指标和重金属含量进行监测;利用监测数据建立含有13输入、1个隐含层和6输出的3层BP神经网络模型,预测监测区域Mn、Co、V、Ag、Tl、Sb含量,综合重金属监测结果和预测结果,采用内梅罗指数对研究区域进行污染评价。结果表明,研究区域重金属存在不同程度超标情况,最大超标倍数范围为1.8~156.1倍;Mn、Co、V、Ag、Tl、Sb等6项重金属预测结果与实际测试结果相对误差范围在0.3%~19.9%,Mn、V、Ag、Tl、Sb在置信度为99%时均呈显著性相关(P<0.01,n=11),Co在置信度为95%时呈显著性相关(P<0.05,n=11),构建的BP神经网络预测模型具有良好的精准度;基于BP神经网络模型预测结果的内梅罗污染指数未超过警戒限的比例为77.3%,达轻度污染比例17.4%,达中度、重度污染比例均为4.0%。

利用BP人工神经网络预测盐水中CO_2的溶解度

盐水中CO_2的溶解度参数对CO_2地质封存至关重要,通过实验方法获取溶解度数据耗时费力,因此,需要建立理论模型来进行预测,而神经网络由于能够关联复杂变量之间的情况而广受关注。BP神经网络是1种应用最广泛的前馈神经网络,利用实验数据建立1个三层结构的BP神经网络模型用于预测盐水中CO_2的溶解度,并对网络的结构参数进行优化设计,得到1种盐水中CO_2溶解度预测的BP神经网络模型。同时,利用修正后的亨利定律计算不同条件下的溶解度,并将实验数据、BP模型预测结果与亨利定律做对比,为确定盐水中CO_2的溶解度提供了1种新方法。

BP网络在录井气测解释中的应用

基于前馈神经网络模型发展了一种全新的油气层识别技术，并提出了一种改进的ＢＰ算法．利用该算法，可对所获取的录井气测资料进行精度高、速度快的油层、气层、水层的自动识别．

基于BP神经网络的石油企业核心竞争力评价

从石油企业自身特点和实际出发,通过问卷调查和主成分因素分析法,构建了6个维度18个指标的石油企业核心竞争力评价指标体系。基于评价指标,设计了BP神经网络模型,选择了6家样本企业、2家测试企业进行了应用试验,对5家综合实力较强的石油企业进行了应用分析。研究表明:本评价模型与传统的线性评价模型相比,具有更高的动态性和自学习性,评价结果误差小,精度高,能充分反映石油企业核心竞争力的真实状况,为石油企业核心竞争力的打造提供了基准,同时对石油企业核心竞争力进行定量评价开辟了另一条途径。

基于BP神经网络的沉积物(生物膜)主要活性组分吸附Cu和Zn的交互作用

利用MATLAB建立沉积物(生物膜)主要活性组分(铁氧化物、锰氧化物和有机质)吸附Cu/Zn过程的BP神经网络模型,模型训练集均方差、训练集偏差、验证集均方差和测试集偏差分别为0.002 2(0.001 5),1.542 9×10-6(2.648 4×10-6),0.087 1(0.069 2)和0.018 7(0.035 7).所建模型能够反映沉积物(生物膜)主要活性组分含量梯度变化时吸附Cu/Zn的规律,并且初步揭示了沉积物(生物膜)主要活性组分吸附Cu/Zn时的交互作用.沉积物(生物膜)组分含量变化与其吸附Cu/Zn的能力呈显著反比关系时,交互作用的影响度最大为1 420.30%/54.30%(沉积物)和79.27%/703.31%(生物膜).沉积物(生物膜)吸附Cu/Zn时,与对应原样相比交互作用的促进作用影响度最大为386.14%/30.08%(沉积物)和66.17%/47.92%(生物膜).

BP神经网络在剩余油分布预测中的应用研究

我国多数油田经过一次、二次采油后,仅能采出地下总储量的30%左右,这意味着有60%～70%的剩余石油仍然残留在地下成为剩余油。加强剩余油分布规律研究、提高石油采收率不仅有着可观的经济效应,而且关系到国家石油战略的安全。本研究应用神经网络的原理,基于BP网络使用MATLAB语言建立一个剩余油分布的预测系统。该系统通过学习在地理坐标和孔隙度之间建立一个非线性函数关系,以此来预测任何区域的孔隙度,再通过孔隙度与剩余油饱和度之间的关系达到剩余油分布预测的目的。

基于BP神经网络的燃煤电厂周围土壤重金属浓度预测及评价

随着社会经济的快速发展,土壤重金属污染日益严重,关于土壤污染预测的研究较为欠缺。利用BP神经网络建立预测模型,经学习训练后,Hg,As,Cd,Cr,Pb 5种元素的模型预测精度分别达到98.52%,98.22%,91.86%,90.70%,88.31%。根据预测,5 a后所有监测点Hg,Cd浓度均超过土壤环境质量二级标准,10 a和20 a后各重金属浓度继续升高。10 a后,Hg的Igeo值为偏中污染,表明Hg受到电厂烟尘排放的影响最为严重;5 a后,PLI无无污染区域,在烟囱下风向1~2 km范围内重金属PLI值逐渐升高,上风向变化不大。

基于BP神经网络有杆抽油机井下示功图识别研究

介绍了基于BP神经网络对有杆抽油机井下示功图的一种模式识别方法。首先利用有杆抽油机运动数学模型把井上采集数据变换为井下数据,然后通过几何变换的方法提取井下数据特征值,训练BP神经网络,分析训练效果,最后使用非训练数据样本对识别准确性进行验证。通过仿真数据验证,识别效果较好、速度快。该方法建立的BP网络具有复杂度较低、速度快、效果好的优点。

紫外光谱结合化学计量学检测初榨橄榄油掺伪研究

以紫外光谱为技术手段,结合偏最小二乘法和BP人工神经网络2种化学计量学方法建立了初榨橄榄油/混合橄榄油二元掺伪体系的定量预测模型。试验结果表明,2种统计模型定量预测性能良好,偏最小二乘模型的训练集交叉验证均方根误差RMSEcv和预测集均方根误差RMSEP均达到0.011,预测值与真实值相关性达到0.996 2;BP人工神经网络迭代次数为61步,训练集拟合残差为9.684×10-5,网络预测值和真实值相关系数为0.998 3,对于5%以上掺伪比例的油样BP神经网络能够精确地预测。