基于QPSO的BP神经网络油田节能指标预测

针对BP神经网络易陷入局部极小问题以及收敛速度慢的问题,引入量子粒子群优化算法和BP神经网络相结合的方法,共享BP神经网络强大的灵活性和量子粒子群全局搜索能力强的优势,通过改进QPSO的平均最优位置的计算方法,实现基于BP神经网络和量子粒子群的油田节能指标预测.以大庆某采油厂注水泵机组单耗数据为训练数据,预测结果表明该方法能达到良好的预测效果,具有可行性.

基于权重转移的加权滑动平均模型改进

针对加权滑动平均方法存在的滞后性和跳变值问题,在保证修匀和平滑功能的基础上,提出了权重转移方法,该方法可对加权滑动平均模型的滞后性和跳变值进行有效改进,使加权滑动平均的趋势性更强,同时也有效地避免了跳变值对动态预测的影响。实验结果验证了该方法的有效性。