Обучение нейросети прогнозирования результатов интенсификации притока газа в условиях недостаточности информации
| Jazyk: | ruština |
|---|---|
| Rok vydání: | 2009 |
| Předmět: | |
| Zdroj: | Вестник Астраханского государственного технического университета. Серия: Управление, вычислительная техника и информатика. |
| ISSN: | 2224-9761 2072-9502 |
| Popis: | Процесс принятия решений при проектировании мероприятий по интенсификации притока газа достаточно сложен и не поддается четкому математическому описанию. В связи с этим разработана информационная система поддержки принятия решений с применением нейронных сетей. Разработанная нейронная сеть имеет для обучения лишь известные входные векторы. Процесс обучения заключается в подстраивании весов синапсов. Подстройка синапсов проводится только на основании информации, доступной в нейроне, т. е. его состояния и уже имеющихся весовых коэффициентов. Для проверки эффективности данного метода обучения был проведен прогнозный расчёт пластового давления на участке газоносного пласта, для которого была составлена нейросетевая модель пористости. В качестве проверочных наборов входных и выходных сигналов использовались реальные данные по газонасыщенным коллекторам башкирского яруса Астраханского газоконденсатного месторождения. Полученные результаты свидетельствует об эффективности данного метода обучения. Библиогр. 8. Ил. 1. Decision-making process at designing actions on intensification of gas inflow is rather complicated and cannot be subject to the precise mathematical description. In this connection the information system of support of decision-making with application of neural networks is developed. The developed neural network has only known entrance vectors for training. The process of training consists in adjusting weights of synapses. Adjustment of synapses can be made only on the basis of the information accessible in neuron, that is its condition and already available weight factors. To check efficiency of the given method of training the forecasting calculation of seam pressure upon a part of a gaseous seam, for which neural network model of porosity has been built, is made. As verifying sets of entrance and target signals real data on gas collectors of the Bashkir circle in Astrakhan gas-condensate field have been used. The received results are evidence of efficiency of the given method of training. |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|