典型文献
基于BP神经网络的小角度井斜方位角误差补偿研究
文献摘要：
井斜角与方位角是井眼轨迹计算中的主要测量参数,然而与常规井斜时方位角误差相比,小角度井斜下测斜仪的方位角测量误差更大.为了提高测斜仪在小角度井斜下的方位角测量精度,基于BP神经网络算法对5°～10°小角度井斜下方位角的测量进行了补偿.文中以标准井斜角和实测方位角构成的二维向量作为输入,以标准方位角构成的一维向量作为输出,建立了双入单出网络模型.采用随机选取的方式将学习样本分为训练集与测试集,使网络具有较好的泛化能力.仿真测试结果表明,该BP神经网络误差校正模型运行稳定,补偿精度达到10-6,可将小角度井斜下方位角的测量精度从±5.3°提高至±1.7°以内.
文献关键词：
测斜仪精度;小井斜;方位角校正;神经网络;BP算法;误差补偿;校正模型;梯度下降
中图分类号：
作者姓名：
丁慧慧;邵婷婷;乔曦
作者机构：
延安大学 物理与电子信息学院,陕西 延安716000;陕西省能源大数据智能处理省市共建重点实验室,陕西 延安716000
文献出处：
引用格式：
[1]丁慧慧;邵婷婷;乔曦-.基于BP神经网络的小角度井斜方位角误差补偿研究)[J].电子科技,2022(05):33-37
A类：
小角度井斜,测斜仪精度,方位角校正
B类：
误差补偿,补偿研究,井斜角,井眼轨迹,常规井,时方,方位角测量,测量误差,测量精度,神经网络算法,训练集,测试集,泛化能力,仿真测试,误差校正,校正模型,运行稳定,小井斜,梯度下降
AB值：
0.191202
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
