典型文献
基于主成分分析的NCPSO-BP机械钻速预测
文献摘要：
目前常用的机械钻速预测理论模型仅通过相关性、贡献度来筛选模型输入参数,没有积极挖掘随钻采集的复杂属性间关系,导致信息缺乏完整性.为了最大化保留复杂属性间线性关系,提出了一种基于主成分分析的钻速预测模型,并引入混沌变异的小生境粒子群算法(NCPSO)优化BP神经网络,提高模型的收敛速度与精度.首先,采用主成分分析法根据不同的方差贡献度对高维钻井数据进行降维、降噪;其次,建立智能优化算法-神经网络钻速预测模型,利用混沌变异的小生境粒子群算法的训练结果为BP神经网络权值、阈值赋予初值,以此建立机械钻速预测模型;最后,在不同输入维度进行对比分析NCPSO-BP模型与PSO-BP,GA-BP和标准BP的机械钻速预测结果.研究结果表明,在8维、10维输入的情况下,NCPSO-BP机械钻速模型的预测精度平均提高了59％,训练速度平均提高了26.3％,为日益复杂的钻井环境下机械钻速精确预测提供了理论基础.
文献关键词：
机械钻速预测;智能优化算法;主成分分析;神经网络
中图分类号：
作者姓名：
沙林秀;胥陈卓
作者机构：
西安石油大学电子工程学院
文献出处：
引用格式：
[1]沙林秀;胥陈卓-.基于主成分分析的NCPSO-BP机械钻速预测)[J].石油钻采工艺,2022(04):515-521
A类：
NCPSO
B类：
机械钻速预测,预测理论,贡献度,筛选模型,模型输入,输入参数,随钻,钻采,致信,混沌变异,小生境,粒子群算法,收敛速度,高维,钻井数据,降噪,智能优化算法,权值,初值,GA,训练速度,下机,精确预测
AB值：
0.196128
相似文献
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。
