简介：针对传统发射区解算多项式拟合方法存在多项式函数难确定、函数分段范围难把握的问题,采用了BP神经网络（BPNN）实现数据整体拟合。当数据量大且复杂时,拓展神经网络的深度不能完整学习数据特征。针对该问题,引入了深度置信网（DBN）。在DBN仿真训练中,选用双隐层网络结构,随着隐单元数的增加,拟合性能有较明显提升。仿真结果表明,深度学习方法更适用于大数据环境下的深度神经网络架构,可应用于地空导弹发射区解算。
简介：摘要随着油田的不断开发，地层能量逐渐下降，且采用有杆采油的方式，已呈现供液不足的态势，甚至一些油井出现“空抽”，既加大了管杆磨损强度，还增加了生产成本。为此，对低产低效井实施了“间开”，在合理的时间段停井以恢复地层能量，然后再开井生产。本文以薛岔区块油井为例，从单井间开制度出发，结合薛岔区实际生产数据，对所有间开井液面功图持续跟踪，结合功图量油曲线，对比优化间开制度，做出适合每口间开井的间开制度，达到节能降耗、“低投入，高回报”的目的。经间开节电约86.19万元，节约修井费用51万元。本文的研究成果，对作业区油井的生产具有一定的经济效益。
基于深度学习的地空导弹发射区解算方法
薛岔作业区低产低效井间开试验及效果评价
