简介:摘要在本研究中,主要阐述了冶炼高炉烧结矿化学原料的配比的准确预测,通过分析烧结具体工艺原理以及特点,提出采用深度学习中的深度置信网络算法,能够准确预测烧结矿化学成分,建立具有深度置信网络为核心的准确预测模型。首先,需要进行深度置信网络结构和参数的设计,通过利用无监督贪婪算法能够完成模型训练,采用BP网络反向微调权值对整个模型进行优化,最后比较浅层预测算法,通过仿真结果表发现,利用这种方法所获得的预测值是与具体值之间的差距相对较小,具有较高的预测精确度,相比其他方法来说具有显著优势,表明在烧结矿化学原料配比上采用深度置信网络法,具有较高的准确预测效果和有效性。
简介:传统的地层压力预测方法大都建立在地层欠压实机理之上,对于由其它因素引起的异常高压现象未必适用。Yassir等(1999)发现异常地层压力通常与异常水平应力有密切联系,异常高压带的最大主应力往往很大。基于此,在分析重力场和构造应力场的双重应力场特征基础上,本次研究首先通过常规测井资料建立构造稳定地区的最大主应力的计算模型,将利用该模型计算构造挤压强烈的非稳定地区的主应力结果定义为虚拟最大主应力,再结合相对构造应力的贡献值得到最大主应力,最后在一定的超压范围之内,根据最大主应力与地层压力的拟合关系预测地层压力。通过对A气田的实际资料处理表明,利用该方法得到的地层压力预测值与实际测量值吻合较好,预测精度较传统的等效深度法有明显的提高。