基于LMBP算法的油田用抽油杆悬点载荷预测  

Suspended Load Prediction for Sucker Rod in Oilfield Based on LMBP Algorithm

作　　者：周瑞芬[1] 姜民政[1] 董康兴[1] 

机构地区：[1]东北石油大学机械科学与工程学院

出　　处：《化工机械》2011年第4期428-431,共4页Chemical Engineering & Machinery

基　　金：黑龙江自然科学基金项目(E200633)

摘　　要：利用大庆油田所测抽油杆悬点载荷数据库数据,采用改进的LMBP神经网络算法建立了抽油杆悬点载荷与抽油杆冲程、抽油杆冲次、抽油杆直径、抽油泵直径、沉没度、泵挂深度和油井含水率7个影响因素的预测模型,通过模型的训练,获得了较高的训练精度,说明用该方法预测抽油杆的悬点载荷是可行的。Basing on the test data for sucker rod suspension load and the improved LMBP neural network algorithm, a prediction model for sucker rod suspension load influenced by rod stroke, stroke frequency, rod diameter, pump diameter, submergence depth, pump setting depth and water ratio was established. The simulation results prove its feasibility.

关 键 词：抽油杆 悬点载荷 LMBP神经网络 预测模型 

分 类 号：TQ050.1[化学工程]