基于改进Adam-DBN的油井工况诊断方法
王通
熊涛理
沈阳工业大学 电气工程学院, 沈阳 110870
摘要：针对深度信念网络在油井工况诊断中由于梯度扩散导致训练效果差,模型诊断准确率不高的问题,提出一种基于改进Adam优化算法的深度信念网络油井工况诊断方法.以二值化处理后的示功图作为深度信念网络输入,利用对比散度算法对网络进行无监督预训练,以获取较优的初始权值;在反向传播微调网络过程中,运用动量法预测梯度下降位置,更新梯度下降方向,并通过学习率自适应选择下降步长,避免梯度扩散降低模型训练效果.某采油平台油井上的仿真实验结果表明,基于改进Adam优化算法的深度信念网络对油井工况的识别准确率较高,能更好地满足油田生产实际需求.
关键词：工况诊断特征提取深度信念网络受限玻尔兹曼机示功图梯度下降优化算法油井
分类号：TP277(自动化技术及设备)
资助基金：国家自然科学基金(62173073)
论文发表日期：2023-05-25
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 330-335 )
英文信息