摘  要：针对气田采出水处理过程中因水质成分复杂多变导致的含油量测量不准确的问题，本文提出一种基于人工神经网络(ANN)和卡尔曼(Kalman)滤波的误差补偿方法。首先通过随机样本一致算法(RANSAC)对气田采出水含油量数据进行异常值筛选并构建 Kalman 滤波的状态空间方程；然后利用 Kalman 滤波器对采出水数据进行滤波估计，减少在线测量带来的随机误差；再利用生成式对抗网络(GAN)对滤波后的增益值、估计值和相应人工测量值进行数据增强，避免样本量少可能带来的过拟合问题；最后将增强后的滤波增益值和估计值作为输入，相应的人工测量值作为输出，利用ANN 进行误差补偿。实验结果表明：该方法将含油量的在线测量平均误差由20.9%降低至4.9%，有效地提高了在线设备的测量精度，可以为气田采出水的后续处理提供有力的数据支持。

论文下载：

基于Kalman滤波和神经网络的气田采出水含油量在线高精度测量方法_张陈德.pdf

  浏览次数：