Структурно-функциональная организация нейронных сетей в промышленных системах обработки информации : применительно к инженерным сетям нефтегазодобычи

Структурно-функциональная организация нейронных сетей в промышленных системах обработки информации : применительно к инженерным сетям нефтегазодобычи

Автор: Зозуля, Юрий Иванович

Шифр специальности: 05.13.01

Научная степень: Докторская

Год защиты: 2009

Место защиты: Уфа

Количество страниц: 356 с. ил.

Артикул: 4750474

Автор: Зозуля, Юрий Иванович

Стоимость: 250 руб.

Структурно-функциональная организация нейронных сетей в промышленных системах обработки информации : применительно к инженерным сетям нефтегазодобычи  Структурно-функциональная организация нейронных сетей в промышленных системах обработки информации : применительно к инженерным сетям нефтегазодобычи 

Введение.
Глава 1. Развитие и системная интеграция интеллектуальных
функций промышленных систем обработки информации
1.1. Формулирование проблемы исследования.
1.2. Анализ состояния инженерных сетей нефтегазодобычи
1.3. Существующие математические модели и методы контроля и диагностики состояния инженерных сетей.
1.4. Современные программные комплексы контроля и диагностики, состояния инженерных сетей.
1.5. Формулирование цели и задач исследования.
Выводы по главе 1
Глава 2. Концепция интеллектуального нейрокомпыотинга.
2.1. Нейрокибернетический и нейробионический подходы к определению структурнофункциональной организации нейронных
сетей
2.2.редставление нейронных структур как функциональных сетей
2.3. Классификация интеллектуальных нейросистсм и разработка концепции.интеллектуального нейрокомпьютинга
2.3.1. Классификация интеллектуальных нейросистем.
2.3.2. Основные положения концепции интеллектуального нейрокомпьютинга.
2.3.3. Интеллектуальные функции системы обработки информации
2.3. Классификация нейронных структур и выбор начальной организации
нейросистемы
Выводы по главе 2.
Глава 3. Теоретические основы структурнофункциональной организации нейронных сетей в системах обработки информации.
3.1. Нейросетевые модели обработки информации.
3.1.1. Нейросетевые модели как основа интеграции процессов обработки информации в интеллектуальных нейросистемах
3.1.2. Нейросетевая модель для решения задач распознавания образов и классификации состояний объектов
3.1.3. Нейросетевая модель для. решения задач диагностики и
прогнозирования состояния автоматизированного технологического комплекса.
3.1.4. Нейросетевая модель для .решения задач анализа и сведения балансов материальных и энергетических потоков
3.1.5. Нейросетевая модель для оценки показателей качества продуктов и эффективности производства при управлении технологическими
процессами
3.3. Теорема А.Н.Колмогорова и обобщенная коннекционистская модель обработки информации в нейронных сетях анализаторов данных реального времени.
3.3.1. Нейросетевая интерпретация теоремы Л.Н. Колмогорова
3.3.2. Нейросетевая реализация векторных булевых функций. 0.
3.3.3. Представление векторных функций общего вида
3.3.4. Обобщенная коннекционистская модель обработки информации
3.3.5. Дополнительное обучение нейронной сети анализатора.
3.4. Системная интеграция нейронных сетей анализаторов данных
реального времени.
Выводы по главе 3.
Глава 4. Нсйробионичсскос моделирование нейронных структур и процессов их согласовании.
4.1. Многоуровневое описание нейронных структур в пространствевремени.
4.1.1. Модель сообщества нейронных сетей
4.1.2. Модель нервной ткани.
4.1.3. Модель нейронной сети
4.2. Формирование системы анализаторов в процессе метаинтщрации нейронных сетей.
4.3. Определение дифференциальных и интегральных свойств
адаптивных фильтров пространственновременных сигналов
4.3.1. Фильтрация пространственновременных сигналов
4.3.2. Дифференциальные и инте1ральные свойства адаптивных фильтров
4.3.3. Описание детекторов признаков пространственновременных сигналов
4.4. Преобразование координат пространства и времени нейросистемы
4.5. Запоминание и воспроизведение пространственновременных сигналов и образов в процессе адаптации нейросистемы
4.6. Функциональное кодирование сигналов нейросистемы и синтез интегральных голофафических кодов.
4.7. Согласование организационных, отражающих биологических и отображающих технических элементов и систем ноосферы
4.7.1. Уточнение постановки проблемы
4.7.2. Основные положения теории согласования
4.7.3. Аксиоматическое определение ноосферы.
4.8. Согласование интеллектуальных нейросистем в реальном ространствевремени.
4.8.1. Согласование элементов иейросистсмы в циклах взаимодействия
4.8.2. Анализ условий согласования элементов интеллектуальных нейросистем.
4.8.3. Согласование подсистем интеллектуальной нейросистемы в
пространствевремени
Выводы по главе 4.
Глава 5. Интеграция нейронных сетей анализаторов данных реального времени в составе промышленных систем обработки информации
5.1. Нейросетевые технологии разработки и системная интеграция анализаторов данных реального времени.
5.2. Анализ состояния инженерных сетей нефтегазодобычи с
использованием нейросетевых моделей.
5.2.1. Многоуровневые модели инженерных сетей нефтегазодобычи.
5.2.2. Анализ причин возникновения грубых ошибок при анализе баланса потоков в инженерных сетях нефтегазодобычи
5.2.3. Архитектура анализатора состояния участка инженерной сети
5.2.4. Метаинтеграция нейросетевых моделей участков инженерной сети
5.3. Разработка интеллектуальной нейросистемы для обнаружения утечки в трубопроводе.
5.4. Разработка и интеграция интеллектуальных нейросистем, обеспечивающих оптимизацию процессов добычи нефти
5.5. Программное и информационное обеспечение для генерирования и интеграции нейронных сетей
5.6. Методическое обеспечение системы производственного учета и анализа баланса потоков нефтепромысла.
5.7. Внедрение разработанных способов анализа данных реального
времени о состоянии инженерных сетей
Выводы по главе 5.
Заключение
Список литературы


Попытки увеличения числа точек контроля гидравлических и электрических параметров, совершенствования средств измерения и сбора данных не позволяют полностью разрешить проблему достоверного анализа баланса. Требуя значительных затрат, этот путь не устраняет неопределенности исходных данных изза отказов средств измерения и каналов доставки измерительной информации, а также изза неконтролируемых изменений режимов и нарушений в работе технологических объектов 9. Многокомпонентная нефтегазовая смесь является совокупностью нескольких сплошных сред материальных пространственных континуумов, состоящих из отдельных частиц нефти, газа, воды, механических и других примесей, заполняющих один и тот же объем или смежные объемы технологических объектов инженерных сетей, занятые смесыо. В состав основных объектов инженерных сетей нефтегазодобычи входят 9 рис. ППД. Рис. Технологическая схема инженерной сети нефтегазодобычи имеет древовидную структуру и включает в себя ветви добычи и сбора нефти и ветви закачки пластовой и пресной воды рис. В целом, инженерные сети нефтегазодобычи это особый класс сетей, объединяющих в единое целое совокупность технологических установок и соединяющих их трубопроводов, осуществляющих транспортировку многокомпонентных многофазных сжимаемых и несжимаемых продуктов нефти, газа, нефтяной эмульсии, пластовой и пресной воды, механических и других примесей. Основным назначением инженерных сетей нефтегазодобычи как многосвязных гидравлических и электротехнических систем является транспортирование и распределение продукции добывающих и водозаборных скважин между различными приемниками пунктами приемасдачи нефти и газа и нагнетательными скважинами. Для инженерных сетей справедливы первый и второй постулаты сети законы. Кирхгофа, справедливые для гидравлических и электрических цепей 3. Изменение состояния инженерной сети достигается путем изменения состояния ее переключающих элементов открытие и закрытие задвижек в гидравлических цепях, замыкание и размыкание масляных выключателей в электрических цепях, а также активных элементов пуск и останов насосов, связанных с накопительными элементами сети скважинами, трубопроводами, резервуарами, буллитами. Нарушение целостности и функций этих элементов также может вызвать изменение состояния сети. Состояние гидравлических цепей в случае неизотермического распределения потоков определяется также узловыми температурамии зависит от узловых расходов тепла. В моделях гидравлических цепей расход многокомпонентного многофазного потока между смежными узлами связан определеннойзависимостью с давлениями в узлах сети с перепадами давления между ними . Зависимости замыкающие соотношения 3 между расходами отдельных компонентов потока и перепадом давления на элементах сети описываются монотонно возрастающими функциями для пассивных элементов технологических линий или монотонно убывающими функциями для активных элементов насосов 3. Параметры этих функций изменяются в процессе эксплуатации инженерной сети эволюционируют. При анализе баланса потоков в узлах инженерной сети выявляются факты существенного нарушения баланса потоков дисбалансы, или небалансы, фиксируется время и место нарушения. Аналогично, на основе результатов измерения расхода сепарированного газа, обводненности жидкости и результатов лабораторных анализов проб, определяется абсолютный дисбаланс по отдельным компонентам газожидкостных потоков участка инженерной сети. При объединении нескольких участков инженерной сети в одно целое агрегированный узел также может определяться абсолютный или относительный дисбаланс по отдельным компонентам газожидкостных потоков. На рис. АО Татнефть, который рассчитан на двухчасовых интервалах анализа. На диаграмме видно регулярное изменение дисбаланса в конце суток, вызванное некорректным выполнением учетных операций на объектах сдачи высокосернистой нефти. Относительный дисбаланс может изменяться в значительных пределах до в корневых узлах сети и до и более в периферийных узлах. АО Татнефть за г. Рис. Рис. На рис. НГДУ Джалильнефть.

Рекомендуемые диссертации данного раздела

28.06.2016

+ 100 бесплатных диссертаций

Дорогие друзья, в раздел "Бесплатные диссертации" добавлено 100 новых диссертаций. Желаем новых научных ...

15.02.2015

Добавлено 41611 диссертаций РГБ

В каталог сайта http://new-disser.ru добавлено новые диссертации РГБ 2013-2014 года. Желаем новых научных ...


Все новости

Время генерации: 0.240, запросов: 244