基于C-I-WOA-BP神经网络的钻压温度补偿方法

为了提高小井眼随钻参数测量中钻压测量的准确性,补偿温度对应变片的影响,克服传统BP神经网络学习过程收敛速度慢、对初始值和偏置值敏感、学习率不稳定、容易陷入局部最小值的缺陷,提出一种混沌映射的自适应鲸鱼优化算法优化BP神经网络的C-I-WOA-BP温度补偿模型。首先,采用混沌映射的方法优化传统鲸鱼算法(WOA)的初始种群方式;然后通过自适应权重调整优化WOA的收缩包围机制;再通过WOA算法优化BP神经网络的权重系数;最后,综合对比BP网络、CWOABP网络、IWOABP网络和C-I-WOA-BP网络的性能。结果表明,C-I-WOA-BP网络提高算法收敛速度,具有全局探索能力和局部开发能力,稳定性好,能有效降低温度对钻压参数测量的影响。

资料为PDF文档格式.

本文档关键词:补偿,温度,神经网络,WOA,BP