收藏本站
《自动化学报》 2018年05期
收藏 | 投稿 | 手机打开
二维码
手机客户端打开本文

基于Regression GAN的原油总氢物性预测方法

郑念祖  丁进良  
【摘要】:针对生成对抗网络(Generative adversarial network,GAN)不适用于原油物性回归预测的问题,本文提出一种回归生成对抗网络(Regression GAN,RGAN)结构,该结构由生成模型G、判别模型D及回归模型R组成.通过判别模型D与生成模型G间的对抗学习,D提取原油物性核磁共振氢谱(~1H NMR)谱图的潜在特征.首层潜在特征是样本空间的浅层表示利于解决回归问题,采用首层潜在特征建立回归模型R,提高了预测的精度及稳定性.通过增加条件变量和生成样本间的互信息约束,并采用回归模型R的MSE损失函数估计互信息下界,生成模型G产生更真实的样本.实验结果表明,RGAN有效地提高了原油总氢物性回归预测精度及稳定性,同时加快了生成模型的收敛速度,提高了谱图的生成质量.

【相似文献】
中国期刊全文数据库 前1条
1 妥宏;吕道平;汤勇;李遇江;刘伟洲;;关于易挥发原油物性实验分析标准的几点讨论[J];特种油气藏;2006年06期
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026