针对原油数据库的指标与主要装置收率关系,运用神经网络技术完成拟合并验证结果。
1、原油评价报告数据清洗:通过人为筛选及合理置信区间设置完成样本点筛选;
2、标准化、归一化处理相关数据:由于不同数据量纲不同,故需要归一化处理,否则造成某些指标数量级过大导致的拟合结果相关性过大;
3、构建基于先验知识的关系矩阵并通过累计贡献率排序主要动因:通过累计贡献率和先验知识完成主要动因筛选,剥离无效或次要动因;
4、根据主要动因构建学习模型:基于前馈神经网络的神经模型构建,具体输入层、中间层、输出层神经元节点确定,初始权重设定、中间层数确定等;
5、交叉验证模型过拟合特性:通过样本点的随机选取以及随机百分比选取,多次验证模型特性,剔除过拟合设计;
6、训练样本、验证收敛并测试模型;调节关键参数达到合理的泛化效果;
7、保存权重等重要信息;
8、实现相关数据验证。