《表3 常见模型预测平均绝对误差及训练时间》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于PCA-WNN模型的油田回注水管道腐蚀速率预测》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

在Matlab软件中分别编写WNN算法、BP神经网络算法以及GM（1，m）算法，根据PCA降维结果，把涂层完好性，回注水温度、流速，CO2及H2S含量，溶解氧含量，pH值以及SRB含量作为回注水管道腐蚀速率的影响因素，将随机选取的40组实际数据输入到这3种算法中进行学习，对剩余5组数据进行预测，计算每种预测算法的平均绝对误差，并统计每种算法的数据训练时间。3种预测模型的预测结果如图2所示，预测结果的误差情况如图3所示，预测结果的平均绝对误差及数据训练时间如表3所示。可以看出，PCA-WNN模型的预测结果与实际回注水管道腐蚀速率基本相同，预测结果的最大误差不超过3%，平均绝对误差仅为1.35%，且模型的数据训练时间最短；PCA-BP神经网络预测结果误差变动情况最大，且平均绝对误差高达10.96%；PCA-GM（1，m）模型的预测误差虽然低于PCA-BP神经网络，但是模型的数据训练时间最长。可见PCA-WNN模型适用于油田回注水管道腐蚀速率预测。