使用跳跃连接的物理信息神经网络对气举油井进行建模和控制
原文中文,约400字,阅读约需1分钟。发表于: 。通过在 PINC 网络中引入跳跃连接以及改进 ODE 的某些项,我们在训练过程中实现了更准确的梯度,从而为油井系统的建模过程提供了有效的解决方案。我们提出的改进的 PINC 展现出卓越的性能,将油井应用中的验证预测误差平均降低了 67%,并显著增强了网络层之间的梯度流动,使其幅度相对于原始 PINC 增加了四个数量级。此外,实验展示了通过改进的 PINC...
通过引入跳跃连接和改进ODE的某些项,改进的PINC在油井应用中表现出卓越性能,验证预测误差平均降低了67%,增强了网络层之间的梯度流动。改进的PINC模型在存在噪声测量的情况下,通过模型预测控制(MPC)有效地调节油井底孔压力。