人工神經(jīng)網(wǎng)絡(luò)屬于現(xiàn)代智能信息管理技術(shù)，其研究已涉及到社會(huì)各個(gè)領(lǐng)域，包括備受矚目的石油領(lǐng)域。大慶油田作為中國(guó)最大的石油生產(chǎn)基地，其未來發(fā)展密切關(guān)系著我國(guó)的經(jīng)濟(jì)發(fā)展。隨著石油產(chǎn)業(yè)的全球化發(fā)展，世界石油資源及市場(chǎng)競(jìng)爭(zhēng)與矛盾日趨激烈，因此，預(yù)測(cè)大慶石油產(chǎn)業(yè)的發(fā)展趨勢(shì)和掌握石油產(chǎn)業(yè)發(fā)展策略對(duì)決策者十分必要。本論文通過對(duì)國(guó)內(nèi)外人工神經(jīng)網(wǎng)絡(luò)的研究現(xiàn)狀和石油產(chǎn)業(yè)的現(xiàn)狀分析，從情報(bào)學(xué)角度提出大慶石油產(chǎn)業(yè)發(fā)展過程中在技術(shù)設(shè)備、經(jīng)濟(jì)效益、競(jìng)爭(zhēng)壓力、利益群體方面存在的問題；依據(jù)石油產(chǎn)業(yè)發(fā)展的要素，使用現(xiàn)代管理學(xué)和情報(bào)學(xué)SWOT定性分析方法，分析大慶石油產(chǎn)業(yè)發(fā)展的內(nèi)外部環(huán)境狀況，確定在其發(fā)展過程中，存在著大量復(fù)雜的不確定性因素，所收集和獲取的信息大多是非數(shù)值型的，不精確的，需要依靠人工智能的方法加以識(shí)別和解決；結(jié)合計(jì)算機(jī)軟件Matlab，以人工神經(jīng)網(wǎng)絡(luò)智能BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)為基礎(chǔ)，構(gòu)建大慶石油產(chǎn)業(yè)發(fā)展預(yù)測(cè)模型，實(shí)現(xiàn)用智能的信息預(yù)測(cè)方法解決大慶石油產(chǎn)業(yè)的發(fā)展趨勢(shì)預(yù)測(cè)問題，幫助大慶石油產(chǎn)業(yè)在市場(chǎng)競(jìng)爭(zhēng)中處于主導(dǎo)地位；以大慶采油六廠為案例，運(yùn)用構(gòu)建的大慶石油產(chǎn)業(yè)發(fā)展預(yù)測(cè)模型，對(duì)大慶采油六廠未來發(fā)展趨勢(shì)做出預(yù)測(cè)；最后，針對(duì)... 

【文章來源】：黑龍江大學(xué)黑龍江省

【文章頁(yè)數(shù)】：46 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

互連人工神經(jīng)網(wǎng)絡(luò)

反向傳播過程，此過程可以通過使一個(gè)目標(biāo)函數(shù)最小化來完成的。通常目標(biāo)可以使用梯度下降法到處計(jì)算公式。其中，Kolmogorov 定理是 BP 神經(jīng)網(wǎng)絡(luò)中中間隱含層數(shù)目 n2,輸入層數(shù)目 n1,輸出層數(shù)目 m；n2=sqrt(n1+m+1)+a，10，或者 n1=log2(n2)，用于表示隱含層、輸入層以及輸出層的數(shù)目關(guān)系。

圖 3-6 神經(jīng)網(wǎng)絡(luò)訓(xùn)練結(jié)果圖 可知，經(jīng)過 3304 次訓(xùn)練后，網(wǎng)絡(luò)的誤差精度達(dá)到要求，將網(wǎng)絡(luò)，得到輸出結(jié)果，如表 3-2 所示。表 3-2 神經(jīng)網(wǎng)絡(luò)輸出結(jié)果與專家樣本結(jié)果比較 Y y1y2y3y4樣本一 0.0000 0.0000 0.0000 0.0075 樣本二 0.0000 0.0029 0. 9543 0.0025 樣本一 0.00 0.00 0.00 0.00 樣本二 0.00 0.00 1.00 0.00 結(jié)果，對(duì)比可知，所建立的神經(jīng)網(wǎng)絡(luò)的仿真擬合度較高，產(chǎn)業(yè)發(fā)展的趨勢(shì)情況。

【參考文獻(xiàn)】：
期刊論文
[1]淺談數(shù)學(xué)建模中預(yù)測(cè)方法[J]. 朱峰.  科技信息. 2010(35)
[2]基于SWOT分析的河北省石油產(chǎn)業(yè)的非油業(yè)務(wù)探討[J]. 楊曉輝.  產(chǎn)業(yè)與科技論壇. 2010(11)
[3]基于人工神經(jīng)網(wǎng)絡(luò)的高新技術(shù)企業(yè)合作研發(fā)項(xiàng)目風(fēng)險(xiǎn)評(píng)價(jià)研究[J]. 周凱,楊梅英.  科技管理研究. 2010(20)
[4]淺談自動(dòng)化在石油化工發(fā)展中的作用[J]. 李寧.  河南化工. 2010(04)
[5]加強(qiáng)我國(guó)石油安全戰(zhàn)略的幾點(diǎn)思考[J]. 蘇杰.  石油天然氣學(xué)報(bào). 2010(01)
[6]基于人工神經(jīng)網(wǎng)絡(luò)的營(yíng)銷組合策略研究[J]. 王海萍,胡正明.  山東財(cái)政學(xué)院學(xué)報(bào). 2009(04)
[7]人工神經(jīng)網(wǎng)絡(luò)的研究與應(yīng)用[J]. 劉付芬.  福建電腦. 2009(08)
[8]石油儲(chǔ)備模型研究[J]. 習(xí)文靜.  工業(yè)技術(shù)經(jīng)濟(jì). 2008(12)
[9]用Exce軟件解決《市場(chǎng)調(diào)查與預(yù)測(cè)》中的回歸分析問題[J]. 孫新穎.  內(nèi)江科技. 2008(09)
[10]石油產(chǎn)業(yè)發(fā)展研究綜述[J]. 劉春宇.  中國(guó)礦業(yè). 2008(08)

碩士論文
[1]基于BP神經(jīng)網(wǎng)絡(luò)的超稠油流變性研究[D]. 張雪.大慶石油學(xué)院 2010
[2]MCA神經(jīng)網(wǎng)絡(luò)在數(shù)字水印中的應(yīng)用[D]. 李蓉.電子科技大學(xué) 2008
[3]基于神經(jīng)網(wǎng)絡(luò)的動(dòng)態(tài)誤差建模及實(shí)驗(yàn)研究[D]. 楊健.合肥工業(yè)大學(xué) 2007



本文編號(hào)：2963274