面向原油总氢物性预测的数据扩增预处理方法

• 作者: 丁进良 刘长鑫 吕忠元 易令
• 来源期刊: 控制与决策
• 学科: 工学
• 关键词: 卷积神经网络 核磁共振光谱 原油物性 回归预测 虚拟样本
• 年，卷（期）: 2018,（12）
• 所属期刊栏目: 论文与报告
• 页码范围: 2153-2160
• 页数: 8页
• 分类号: TP183
• 字数: 6089字
• 语种: 中文
• DOI: 10.13195/j.kzyjc.2017.0937

摘要

针对原油总氢物性回归预测中核磁共振光谱数据不足的问题,结合深度学习相关理论,提出一种光谱数据扩增预处理方法.根据样本输入和标签的相关系数,在原始样本中加入随机噪声以生成虚拟样本;处理样本数据结构以利于卷积神经网络特征提取,并加入数据冗余改进该结构以进一步提高数据特征提取的完整性;搭建实现原油总氢物性回归预测的卷积神经网络(Regression forecasting convolutional neural network,RF-CNN).实验结果表明,对于总氢物性的回归预测,该数据扩增预处理方法不但可以解决原始数据训练中的过拟合现象,而且相比于传统的偏最小二乘(PLS)回归方法,更具稳定性和精确性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	丁进良	东北大学流程工业综合自动化国家重点实验室	31	537	12.0	23.0
2	刘长鑫	东北大学流程工业综合自动化国家重点实验室	7	66	4.0	7.0
3	易令	东北大学流程工业综合自动化国家重点实验室	1	2	1.0	1.0
4	吕忠元	东北大学流程工业综合自动化国家重点实验室	1	2	1.0	1.0