来源：期刊VIP网 时间：
作者：刘升虎1;赵莹莹1;葛子豪1;冉建立2;郭会强2
单位：1.西安石油大学陕西省油气井测控技术重点实验室;2.中国石油天然气股份有限公司辽河油田分公司安全环保技术监督中心
摘要：在原油生产及后续处理流程中，含水率作为关键参数，其精确测量对于石油产业的经济效益与产品质量把控起着举足轻重的作用。然而，该测量过程易受温度、压力以及微波信号波动等多种因素的干扰，致使传统测量手段难以满足高精度需求。该研究提出一种创新性的ABC-BP神经网络模型，将温度、压力、幅度差值和相位差值作为输入层变量，旨在深度挖掘这些因素与原油含水率之间的内在关联机制。通过大量实验数据验证，该模型在复杂多变的工况条件下表现出较好的预测性能，其r~2为0.951 90,MAPE为20.89%,RMSE为0.047。相较于传统BP神经网络，该模型成功克服了易陷入局部最优解的缺陷，提升预测的准确性与稳定性，为原油含水率的精确测量提供一种全新且具可靠性的解决方案，有望在石油开采、加工及交易等诸多环节中推动技术优化与升级，助力产业发展。
关键词：原油含水率;反向传播神经网络;人工蜂群算法(ABC);智能优化算法;多参数预测模型
基金资助：国家自然科学基金(51974250,41874158)
