基于Regression GAN的原油总氢物性预测方法

作者：郑念祖; 丁进良

来源：自动化学报, 2018, 44(05): 915-921.

DOI：10.16383/j.aas.2018.c170485

• 回归生成对抗网络
• 原油物性预测
• 生成对抗网络
• 核磁共振氢谱

针对生成对抗网络(Generative adversarial network,GAN)不适用于原油物性回归预测的问题,本文提出一种回归生成对抗网络(Regression GAN,RGAN)结构,该结构由生成模型G、判别模型D及回归模型R组成.通过判别模型D与生成模型G间的对抗学习,D提取原油物性核磁共振氢谱(1H NMR)谱图的潜在特征.首层潜在特征是样本空间的浅层表示利于解决回归问题,采用首层潜在特征建立回归模型R,提高了预测的精度及稳定性.通过增加条件变量和生成样本间的互信息约束,并采用回归模型R的MSE损失函数估计互信息下界,生成模型G产生更真实的样本.实验结果表明,RGAN有效地提高了原油总氢物性回归预测精度及稳定性,同时加快了生成模型的收敛速度,提高了谱图的生成质量.

• 单位
  东北大学; 流程工业综合自动化国家重点实验室