基于HABC-RBF神经网络的蒸汽驱预测方法

被引：6

作者：

倪红梅 ^{[1
,2
]}

刘永建 ^{[1
]}

李盼池 ^{[2
]}

机构：

[1] 东北石油大学提高油气采收率教育部重点实验室

[2] 东北石油大学计算机与信息技术学院

来源：

吉林大学学报(信息科学版) | 2018年 / 36卷 / 01期

关键词：

RBF神经网络; 人工蜂群算法; 随机扰动; 蒸汽驱; 预测模型;

D O I：

10.19292/j.cnki.jdxxp.2018.01.012

中图分类号：

TE357.44 []; TP183 [人工神经网络与计算];

学科分类号：

140502 [人工智能];

摘要：

为解决蒸汽驱开发效果预测精度低和时间长的问题,提出了一种改进人工蜂群算法和RBF(Radial Basis Function)神经网络相融合的预测方法。该方法应用种群最优解修改雇佣蜂解和观察蜂解的搜索方程,借鉴差分进化算法思想,完成对种群最优解和个体搜索解随机扰动,采用混合编码优化RBF神经网络参数。以辽河油田齐40块为例进行了试算,结果表明,该方法对蒸汽驱开发效果预测具有较好的非线性拟合能力和较高的预测精度。

引用

页码：78 / 84

页数：7

共 14 条

[1]

人工蜂群算法及其应用 [J].

霍凤财 ;

杜颖 ;

刘洋 .

吉林大学学报(信息科学版), 2016, 34 (04) :468-476

[2]

基于混沌人工蜂群算法优化的SVM齿轮故障诊断 [J].

刘霞 ;

张姗姗 ;

胡铭鉴 .

吉林大学学报(信息科学版), 2015, 33 (04) :476-484

[3]

稠油油藏蒸汽驱评价新方法 [J].

张兆祥 ;

刘慧卿 ;

杨阳 ;

舒怀 ;

朱林 .

石油学报, 2014, 35 (04) :733-738

[4]

一种改进的RBF神经网络混合学习算法 [J].

孙丹 ;

万里明 ;

孙延风 ;

梁艳春 .

吉林大学学报(理学版), 2010, 48 (05) :817-822

[5]

蒸汽驱模型的特征分析及合理模型的选择方法 [J].

蒲海洋 ;

苏文江 ;

张锐 .

石油大学学报(自然科学版), 2002, (05) :60-64+5

[6]

蒸汽驱开发采收率预测新方法 [J].

李平科 ;

张侠 ;

岳清山 .

石油勘探与开发, 1996, (01)

[7]

基于智能计算的蒸汽驱开发效果预测与参数优化方法研究 [D].

倪红梅 .

东北石油大学,

2016

[8]

Application of radial basis function neural networks in bubble point oil formation volume factor prediction for petroleum systems.[J].Aref Hashemi Fath.Fluid Phase Equilibria.2017,

[9]

Prediction of heavy oil viscosity using a radial basis function neural network [J].