系统管理学报
繫統管理學報
계통관이학보
JOURNAL OF SYSTEMS & MANAGEMENT
2011年
2期
129-135
,共7页
混合编码%粒子群算法%自构建%RBF网络%储层预测
混閤編碼%粒子群算法%自構建%RBF網絡%儲層預測
혼합편마%입자군산법%자구건%RBF망락%저층예측
为适应复杂油气储集层非均匀性、非线性及不确定性的响应特征,提高储层预测精度,采用PSO混合编码,提出了一种基于混合MPSO-BP的RBF自构建学习模型.该模型中,每个粒子由整数与实数两部分构成,分别对RBF的基函数的个数及相关参数(中心,宽度,输出层权值)进行编码.同时,设计了一个特殊的适应度函数,在保证精度的前提下,使网络的结构相对简单.应用于储层预测实践中,相对于RBF其他学习算法,该算法隐节点少,精度高,泛化能力强.
為適應複雜油氣儲集層非均勻性、非線性及不確定性的響應特徵,提高儲層預測精度,採用PSO混閤編碼,提齣瞭一種基于混閤MPSO-BP的RBF自構建學習模型.該模型中,每箇粒子由整數與實數兩部分構成,分彆對RBF的基函數的箇數及相關參數(中心,寬度,輸齣層權值)進行編碼.同時,設計瞭一箇特殊的適應度函數,在保證精度的前提下,使網絡的結構相對簡單.應用于儲層預測實踐中,相對于RBF其他學習算法,該算法隱節點少,精度高,汎化能力彊.
위괄응복잡유기저집층비균균성、비선성급불학정성적향응특정,제고저층예측정도,채용PSO혼합편마,제출료일충기우혼합MPSO-BP적RBF자구건학습모형.해모형중,매개입자유정수여실수량부분구성,분별대RBF적기함수적개수급상관삼수(중심,관도,수출층권치)진행편마.동시,설계료일개특수적괄응도함수,재보증정도적전제하,사망락적결구상대간단.응용우저층예측실천중,상대우RBF기타학습산법,해산법은절점소,정도고,범화능력강.
