吉林大学学报（信息科学版）
吉林大學學報（信息科學版）
길림대학학보（신식과학판）
JOURNAL OF JILIN UNIVERSITY(INFORMATION SCIENCE EDITION)
2006年
6期
624-628
,共5页
系统辩识%函数型连接神经网络%二阶学习算法%遗传算法%收敛性
繫統辯識%函數型連接神經網絡%二階學習算法%遺傳算法%收斂性
계통변식%함수형련접신경망락%이계학습산법%유전산법%수렴성
为实现油田生产管理和决策的现代化,使地层参数估值具有全局最优性,在研究油井井底压力分布的描述和有关地层参数辨识问题的基础上,提出了一种由二阶学习算法与GA(Genetic Algorithm)构成的新型混合遗传算法,并给出一种新型神经网络.该网络把级数中的函数看成非线性神经元,建立油藏系统的函数型连接人工神经网络模型.由系统辨识理论中的F检验法确定网络模型的结构参数n,用二阶学习算法和新型GA交替辨识网络模型的权系数v和地层参数θ.应用表明,采用上述方法建模精度高,模型的平均相对误差在1%以内,并能求出地层参数的全局最优估值.
為實現油田生產管理和決策的現代化,使地層參數估值具有全跼最優性,在研究油井井底壓力分佈的描述和有關地層參數辨識問題的基礎上,提齣瞭一種由二階學習算法與GA(Genetic Algorithm)構成的新型混閤遺傳算法,併給齣一種新型神經網絡.該網絡把級數中的函數看成非線性神經元,建立油藏繫統的函數型連接人工神經網絡模型.由繫統辨識理論中的F檢驗法確定網絡模型的結構參數n,用二階學習算法和新型GA交替辨識網絡模型的權繫數v和地層參數θ.應用錶明,採用上述方法建模精度高,模型的平均相對誤差在1%以內,併能求齣地層參數的全跼最優估值.
위실현유전생산관리화결책적현대화,사지층삼수고치구유전국최우성,재연구유정정저압력분포적묘술화유관지층삼수변식문제적기출상,제출료일충유이계학습산법여GA(Genetic Algorithm)구성적신형혼합유전산법,병급출일충신형신경망락.해망락파급수중적함수간성비선성신경원,건립유장계통적함수형련접인공신경망락모형.유계통변식이론중적F검험법학정망락모형적결구삼수n,용이계학습산법화신형GA교체변식망락모형적권계수v화지층삼수θ.응용표명,채용상술방법건모정도고,모형적평균상대오차재1%이내,병능구출지층삼수적전국최우고치.
