计算机仿真
計算機倣真
계산궤방진
COMPUTER SIMULATION
2005年
2期
187-190
,共4页
模糊神经网络%产量预测%预测模型%网络%模糊推理
模糊神經網絡%產量預測%預測模型%網絡%模糊推理
모호신경망락%산량예측%예측모형%망락%모호추리
为了研究受多变量、时变和不确定因素影响的油田产量预测问题,将模糊逻辑推理技术与人工神经网络相结合,构建具有模糊逻辑推理和学习功能的模糊神经网络(FNN)系统.该系统基于现有的油田开发历史数据,建立相应的规则集,使用神经网络的训练方法(如梯度下降学习算法),在训练过程中调整参数,并自适应增加规则,以使系统的输出最佳地逼近于目标样本.通过对某油田的实际开发历史数据的拟合与测试,结果表明该模糊神经网络能够较精确地预测未来的油产量,与常规的BP神经网络相比,其预测精度更高、训练速度更快.因此,基于模糊神经网络(FNN)的油田产量预测方法研究具有较好的实际应用价值.
為瞭研究受多變量、時變和不確定因素影響的油田產量預測問題,將模糊邏輯推理技術與人工神經網絡相結閤,構建具有模糊邏輯推理和學習功能的模糊神經網絡(FNN)繫統.該繫統基于現有的油田開髮歷史數據,建立相應的規則集,使用神經網絡的訓練方法(如梯度下降學習算法),在訓練過程中調整參數,併自適應增加規則,以使繫統的輸齣最佳地逼近于目標樣本.通過對某油田的實際開髮歷史數據的擬閤與測試,結果錶明該模糊神經網絡能夠較精確地預測未來的油產量,與常規的BP神經網絡相比,其預測精度更高、訓練速度更快.因此,基于模糊神經網絡(FNN)的油田產量預測方法研究具有較好的實際應用價值.
위료연구수다변량、시변화불학정인소영향적유전산량예측문제,장모호라집추리기술여인공신경망락상결합,구건구유모호라집추리화학습공능적모호신경망락(FNN)계통.해계통기우현유적유전개발역사수거,건립상응적규칙집,사용신경망락적훈련방법(여제도하강학습산법),재훈련과정중조정삼수,병자괄응증가규칙,이사계통적수출최가지핍근우목표양본.통과대모유전적실제개발역사수거적의합여측시,결과표명해모호신경망락능구교정학지예측미래적유산량,여상규적BP신경망락상비,기예측정도경고、훈련속도경쾌.인차,기우모호신경망락(FNN)적유전산량예측방법연구구유교호적실제응용개치.
