數(shù)據(jù)挖掘在油田措施規(guī)劃中的建模研究.pdf

1、隨著油田開發(fā)的不斷深入，為保證企業(yè)在穩(wěn)產(chǎn)的前提下取得較好的生產(chǎn)效益，急需對油田措施進行合理規(guī)劃。油田措施規(guī)劃的關鍵是建立科學合理的規(guī)劃預測模型。目前常用的均為固定數(shù)學模型，預測精度低。措施效果預測的本質(zhì)是一個復雜的非線性系統(tǒng)建模問題，數(shù)據(jù)挖掘中的人工神經(jīng)網(wǎng)絡具有高度的非線性映射能力，能夠較好的解決這類問題。本文在對BP算法進行了深入研究并作了適當改進后，建立了高精度措施規(guī)劃預測模型，并以該模型為基礎對油田措施效果進行預測，取得了較好的效

2、果。 在研究過程中，針對遺傳算法存在早熟及穩(wěn)定性差等問題，提出了基于非線性調(diào)整的自適應遺傳算法(NLSAGA)，對交叉算子和變異算子進行了優(yōu)化，實現(xiàn)了交叉率和變異率的非線性自適應調(diào)整；針對傳統(tǒng)的BP算法收斂速度慢，易陷入局部極小等缺點，提出了基于跳躍梯度的LMBP算法，給出了局部極小點的判斷條件及梯度增加的速率等規(guī)則。然后提出了綜合利用NLSAGA的全局尋優(yōu)能力和LMBP算法的快速收斂能力改進學習算法并優(yōu)化網(wǎng)絡結(jié)構(gòu)的兩種策略。最