改進的粒子群優(yōu)化算法及其在石油性質(zhì)預(yù)測中的應(yīng)用.pdf

1、在石油化工領(lǐng)域，隨著競爭的加劇和企業(yè)對經(jīng)濟效益的不斷追求，如何利用已有的信息準確預(yù)測石油性質(zhì)，已經(jīng)成為一個值得研究的問題。人工神經(jīng)網(wǎng)絡(luò)(ANN)模仿人腦結(jié)構(gòu)及智能行為，具有并行處理、自組織、自適應(yīng)等特性，是一種強大的非線性建模手段，目前已在石油性質(zhì)預(yù)測領(lǐng)域得到了應(yīng)用，但是由于傳統(tǒng)人工神經(jīng)網(wǎng)絡(luò)自身存在的局限性，對石油性質(zhì)預(yù)測的精度和泛化能力有待于進一步提高。 粒子群優(yōu)化算法(PSO)源于對鳥群捕食行為的研究，是一種基于群體智能的演

2、化計算技術(shù)。由于它具有較強的全局搜索能力，較少的參數(shù)設(shè)置，簡單容易實現(xiàn)，所以一經(jīng)提出，就引起了許多學者的關(guān)注，并得到了迅速的發(fā)展，目前，該算法已成功應(yīng)用于函數(shù)優(yōu)化、神經(jīng)網(wǎng)絡(luò)訓練、模式識別、模糊系統(tǒng)控制等諸多領(lǐng)域。 針對PSO存在易陷入局部極值、進化后期收斂速度緩慢的缺點，提出一種基于速度夾角的粒子群協(xié)同優(yōu)化算法(V-PSCO)，并且引入了一種基于柯西分布的累積分布函數(shù)的慣性權(quán)重調(diào)整策略。用兩個典型測試函數(shù)的優(yōu)化問題測試V-PSC