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(jìn)行合理規(guī)劃。油田措施規(guī)劃的關(guān)鍵是建立科學(xué)合理的規(guī)劃預(yù)測模型。目前常用的均為固定數(shù)學(xué)模型，預(yù)測精度低。措施效果預(yù)測的本質(zhì)是一個(gè)復(fù)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(luò)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(jìn)行了深入研究并作了適當(dāng)改進(jìn)后，建立了高精度措施規(guī)劃預(yù)測模型，并以該模型為基礎(chǔ)對油田措施效果進(jìn)行預(yù)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(yīng)遺傳算法(NLSAGA)，對交叉算子和變異算子進(jìn)行了優(yōu)化，實(shí)現(xiàn)了交叉率和變異率的非線性自適應(yīng)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(diǎn)，提出了基于跳躍梯度的LMBP算法，給出了局部極小點(diǎn)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(jìn)學(xué)習(xí)算法并優(yōu)化網(wǎng)絡(luò)結(jié)構(gòu)的兩種策略。最