【技术实现步骤摘要】
本专利技术涉及石油生产领域,特别涉及一种基于一种改进的神经网络的油井产量预测方法及其装置。
技术介绍
在石油生产领域,油井的产量跟井口的压力、温度以及历史产量有着密切的关系,但该种关系非简单线性关系,采用普通的建模方法难以实现压力、温度与产量的映射关系,为了能对这些参数加以分析综合利用,根据其历史温度、压力等信息进行自学习进而实现产量的预测,于是提出了一种基于BP神经网络的油井产量预测方法。BP(BackPropagation)神经网络是人工神经网络中的一种监督式的学习算法,由众多的神经元可调的连接权值连接而成,具有很好的泛化特性,可以自动学习归纳实际输入输出值的特征,建立输入输出的非线性映射关系,并且神经网络算法连接权值的设定决定了该算法学习结果的好坏。目前,神经网络算法连接权值的优化计算设定基于粒子群优化算法(ParticleSwarmOptimization),缩写为PSO,粒子群优化算法是一种进化算法(EvolutionaryAlgorithm-EA)。PSO算法从随机解出发,通过迭代寻找最优解,它也是通过适应度来评价解的品质,本身具有收敛速度快的特点,但是通过普通粒子群优化算法优化后的连接权值对提高BP神经网络学习能力的程度有限,导致BP神经网络对油井产量预测的准确性差,无法满足要求。
技术实现思路
为了克服现有技术的上述缺陷,本专利技术实施例提供了一种基于一种改进的神经网络的油井产量预测方法及其装置,其能 ...
【技术保护点】
一种基于一种改进的神经网络的油井产量预测方法,其特征在于,它包括以下步骤:基于影响产量的油井参数初始化PSO算法中的粒子个数、种群数量、最大迭代次数、粒子群中全体最优粒子的位置、单个粒子历史出现的最优位置、惯性权值的最大值、惯性权值的最小值、粒子的初始速度;基于粒子群中全体最优粒子的位置、单个粒子历史出现的最优位置得到更新的速度;基于惯性权值的最大值、惯性权值的最小值、最大迭代次数和实际测试样本值更新惯性权值的最大值和/或惯性权值的最小值;基于粒子的初始速度值得到粒子的理想速度;基于种群数量、粒子个数、更新的速度、粒子的理想速度得到新的惯性权值;根据设置的最大迭代次数进行迭代,基于迭代后的粒子群中全体最优粒子的位置得到隐层连接权值、输出层连接权值;基于设置训练后的隐层连接权值、输出层连接权值的神经网络、历史的影响产量的油井参数和样本值得到预测产量。
【技术特征摘要】
1.一种基于一种改进的神经网络的油井产量预测方法,其特征在于,它包括以下步骤:
基于影响产量的油井参数初始化PSO算法中的粒子个数、种群数量、最大迭代次数、粒
子群中全体最优粒子的位置、单个粒子历史出现的最优位置、惯性权值的最大值、惯性权值
的最小值、粒子的初始速度;
基于粒子群中全体最优粒子的位置、单个粒子历史出现的最优位置得到更新的速度;
基于惯性权值的最大值、惯性权值的最小值、最大迭代次数和实际测试样本值更新惯性
权值的最大值和/或惯性权值的最小值;
基于粒子的初始速度值得到粒子的理想速度;
基于种群数量、粒子个数、更新的速度、粒子的理想速度得到新的惯性权值;
根据设置的最大迭代次数进行迭代,基于迭代后的粒子群中全体最优粒子的位置得到隐
层连接权值、输出层连接权值;
基于设置训练后的隐层连接权值、输出层连接权值的神经网络、历史的影响产量的油井
参数和样本值得到预测产量。
2.根据权利要求1所述的基于一种改进的神经网络的油井产量预测方法,其特征在于,
在步骤基于粒子群中全体最优粒子的位置、单个粒子历史出现的最优位置得到更新的速度
中,更新的速度的具体计算公式如下:
vijk+1=Weightk·vijk+c1·rand1·(Pbestijk-xijk)+c2·rand2·(Gbestjk-xijk)]]>其中,c1和c2表示两个常量,rand1和rand2表示随机产生的[0,1]区间的数,表
示粒子群中全体最优粒子的位置,表示单个粒子历史出现的最优位置,表示更新
的速度,表示未更新的速度,表示未更新的位置,Weightk表示更新的惯性权值,k表示
迭代的次数;
更新的位置的具体计算公式如下:
xijk+1=xijk+vijk+1]]>其中,表示更新的速度,表示未更新的位置,表示更新的位置。
3.根据权利要求1所述的基于一种改进的神经网络的油井产量预测方法,其特征在于,
在基于惯性权值的最大值、惯性权值的最小值、最大迭代次数和实际测试样本值更新惯性权
\t值的最大值和/或惯性权值的最小值中,其包括以下步骤:
基于惯性权值的最大值、惯性权值的最小值和最大迭代次数得到更新的惯性权值;
基于更新的惯性权值与实际测试样本值更新惯性权值的最大值和/或惯性权值的最小值。
4.根据权利要求3所述的基于一种改进的神经网络的油井产量预测方法,其特征在于,
在步骤基于惯性权值的最大值、惯性权值的最小值和最大迭代次数得到更新的惯性权值中,
其具体计算公式如下:
Weightk=...
【专利技术属性】
技术研发人员:龚仁彬,李群,马刚,王从镔,柴永财,姚刚,曹戈俊,李金诺,吴海莉,
申请(专利权)人:中国石油天然气股份有限公司,
类型:发明
国别省市:北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。