火山岩气藏压裂水平井非稳态产能模型及敏感性分析

目前我国已探明的火山岩气藏地质储量达数千亿立方米,储量规模属世界最大。与常规砂岩气藏相比,火山岩气藏储集层裂缝发育,储集层物性差、渗流机理复杂。现场多利用压裂水平井技术开发火山岩气藏,有利于改善火山岩气藏渗流状况,降低单井成本,提高单井产能。但目前缺乏适合于火山岩气藏压裂水平井的复杂双重介质的非稳态产能预测模型。利用该研究综合考虑火山岩气藏双重介质特性及有限导流裂缝的情况,建立火山岩气藏压裂水平井非稳态产能预测模型,应用Laplace变换和Duhamel原理,同时结合Stehfest数值反演对模型进行求解。应用建立的产能预测模型,结合XS气田火山岩气藏P1井实际储集层及压裂参数,绘制P1井的产能递减曲线,分析了裂缝半长,裂缝条数,裂缝间距及导流能力对火山岩气藏压裂水平井产能递减曲线的影响。同时,应用正交试验进行了多因素分析。研究所获得的结果有助于提高对火山岩气藏压裂水平井产能递减规律的认识,同时,也可为评价预测火山岩气藏压裂水平井产能及优化其压裂裂缝参数提供依据。     

基于PSO的氧化铝粉流量LS-SVM预测模型

针对电解铝厂生产过程中氧化铝输送流量在线测量问题,考虑到样本数据较少的因素,采用粒子群优化的最小二乘支持向量机方法,建立氧化铝超浓相输送中氧化铝粉流量的软测量模型.以粒子群优化的方法选取最小二乘支持向量机的模型参数,克服交叉验证法耗时与盲目性的问题,同时发挥最小二乘支持向量机的小样本学习能力强和计算简单的特点.通过采用实际数据进行仿真研究,结果表明,所建预测模型估计值与实际分析值吻合较好,从而验证了PSO-LSSVM预测模型对氧化铝粉流量准确估算的有效性.     

基于AMESim和LS-SVM的高压共轨系统建模与仿真

为了提高高压共轨压力预测模型的精确性,采用AMESim软件建立了柴油机高压共轨仿真模型.利用灰色关联分析方法对共轨压力影响因素进行理论分析计算,并确定了高压共轨压力预测模型的输入输出变量;然后利用最小二乘支持向量机对共轨压力与主要的影响因素之间的数值关系进行了智能拟合,并利用自适应粒子群算法优化了最小二乘支持向量机的初始参数.通过20个预测样本的检测,最小二乘支持向量机模型的最大预测误差为0.079 1,平均相对误差降至0.039 6,其性能明显优于BP神经网络.     

基于自适应粒子群参数优化的最小二乘支持向量机用电量预测模型

为应对当前复杂非线性的宏观经济形势与电力消耗情况,本文提出了一种自适应粒子群算法改进的最小二乘支持向量机负荷预测模型。根据粒子群中粒子的成熟程度对其进行分类,对不同类别的粒子分别采取不同的位置更新方式,可以保持粒子种群多样性,避免造成局部最优。利用自适应粒子群算法优化最小二乘支持向量机的模型参数,经过实证分析能够一定程度提高模型的预测精度,可以为中长期负荷预测工作提供一些的参考。     

IAPSO-LSSVM下的煤炭开采成本预测模型

为提高最小二乘支持向量机(LSSVM)预测模型的精度,准确预测煤炭开采成本.利用改进的自适应粒子群算法(IAPSO)的全局搜索能力,寻找LSSVM最优的惩罚因子r和高斯核函数的半径σ,提出一种IAPSO-LSSVM预测算法.在分析影响煤炭开采成本的空间因素、时间因素和定性因素的基础上,构建基于IAPSO-LSSVM的煤炭开采成本预测模型,并以TF煤业集团数据进行仿真实验.结果表明:与LSSVM、PSO-LSSVM算法相比,该模型预测效果更好.     

基于改进PSO-LSSVM的TBM掘进速度预测研究

隧道掘进机（TBM）对于地质条件的高度敏感性以及TBM设备高度智能化和最终实现无人驾驶,对精准预测TBM掘进速度均提出了更高要求.为了未来实现TBM智能化控制,采用线性递减惯性权重对粒子群算法（PSO）进行改进,并把改进的粒子群算法和最小二乘支持向量机（LSSVM）相结合,建立了改进的PSO-LSSVM掘进速度预测模型.基于美国纽约Queens NO.3隧道的153组实验获得的岩体参数和现场实测掘进速度,采用SPSS软件进行了相关性分析,验证了参数的适用性,采用改进的PSO-LSSVM模型进行掘进速度预测,并通过与传统LSSVM模型和PSO-LSSVM模型进行对比发现：采用线性递减惯性权重改进的PSO-LSSVM预测模型的决定系数在训练集和测试集中均达到0.95及以上,均方误差在0.01以内,明显优于传统模型.本文所建模型在TBM掘进速度预测中有明显的精度优势,可辅助TBM智能化施工.     

基于双参数最小二乘支持向量机(TPA-LSSVM)的风电时间序列预测模型的优化研究

风电时间序列预测模型的优劣直接影响风功率的应用价值,最小二乘支持向量机（least squares support vector machine,LSSVM）在处理风电预测问题上具有明显优势。提出了一种双参数算法（two-parameter algorithm,TPA）,从理论上证明了任意初始值均可线性收敛到全局最优值。调用TPA算法对LSSVM模型的惩罚因子和径向基宽度进行寻优赋值,并将训练好的TPA-LSSVM模型应用于风电预测中。仿真结果表明,与LSSVM模型、粒子群最小二乘支持向量机（PSO-LSSVM）模型、径向基函数神经网络（RBFNN）模型相比,TPA算法可以更好地实现LSSVM的参数寻优,TPA-LSSVM模型能有效提高预测精度。     

基于改进最小二乘支持向量机的导弹备件消耗预测

在系统分析武器装备备件预测方法研究现状和导弹备件消耗特点的基础上,提出把粗糙集、熵权法、自适应粒子群优化算法与加权最小二乘支持向量机的组合预测模型应用于导弹备件消耗预测的构想。首先阐述了粗糙集、信息熵、自适应粒子群优化算法和加权最小二乘支持机的基本原理,并改进了自适应粒子群优化算法的搜索方式和最小二乘支持向量机的加权方法;然后建立了基于粗糙集、熵权法和自适应粒子群优化加权最小二乘支持向量机的导弹备件消耗预测模型,并分析了其实现过程。实例结果表明,所建立的组合预测模型在进行导弹备件消耗预测时具有较高的精度和重要的实用价值。     

基于PSO优化LSSVR的三维WSN节点定位方法

提出了一种基于粒子群优化最小二乘支持向量回归机的三维无线传感器网络节点定位方法。该方法首先运用最小二乘支持向量回归机构建三维节点定位模型,再利用粒子群优化算法对最小二乘支持向量回归机核函数参数和规则化参数寻优。然后,根据若干虚拟节点定位的预测位置与实际位置的均方差构造粒子群算法适应度函数,通过有限次建模参数迭代寻优获得最小二乘支持向量回归机全局最优参数。最后,返回回归模型中进行定位计算,实现节点定位。仿真结果表明,所提出的方法与最小二乘和最小二乘支持向量回归机定位方法相比,可以提高节点定位精度。     

基于PSO优化LSSVR的三维WSN节点定位方法简

提出了一种基于粒子群优化最小二乘支持向量回归机的三维无线传感器网络节点定位方法。该方法首先运用最小二乘支持向量回归机构建三维节点定位模型,再利用粒子群优化算法对最小二乘支持向量回归机核函数参数和规则化参数寻优。然后,根据若干虚拟节点定位的预测位置与实际位置的均方差构造粒子群算法适应度函数,通过有限次建模参数迭代寻优获得最小二乘支持向量回归机全局最优参数。最后,返回回归模型中进行定位计算,实现节点定位。仿真结果表明,所提出的方法与最小二乘和最小二乘支持向量回归机定位方法相比,可以提高节点定位精度。     

火山岩气藏水平井产能预测方法研究

水平井技术已逐渐成为火山岩气藏提高单井产量和储量动用程度的主体开发技术。由于火山岩气藏非均质性强,具有复杂的渗流机理,给水平井产能预测带来了很大的困难。考虑火山岩气藏储层的非均质性,分别建立了火山岩气藏常规与压裂水平井稳态三维渗流模型。采用有限元方法进行了数值求解,给出了火山岩气藏水平井产能预测方法。实例应用表明提高了产能预测精度,为火山岩气藏水平井设计及产能评价提供了依据。     

基于改进PSO-LSSVM和蒙特卡洛法的电力系统可靠性评估

针对电力系统可靠性评估方法耗时长、误差大等问题,提出一种用改进粒子群优化算法(PSO)优化最小二乘支持向量机(LSSVM)参数,并将构建好的PSO-LSSVM模型与蒙特卡洛法(MCS)相结合用于发输电系统可靠性评估的方法。该方法通过对PSO算法进行合理的改进,得到更为精确的LSSVM模型参数,建立用于分类系统状态样本的PSO-LSSVM模型。对MCS方法抽取的系统状态样本分类得到故障状态和正常状态,仅对故障状态样本进行可靠性指标计算,统计输出可靠性评估结果。采用该方法对IEEE-RTS 79系统不同运行情况下的可靠性指标进行计算,结果表明该方法保证计算时间不变的同时提高了LSSVM-MCS方法的评估精度。     

基于神经网络模型的致密气藏分段压裂井产能预测

致密气藏储层致密,开采难度较大,应用分段压裂水平井技术可以更高效的开采致密气藏,如何准确预测水平井分段压裂井的产能也成为气藏实际生产开发的关注重点。本文通过对前人致密气藏分段压裂水平井解析模型的探究确定影响产能因素;运用灰色关联分析法可视化分析影响压裂水平井无阻流量的主要因素;选取不同输入层个数影响因素利用python编程程序建立神经网络模型,对比选取高精度的训练模型结构;利用训练好的神经网络模型对实际气田待压裂井进行产能预测。结果表明,利用神经网络模型建立的压裂水平井产能预测方法具有误差小、简便高效的优点,对实际气田生产开发制度有一定指导意义。     

PSO-LSSVM分类模型在岩性识别中的应用

为了精确解决测井岩性识别问题,提出了一种将粒子群优化算法(PSO)与最小二乘支持向量机(LSSVM)相结合对实际测井资料进行岩性识别的方法.首先使用粒子群优化算法对LSSVM建模过程中的重要参数进行优化调整,然后利用参数优化调整后得到的具有较优分类效果的PSO-LSSVM模型对某油田的测井资料进行岩性识别.实验结果表明:同基于交叉验证的支持向量机模型以及单隐层的BP神经网络模型相比,该方法能够很好描述测井数据和岩性类别之间的非线性映射关系,识别精度高,并提高了算法的自动化程度.     

页岩气藏分段多簇压裂水平井产能模型及影响因素分析

根据页岩气藏储集特征和分段多簇压裂水平井的开发方式,基于双重介质模型建立了考虑吸附气和游离气共存以及气体滑脱效应的页岩气藏不稳定渗流数学模型。利用Laplace变换、镜像映射和叠加原理,得到了定井底流压生产时分段多簇压裂水平井的产能解析解;结合Stehfest数值反演计算并绘制了产能曲线。研究结果表明:发生窜流后,随着压力下降,基质系统的吸附气解吸向裂缝系统供气,压裂水平井的产能增加;分段多簇压裂水平井的端部外侧裂缝对产量贡献最大,对裂缝半长非常敏感,同一段内中间裂缝对产量贡献最小,受簇间距离影响较大;水力裂缝的分布方式对分段多簇压裂水平井的产能影响较大,裂缝段簇比越大,累积产气量越高;气藏压力越低,滑脱效应对页岩气井产能的影响越大。     

苏里格东区致密气藏压裂水平井产能影响因素及其优化设计

对苏里格东区某实际致密气藏进行了压裂水平井产能影响因素分析,得到主控因素,并据此完成不同储层条件下压裂水平井参数设计的优化图版.结果表明:地层渗透率越低、各向异性越强,则水平井段和裂缝的最优长度越大,最优压裂裂缝间距越小,且各影响因素对增产效果影响具有相关性.     

Application of improved PSO-LSSVM on network threat detection

To solve the problem of the design of classifier in network threat detection, we conduct a simulation experiment for the parameters’ optimal on least squares support vector machine (LSSVM) using the classic PSO algorithm, and the experiment shows that uneven distribution of the initial particle swarm exerts a great impact on the results of LSSVM algorithm’s classification. This article proposes an improved PSO-LSSVM algorithm based on Divide-and-Conquer (DCPSO- LSSVM) to split the optimal domain where the parameters of LSSVM are in. It can achieve the purpose of distributing the initial particles uniformly. And using the idea of Divide-and-Conquer, it can split a big problem into multiple sub-problems, thus, completing problems’ modularization Meanwhile, this paper introduces variation factors to make the particles escape from the local optimum. The results of experiment prove that DCPSO-LSSVM has better effect on classification of network threat detection compared with SVM and classic PSOLSSVM.     

致密气藏多级压裂水平井生产动态机理分析

为准确预测致密气藏多级压裂水平井在非线性渗流和复杂裂缝下的生产动态特征,通过双重连续介质-离散裂缝耦合模型对原始致密储层和水力压裂裂缝系统流动特征进行刻画并构建综合渗流数学模型,采用非结构三维四面体网格和控制体积-有限元方法建立全隐式数值模型,并通过修正Peaceman方法建立复杂压裂水平井数值井模型,从而获得准确的数值解。开展含水饱和度、应力敏感系数、压裂裂缝压开程度和空间非对称分布等关键参数对X致密气藏某区块压裂水平井生产动态的影响因素分析。研究表明,该模拟方法能准确预测致密气藏压裂水平井生产动态特征,为致密气藏的高效开发提供理论支撑和计算工具。     

改进PSO优化LSSVM的锂电池SOC估算模型

为提高锂电池荷电状态(SOC)的估算精度,提出一种改进粒子群优化(PSO)算法;对最小二乘支持向量机(LSSVM)的惩罚参数C和核函数参数σ进行寻优,建立基于改进PSO-LSSVM的锂电池SOC估算模型.对磷酸铁锂充放电实验数据进行仿真分析,结果表明:改进PSO-LSSVM模型的平均相对误差为2.96%,均方根误差为0.018,全局最大相对误差为4.79%;改进PSO-LSSVM模型明显提高锂电池SOC估算精度.