基于径向基神经网络的油藏反演方法 |
| |
引用本文: | 周子琪,查文舒,李道伦,刘旭亮.基于径向基神经网络的油藏反演方法[J].合肥工业大学学报(自然科学版),2023(5):713-720. |
| |
作者姓名: | 周子琪 查文舒 李道伦 刘旭亮 |
| |
作者单位: | 合肥工业大学数学学院 |
| |
基金项目: | 国家科技重大专项资助项目(2017ZX05009005-002); |
| |
摘 要: | 文章提出一种基于径向基(radial basis function, RBF)神经网络的油藏反演方法。该方法利用抽样生成的井底压力数据构造RBF神经网络模型,由RBF神经网络预测值与实际观测值的偏差定义目标函数,再利用粒子群算法(particle swarm optimization, PSO)对其进行优化,最终得到不确定参数的最优解和反演参数。与多项式拟合方法相比,RBF神经网络方法具有更好的拟合结果和更高的精度,甚至在多项式拟合方法失效时,该方法也能得到很好的模拟结果。油田实际算例表明,该方法具有良好的拟合效果,能大幅提高反演效率,具有很好的应用前景。
|
关 键 词: | 油藏反演 径向基(RBF)神经网络 目标函数 优化算法 历史拟合 |
|
|