改进PSO-BP神经网络对储层参数的动态预测研究OA北大核心CSCDCSTPCD
Dynamic prediction on reservoir parameter by improved PSO-BP neural network
为提高BP神经网络的收敛速度和泛化能力，防止其陷入局部最优值，在前人工作基础上对传统粒子群算法进行了改进，具体包括：设定最大限制速度、改变惯性权重因子和改进适应度函数，并把改进粒子群算法应用于BP神经网络权值和阈值的优化。之后利用改进粒子群算法优化的BP神经网络实现对储层参数的动态预测，具体步骤为：确定神经网络的输入、输出神经元，定量化时间参数T，利用训练样本构建神经网络模型并进行检验。最后通过平均训练误差对仿真过程进行分析，结果表明改进PSO-…查看全部>>
In order to improve the convergence speed and generalization ability of BP neural network and prevent it from falling into local optimal value, the traditional particle swarm optimization algorithm is improved in three aspects based on the previous research, including the limit of the maximum speed, the changes of the inertia weight factor and the improve-ment of the fitness function. Then it is used to optimize the weight and threshold of the BP neural netw…查看全部>>
潘少伟;梁鸿军;李良;王家华
西安石油大学 计算机学院，西安 710065中国石油长庆油田勘探开发研究院，西安 710021中国石油长庆油田勘探开发研究院，西安 710021西安石油大学 计算机学院，西安 710065
信息技术与安全科学
改进PSO-BP神经网络惯性权重因子储层参数预测
improved PSO-BP neural networkinertia weight factorreservoir parameterpredication
《计算机工程与应用》 2014 (10)
52-56,5
陕西省自然科学基金（No.2012JQ8040，No.2012JM8037）；陕西省教育厅科学研究计划项目（No.2013JK1134）。
评论