预测特高含水期自然递减率的一种新方法

• 作者: 朱宝君 田晓东 魏海峰
• 来源期刊: 大庆石油地质与开发
• 学科: 工学
• 关键词: 自然递减率 神经网络 遗传算法 反向传播算法
• 年，卷（期）: 2008,（1）
• 所属期刊栏目: 油藏工程
• 页码范围: 54-57
• 页数: 4页
• 分类号: TE33+1.3
• 字数: 4519字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3754.2008.01.014

摘要

目前,很多油田都已进入了特高含水期,此阶段的自然递减率变化受多种因素影响,所以很难用传统的数学方法表达其变化规律,并对其变化趋势进行预测.在分析了遗传算法和基本反向传播算法各自的优势和原理的基础上,针对前向网络反向传播算法收敛速度缓慢和易陷入局部极值点的缺点,将有全局寻优特性的遗传算法与反向传播算法有效地结合,提出了一种快速、高效的前向网络学习算法,即GA-BP算法.此方法在特高含水期油田自然递减率预测中的应用结果表明,此方法比基本BP算法具有更好的适应性,预测精度较高,能够较好地反映自然递减率与其影响因素之间的内在关系,所以利用改进BP神经网络方法预测特高含水期自然递减率是有效的、可行的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	田晓东		4	67	3.0	4.0