基于IPSO-GNN的油田指标预测模型研究  

Forecast Model of Oilfield Indexes Based on IPSO-GNN

作　　者：严胡勇[1] 傅剑宇[1] 董建华[1] 颜卓[1] 李鸿[1,2] 李广砥 

机构地区：[1]中国科学院重庆绿色智能技术研究院,重庆400714 [2]重庆邮电大学计算智能重庆市重点实验室,重庆400065

出　　处：《科学技术与工程》2014年第15期197-202,共6页Science Technology and Engineering

基　　金：国家自然科学基金(61170132);中国石油科技创新基金(2010D-5006-0302);黑龙江省教育厅科学基金项目(11551015)资助

摘　　要：针对油田开发指标预测问题,提出将灰色神经网络(GNN)与改进粒子群算法(IPSO)相结合的组合预测模型(IPSOGNN),通过IPSO对GNN的a、u参数进行优化,改善了GNN的不足,有效地保证了预测精度。以油田开发指标中的含水率作预测算例,仿真结果表明:此模型的预测精度高于灰色预测模型、灰色神经网络以及BP神经网络模型,同时也表明了此方法的可行性与有效性。Aiming at the prediction of oilfield development indexes,a prediction model（ IPSO-GNN） combining Gray Neural Network（ GNN） was put forward and Particle Swarm Optimization algorithm（ IPSO） was improved,to make up for the shortage of the GNN and guarantee the forecast accuracy,it optimized the GNN parameters through the IPSO. With the prediction of moisture content in oilfield development indexes as an example,the simulation results show that the prediction accuracy of the combination prediction model it higher than gray prediction model,the gray neural network and the BP neural network model. It also shows the feasibility and effectiveness of the method.

关 键 词：油田指标预测 灰色神经网络 粒子群优化算法 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]