基于改进PSO-ICA的地震信号去噪方法

为了改善常规固定步长独立分量分析(ICA)算法的叠前地震信号去噪效果,本文提出一种基于混沌粒子群优化(PSO)的改进ICA算法。该算法利用混沌PSO动态调整相对梯度ICA的步长函数,减小ICA算法的稳态误差。在混沌PSO优化过程中,采用一种基于反正切函数的非线性递减惯性权重,提高PSO迭代初期的全局搜索能力和迭代后期的局部搜索能力。模型试算和实际单炮记录处理结果表明:本文提出的改进ICA算法去噪效果明显,有效信号损失小。与其他算法相比,改进ICA算法不仅能很好地保护有效地震信号,而且能提高信噪比。     

大庆油田电力系统粒子群无功优化算法应用

粒子群优化(Particle Swarm Optimization,PSO)算法同遗传算法类似,是一种基于群体的优化工具.它作为一种新型的基于群体智能计算技术的优化方法,在解决经典优化算法难以求解的诸如不连续、不可微的非线性病态优化问题和组合优化问题时显出了强大的优势,并且有收敛速度快、设置参数少等优点.电力系统无功优化是典型的非线性规划问题,具有非线性、不连续、不确定因素较多等特点.本文将粒子群算法应用到电力系统无功优化中,并通过实例仿真验证,证明了粒子群算法在无功优化中的应用是正确、可行的.     

利用遗传-粒子群优化混合算法求取剩余静校正量

剩余静校正是一个具有多参数、多极值的全局优化问题,当大量未知参数存在时,常规的遗传算法（GA）几乎无法避免早熟现象,难以保证收敛于全局最优。结合粒子群优化算法（PSO）和遗传算法的优势,提出了一种新颖的粒子群优化-遗传混合算法。混合算法利用了粒子群优化算法的速度和位置的更新规则,并引入遗传算法里的交叉变异思想。用混合算法和遗传算法分别对两个理论模型进行试处理,处理结果表明,混合算法比遗传算法具有更好的性能,是一种求取复杂地形条件下剩余静校正量的实用方法。     

混合蝙蝠算法对直线电机参数优化的研究

针对模型求解和数据优化问题,提出了混合蝙蝠算法(HBA),将标准蝙蝠算法(BA)与小生境思想结合在一起,借鉴并引入了粒子群优化算法(PSO)中的速度和位置更新公式,并在最后求解时引入了分布式计算的思想。通过分别采用BA算法和HBA算法对直线电机运动模型的加速度参数的优化试验,证明了HBA算法比传统的标准BA算法具有更快的收敛性和更高的求解精度等优点,在实际工程中HBA算法具有很大的实用价值。     

改进粒子群算法求解广义Usher油田开发动态预测模型

广义Usher累积产油量和含水率预测模型属于超越函数,涉及未知参数多,求解具有一定的难度。针对该模型特点,对标准粒子群优化算法进行了改进,提出了一种基于Sigmod函数的非线性惯性权重的改进粒子群优化算法,这在非线性函数优化中能够较好地保证算法收敛性,避免算法陷于局部最优。通过实际油田开发数据对广义Usher预测模型进行了求解,结果表明,用改进的粒子群优化算法求解非线性函数具有较强的可靠性和实用性。     

基于粒子群和支持向量机的裂缝识别

裂缝识别是裂缝性储层勘探和开发研究中所面临的关键问题和难点之一。基于常规测井资料对裂缝的响应特征,提出粒子群优化算法(PSO)和支持向量机(SVM)相结合的裂缝识别方法(PSO-SVM)。以麻黄山西区块延安组和延长组储层为例,应用交会图技术分析能较好响应裂缝的常规测井参数,用粒子群优化算法对模型参数进行全局优化选取,从而建立起研究区裂缝识别模型。用建立起的模型对研究区单井进行裂缝识别研究,将识别结果与取心照片和测井曲线进行对比,绘制出综合柱状图。实际分析表明,基于粒子群优化算法和支持向量机的裂缝识别方法的识别结果与实际地质情况相符,能较好地反应裂缝发育情况。     

文化基因粒子群算法在换热网络连续变量全局优化中的应用

在换热网络的综合优化中,连续变量的优化通常采用确定性方法。相比于整型变量优化,连续变量优化相对容易处理,但存在容易陷入局部最优和无法收敛到全局最优的问题。针对这一问题,提出一种在标准粒子群算法中结合局部搜索策略的文化基因粒子群算法;结合换热网络最小年综合费用小和计算时间短的优点,提出Ring+Random粒子种群拓扑结构;结合算法控制参数的设置与粒子种群拓扑结构的改进,使文化基因粒子群算法具有更好的全局收敛性能。采用6个10股流体算例验证文化基因粒子群算法在给定换热网络结构下的连续变量全局收敛性能,与文献值相比,换热网络最小年综合费用最大减少了26 025$/a。     

基于PSO-FCM算法的碳酸盐岩储层流体识别

针对碳酸盐岩储层流体识别问题,提出了基于优化粒子群改进的模糊C均值聚类(PSO-FCM)的方法,根据测井参数的流体指示系数,对标准化测井参数进行加权,提高测井参数对流体的敏感性;选取模糊C均值聚类(FCM)算法的目标函数作为优化粒子群(PSO)算法的适应度函数,得到全局最优解,从而改进FCM算法受初值影响较大的缺点,应用PSO-FCM算法结合试采资料,确定样本的流体聚类中心,进而计算储层的流体概率;根据交会图法确定水层和气水同层、气层和气水同层的流体概率阈值,建立流体识别标准。将该方法应用于研究区礁滩气藏流体识别中,样本回判符合率达93.2%,非样本储层解释符合率达90.6%。该方法流体识别准确度较高,为利用常规测井曲线解决碳酸盐岩储层流体识别问题提供了有益参考。     

基于粒子群算法的天然气三甘醇脱水工艺参数优化研究

目前,很多研究学者针对三甘醇(TEG)脱水流程的工艺参数做了大量优化改进。然而通常采用的软件模拟手段或基于现场试验的方法难以高效、准确地达到预想的优化效果,且由于人为因素的干扰易导致能源浪费。基于此,提出了将粒子群优化(PSO)算法与HYSYS模拟软件相结合的优化方法,通过Matlab软件与HYSYS软件的交互,利用PSO算法自动更新优化决策变量,使之不断向最优值靠拢,达到最理想的优化目标。该方法不仅提高了优化效率,同时避免了人为因素的影响,增强了系统的可靠性。最后,将其应用于具体的算例中,以脱水能耗最小为目标函数,以TEG循环量和再生塔温度为决策变量。以HYSYS为运算内核,利用PSO优化得出能耗最小的工艺参数。结果表明,优化后的TEG循环量降低了0.2m~3/h,重沸器温度降低了6℃,系统总能耗每天降低了93.8kW。该优化方法的采用对现场的工艺操作和参数设定提供了指导,对油气田经济效益的提高具有重要意义。     

基于蚁群粒子群混合算法的PDC钻头侧向力平衡优化

为了突破PDC钻头结构对侧向力平衡优化设计的限制,尝试采用融合了蚁群算法和粒子群算法（PSO）的混合算法对PDC钻头侧向力平衡进行优化,充分利用PSO算法的快速、全局收敛性和蚁群算法的正反馈机制,建立了PDC 钻头侧向力平衡优化设计方法。通过该混合算法对刀翼式PDC钻头侧向力平衡的优化设计,结果表明,与单独采用PSO优化的结果相比,能够得到更好的优化结果,算法收敛速度更快,优化的刀翼周向位置角更好。