基于时间序列模型的UOE焊管生产过程多目标优化

为有效实现UOE焊管生产过程的优化计算,提出了一种综合考虑产品质量、成本、库存等多个指标的优化模型及满意求解算法。首先,考虑原料库存对焊管过程的影响,将库存成本作为目标函数,库存量作为约束引入优化模型。然后,针对模型具有多个质量边界约束的特点,利用焊管生产过程中质量约束边界的可调性,引入满意优化理论中的"软约束"调整约束边界,以改善该优化问题求解的可行性。最后,引入时间序列模型中的加权移动平均法和一次指数平滑法进行寻优,并将提出的模型和算法应用于指导焊管生产。研究结果表明:所提出的优化模型及求解算法有效地提高了UOE生产过程的作业效率,优化结果既能满足焊管工艺技术要求,也能有效降低生产过程异常和生产成本。     

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。     

自适应遗传算法在气田开发规划产量分配优化模型中的应用

在气田开发规划产量分配优化模型的基础上，引入一种具有自适应选择、自适应交叉与自适应变异操作的自适应遗传算法对模型的求解进行了研究，并运用MATLAB6．0编写算法程序，选取开发规划产量分配优化模型中的定成本产量最大模型，实例分析该算法在气田开发规划产量分配优化模型中的具体应用，并与传统遗传算法和SUMT方法进行结果对比，取得了较好的效果.     

改进蚁群算法在输配气管网优化中的应用

以城市输配气管网为研究对象,在布局一定的前提下,以管网工程造价费用最小为目标函数建立输配气管网优化模型。鉴于蚁群算法在城市给排水管网优化上的良好表现,将其引入到城市输配气管网的优化中。通过对基本蚁群算法（AS算法）、ACS（Ant Colony System）蚁群算法、自适应蚁群算法的分析比较,选取自适应蚁群算法作为本次输配气管网优化模型的求解算法。并对改进蚁群算法进行了实例验证。     

基于遗传算法的天然气产量预测研究

针对广义翁氏预测模型中拟合结果误差较大的问题,根据组合预测思想,在广义翁氏模型预测过程中,引入一次指数平滑模型进行修正,构建了一种组合优化预测模型,并应用基于实数编码的遗传算法对其求解.组合优化理论的应用分析和对实际生产数据的拟合分析均表明,该方法具有较好的预测能力和较高的预测精度.     

基于改进文化粒子群算法的多组分石脑油调和优化问题研究

针对某炼油厂关于多组分石脑油调和优化存在的产量和质量不达标问题,分别对调和优化模型及求解算法进行了研究。根据各组分油的库存量、质量属性及石脑油产品油的质量指标等制约因素,建立基于组合数学的调和优化模型,并提出一种改进的文化粒子群算法,求解所有可行调和配方从而确定最优调和配方。典型的测试函数验证了该算法解决约束问题的有效性,应用实例表明该模型具有良好的可行性,也进一步说明了算法的有效性。     

自适应混沌嵌入式粒子群算法提取地震子波

本文提出一种基于Tent映射的自适应混沌嵌入式粒子群算法,通过拟合优化求解目标函数得到子波模型参数。算法将混沌变量嵌入到标准粒子群算法中,且对惯性权重和学习因子进行非线性自适应调整,并建立平均粒距与适应度方差相结合的早熟判断机制,以混沌搜索的方式跳出局部最优。合成地震数据仿真及实际地震数据处理结果表明,该算法应用于地震子波提取具有较高的求解精度。     

粒子群算法优化极限学习机的旋风分离器压降建模

旋风分离器是化工行业常用气固分离装置,准确地预测旋风分离器的压降性能,并对其进行设计和放大至关重要。当前旋风分离器压降模型存在建模时间较长和预测精度较差的问题,为此采用极限学习机(Extreme learning machine, ELM)对旋风分离器压降进行了建模,并引入粒子群优化(Particle swarm optimization, PSO)算法对ELM输入层到隐含层连接权值和阈值进行了优化,以降低ELM对隐含层节点数的需求,提高模型准确度和稳定性。研究表明,优化结果较标准ELM降低了对隐含层节点数的需求,模型测试集R~2和MSE分别为0.9978和2.443×10~(-4),运行时间为15.74 s,相比标准ELM模型、统计模型和人工神经网络模型,所建基于PSO-ELM的旋风分离器压降模型有更好的泛化能力和鲁棒性,极大地缩短了预测时间。PSO-ELM建模算法可以作为一种有效的方法,为旋风分离器性能分析提供指导。     

基于最小二乘估计算法的钻井液流变模式参数优化

借鉴最小二乘估计的优化思想,推导了流变模式(宾汉流变模式、幂律流变模式和赫-巴流变模式)的参数求解方法,并使用了拟牛顿算法求解,该方法避免了因转化成线性模型过程中的统计误差;根据SSE、RMSE和R2,评价了流变参数拟合效果。对实际流变数据进行拟合,结果表明,该方法拟合精度高,效果好,可应用于钻井液流变参数确定、流变模式优选及钻井液性能调整。     

中温煤焦油加氢裂化集总动力学研究

以集总动力学为建模思想,将中温煤焦油裂化反应网络按原料油四组分和产品油馏分为划分标准,归并为6个虚拟集总组分,考察了氢分压、液体体积空速、床层温度对中温煤焦油加氢裂化结果的影响,建立了中温煤焦油6集总加氢裂化动力学模型。在Visual C++平台上,采用四阶变步长的Runge-Kutta法求解微分方程,采用变尺度法(B-F-G-S)获得函数最优化求解,并进行模型验证。结果表明,该模型预测相对误差小于3%,对中温煤焦油加氢裂化的产品分布具有良好的预测性,为煤焦油加氢工艺的进一步优化提供了依据。     

改进的布谷鸟MT反演算法

由于大地电磁（MT）数据的反演是高度非线性的,传统的全局优化算法收敛速度慢,且易陷入局部极值。为此,提出一种结合单纯形法的全局布谷鸟算法（ICS）反演MT数据。针对布谷鸟算法（CS）精于探索、疏于开发的特点,引入粒子群算法中的全局最优解,加强算法的局部搜索能力;同时结合单纯形法对较差鸟巢进行改进,进一步提高寻优精度。理论和实测数据反演结果表明,改进后的算法反演结果更稳定,收敛速度更快,求解精度更高。     

基于改进的布谷鸟搜索算法的原油选择与混合优化方法

Refineries often need to find similar crude oil to replace the scarce crude oil for stabilizing the feedstock property.We introduced the method for calculation of crude blended properties firstly, and then created a crude oil selection andblending optimization model based on the data of crude oil property. The model is a mixed-integer nonlinear programming（MINLP） with constraints, and the target is to maximize the similarity between the blended crude oil and the objective crudeoil. Furthermore, the model takes into account the selection of crude oils and their blending ratios simultaneously, and transformsthe problem of looking for similar crude oil into the crude oil selection and blending optimization problem. We appliedthe Improved Cuckoo Search （ICS） algorithm to solving the model. Through the simulations, ICS was compared withthe genetic algorithm, the particle swarm optimization algorithm and the CPLEX solver. The results show that ICS has verygood optimization efficiency. The blending solution can provide a reference for refineries to find the similar crude oil. Andthe method proposed can also give some references to selection and blending optimization of other materials.     

基于基因表达混乱遗传算法的管网优化的新方法

以降低管网造价和运行费用为目标,将基因表达混乱遗传算法引入到供水管网系统的扩建优化设计中,对其在供水管网优化扩建实践领域进行了探索。通过模拟管网扩建实例计算,结果表明：采用优化设计方案后,总投资比采用混合遗传算法有所减少,并且基因表达混乱遗传算法收敛速度大大加快,算例中只搜索约0．0002％的可行域便可找到问题的最优解。     

用遗传算法反演层状弹性介质

地球物理反问题是一个典型的非线性最优化问题，而常用于评价解估计的目标函数却是一个具有多极值的非线性问题。常规的局部线性化反演方法往往易于陷入局部极大值之中，且严重依赖于初始模型的选取。遗传算法则是一种全局性搜索方法，不易于陷入局部极大值之中，且对初始依赖性不大，能较好地解决这一问题。本文在遗传算法中引入了多个目标函数的综合评价和灾变过程，对层状弹性介质（水平界面和弯曲界面）的纵、横波速度和密度进行     

基于分区法的扩眼器刀翼布齿优化研究

扩眼器在破岩时,刀翼处受力不均会产生不平衡侧向力,引起井下钻具振动,影响井眼质量和钻具使用寿命,对扩眼作业造成不利影响。为了准确分析井底形状和刀翼切削受力的变化,提出分区法来分析扩眼器刀翼的切削过程。基于分区法,扩眼器旋转切削一圈的过程可以分为几个不同的切削阶段,每个切削阶段对应一组切削参数。借鉴PDC钻头的受力模型,建立了以扩眼器全阶段侧向力最小为目标,以各个切削齿后倾角为优化变量的多目标优化模型。利用非支配排序遗传算法2 (NSGA-Ⅱ)对优化模型进行求解,得到最优Pareto解集,利用模糊综合评价法对Pareto解集中的个体解进行评价,并从中选取最优个体解。以三刀翼扩眼器为例进行了布齿优化设计,优化结果表明,基于分区法的布齿优化方法可以有效减小每个切削阶段的侧向力,且保证了各个阶段的侧向力与钻压比值都在5%以内,从而实现扩眼器全切削阶段的侧向力平衡。研究结果对扩眼器的设计具有一定的指导意义。     

���Ż��⾮���͵��Ŵ��㷨ʵ��

遗传算法是具有全局寻伏特点的一种新型最优化方法，它适合于求解非线性优化问题，近年来已经在复杂函数的优化求解、结构优化设计、自适应控制、系统控制、模式识别等领域取得成功应用。文章将遗传算法引入列井最优化解释中，实现了用遗传算法进行最优化测井解释，充分利用遗传算法的全局寻优特点，研究多参数、非线性最优化测井数据处理问题；同时在充分讨论常规遗传算法原理的基础上，针对常规时齐遗传算法的强不收敛性，引入了非时齐遗传算法，从结合整体模拟迟火算法、引入动态记忆宙解决成熟前收敛问题两方面对常规遗传算法作了改进，经正演模型模拟运算和实际测井资料的解释结果表明，经改进后的遗传算法更易于收敛，可以较好地研究多参数、非线性最优化测井资料解释。     

�Ľ�ģ���˻��㷨��ˮ����������ƽ������е�Ӧ��

Kirkpatrick于1982年认识到固体粒子退火过程和组合优化问题有相似性，从而提出了模拟退火算法，并从数学上已证明了模拟退火算法可以取得全局最优解。相比之下，传统的最优化法只能求局部最优值。在计算物质平衡方程时，存在很多不确定的参数，给精确计算带来了一定困难。因此，本文引入模拟退火算法求解物质平衡方程。     

基于数值模拟的油藏生产动态优化算法

对于大规模油藏开发优化,常规优化算法存在收敛速度慢、寻优效率低、难以与现场结合等问题。针对这些问题,建立了油水井动态调控优化模型,并结合模拟退火遗传算法和拉丁超立方采样算法寻找模型全局最优解,同时,利用同步扰动随机逼近算法提高了模型局部求解收敛速度,研发编制了油水井动态调控优化软件,并应用于大庆油田H区块。对比油田常规油水井生产制度,油水井动态调控优化模型的最优方案使H区块累计产油量在5年内增加了5.68×10⁴ m³,较好地解决了油水井生产动态控制优化问题,也为大规模油田高效开发提供了一种新的方法。     

混合智能优化地震反演

传统非线性反演方法存在着收敛效率低,有时会陷入局部极值的问题。为此,研究开发了融合粒子群优化算法和郭涛算法的混合智能优化地震非线性反演技术。粒子群优化算法对解的更新更具有目的性,收敛速度快;郭涛算法构造了多父体交叉重组算子并采用群体爬山策略,求解精度高;混合智能优化算法以粒子群优化算法为主体框架,融入郭涛算法的寻优机制。函数优化测试、理论模型试算和实际资料反演处理结果表明,混合智能优化算法具有求解效率高、全局寻优能力强的优点,适合解决复杂的地震反演问题。