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。     

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。     

基于改进粒子群算法的油田管网优化

为了节省油气集输管网的投资成本,往往对系统进行优化设计。应用粒子群算法求解油田地面管网的拓扑优化模型,在算法寻优过程中通过对最优粒子的编码进行动态调整,从而改进算法中粒子对最优粒子的跟随方式,使粒子的进化过程变得更加合理。经过实例验证,在相同计算条件下,改进后粒子群算法在求解地面管网优化问题中表现优于原粒子群算法;最后通过与遗传算法进行比较,粒子群算法在相同计算精度下收敛更快,所需迭代次数更少。     

粒子群算法在油藏储量滚动预测上的应用

粒子群算法属于新兴的群智能技术,是一种基于种群的全局优化策略。算法的基本思想是在搜索空间和速度空间内随机初始化一批粒子,即确定粒子的初始位置和初始速度。使用残差平方和为目标函数,以相关系r作为对比参考。为了说明算法的有效性,以俄罗斯撒模特洛尔油田实际开发数据作为拟合模型的原始数据,使用CurveExpert软件作数据上的对比分析。将粒子群算法应用在油藏储量的滚动预测上,通过对几个经典模型的求解,表明了算法具有精度高、鲁棒性强的特点,证明了算法的可行性。对于油藏储量预算的其他非线性模型,本算法同样适用。     

基于粒子群优化最小二乘支持向量机的非线性AVO反演

为了求解非线性AVO反演问题,本文提出基于粒子群算法和最小二乘支持向量机的非线性AVO反演方法,并用粒子群算法优化最小二乘支持向量机的参数。即首先通过精确Zoeppritz方程正演得到角道集,并进行动校正和部分角度叠加;然后运用最小二乘支持向量机方法建立反射振幅与弹性参数之间的非线性模型;最后以此非线性模型对地震道集数据进行反演。模型数据和实际资料的反演结果表明,该方法克服了常规广义线性AVO反演在远炮检距及弹性参数纵向变化大等情况下的缺陷,可直接从实际地震道集数据中提取较高精度的地层弹性参数,具有快速稳健、抗噪能力强的优点。     

瑞雷面波频散曲线的粒子群蚁群混合优化反演

应用瑞雷面波频散曲线反演地下介质的横波速度剖面是面波勘探的重要步骤之一。传统线性反演方法已不能满足物探工程的要求,非线性的反演方法成为研究热点。文中将基于粒子群优化算法和蚁群优化算法的非线性混合优化算法应用于瑞雷面波频散曲线反演,获得横波速度剖面。该算法利用信息素引导机制更新粒子的早期位置,充分结合了粒子群优化算法对全局最优解的引导策略和蚁群优化算法的局部搜索能力,克服了粒子群算法在群体处于平衡状态时粒子群更新停滞不前和蚁群算法对多极值函数求解时收敛早熟的缺点。通过对多种理论模型频散曲线的反演,检验了该算法的有效性和稳定性;与单独的蚁群算法、粒子群算法反演结果的对比验证了该算法的优越性;实测数据反演结果检验了算法的实用性。     

基于改进粒子群算法的蒸汽驱注采方案优化

针对蒸汽驱注采方案优化问题,以累积油汽比为优化目标,建立了以注汽速率、蒸汽干度和注汽压力等为约束条件的蒸汽驱注采方案优化数学模型,采用改进粒子群算法对该模型进行了求解,并优化了蒸汽驱的主要注采参数。改进粒子群算法以进化停滞步数为依据,对个体历史最优值和邻域内粒子的最优值实施随机扰动,并且只接受使个体适应度增加的随机扰动操作,使记忆中的最优粒子跳出局部最优解,保证了种群的多样性,提高了算法的精度和稳定性。实例计算证明,该优化模型计算结果准确,优化算法有效。通过该优化方法可快捷准确地进行蒸汽驱动态优化和方案调整,以便于指导蒸汽驱高效运行。     

基于粒子群优化算法波阻抗反演的研究与应用

 在地震勘探中占有重要地位的波阻抗反演属于求解最优化问题，其优化目标函数可能包含多个在一定范围内的连续变量，传统的优化手段存在对有些函数难以优化、容易陷入局部解及收敛速度缓慢等问题。粒子群算法只是考虑目标函数，对初始模型的依赖程度不高，并且可以随机地在全局域内进行搜索。本文基于粒子群算法的原理，提出了地震道反演中粒子群算法的实现方法，并详细地分析粒子群算法的抗噪能力；利用模型对该方法进行检测，得知在无噪时反演结果与模型一致；在依次加入3%、10%和25%的噪声后，反演前后的相关系数分别达到98.31%、93. 27%和82.09%；文中还用实际资料证明了该方法的有效性。     

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。     

基于改进粒子群算法的CO_2驱井网优化设计

CO_2驱油是碳捕集、利用与封存(CCUS)技术发展中的重要一环,对提高采收率、减少碳排放、增加经济效益具有显著的促进作用。CO_2驱过程复杂,驱油效率受多重因素影响,合理的布井方案可以有效地提高CO_2驱的采油效果。基于智能优化算法在求解非线性函数方面的优势,将改进的粒子群算法应用于油藏井网优化中,通过建立优化模型,充分考虑渗透率等影响采油效果的因素,力求实现产油量的最大化。通过仿真比较,优化后的井网系统累积采油量能得到较大提升。     

广义Usher模型的建立及其在油田生产中的应用

建立了一种具有更大灵活性和更广适应性的新的生长曲线模型——广义Usher模型,并将该模型用于萨马特洛尔油田产量与可采储量预测,结果表明,该模型可以用于对某些事物的发展过程进行描述,且其拟合精确度不低于Usher模型。.     

预测水驱油田含水率的一种新方法

按照油田的客观规律预测开发指标，始终具有很重要的意义．基于水驱油田的含水上升规律，应用广义Usher模型进行含水率预测。通过矿场应用表明，较之其他模型该方法具有曼广泛的适应性和灵活性，并提高了含水率的预测精度。     

预测水驱油田含水率的Usher模型

预测水驱开发油田含水率随开发时间的变化规律具有重要意义。 基于水驱油田含水上升规律将广泛用于经济和资源预测的Usher 模型用于含水率的预测。通过对Usher模型的分析,指出目前用于含水率预测的Logisitic模型和Gompertz模型为Usher模型的两种特殊形式,并结合矿场应用实例证明了该模型的实用性和有效性。     

预测水驱油田含水率的Usher模型

预测水驱开发油田含水率随开发时间的变化规律具有重要意义。 基于水驱油田含水上升规律将广泛用于经济和资源预测的Usher 模型用于含水率的预测。通过对Usher模型的分析,指出目前用于含水率预测的Logisitic模型和Gompertz模型为Usher模型的两种特殊形式,并结合矿场应用实例证明了该模型的实用性和有效性。     

基于Usher模型及水驱特征曲线的综合预测模型

将Usher模型与常用水驱特征曲线相结合,建立了一种能预测水驱油田在不同开发时期的含水率、产油量、产水量、产液量和相应累计产油量等开发指标以及可采储量的联解模型。此模型克服了产量预测模型中缺少含水率和水驱特征曲线缺少开发时间等开发指标的缺陷。油田实际开发数据与预测结果的对比表明,此联解模型的预测精度相对较高,能够满足水驱油田开发指标的动态预测要求。     

一种改进的多循环油气田产量预测模型

生命旋回模型法是预测油气田产量的主要方法,该方法中生命旋回（产量循环）的个数是影响预测结果的重要因素。以往多是从产量变化曲线的走势或某个时间点发生的重要事件确定循环个数,受主观判断的影响较大,容易造成结果的不准确。为此,以生命旋回模型法中常用的广义翁氏模型为基础模型,建立改进的多循环广义翁氏模型,确定油气田产量预测中的循环个数,以此来改善模型的预测效果。将改进后的模型应用于大庆油田的产量预测,其对年产量的拟合效果明显优于单循环模型和多循环模型,对未来产量变化的预测能力也基本等同于加入更多循环个数后的预测模型,从而有效避免了不必要循环的加入所导致的预测时间的增加,证明了改进模型的有效性,为油气田产量预测提供了新的思路。     

利用粒子群优化算法快速、稳定反演瑞雷波频散曲线

反演瑞雷波频散曲线能有效地获取横波速度和地层厚度,但基于局部线性化的瑞雷波频散曲线反演方法很难适应反演目标函数的非线性、多参数、多极值的特点。为此,提出并测试了一种新的基于全局优化策略的粒子群优化（PSO）算法的瑞雷波频散曲线反演方法。首先反演了三个理论模型的无噪声和含噪声数据,验证了PSO对瑞雷波数据反演的有效性与稳定性;然后将PSO与模拟退火法（SA）进行对比,说明PSO相对于SA具有全局收敛性强、收敛速度快、求解精度高的特点;最后,反演了来自美国怀俄明地区的实测数据,检验了PSO对瑞雷波数据反演的适用性。理论模型试算和实测资料分析表明,PSO可以用于瑞雷波频散曲线的定量解释。     

The ANFIS-PSO strategy as a novel method to predict interfacial tension of hydrocarbons and brine

The interfacial tension of hydrocarbons and brine is known as one of the important parameters which are measured in petroleum and petrochemical industries for example the interfacial tension has straight effect on trapping of oil in a reservoir. In the present work the Adaptive neuro-fuzzy inference system (ANFIS) algorithm was used as a novel approach for estimation of interfacial tension between hydrocarbons and brine as function of pressure, temperature, carbon number of hydrocarbon and ionic strength of brine then the particle swarm optimization (PSO) was used to optimize the predicting model parameters.in order to better evaluation of performance of predicting algorithm the coefficient of determination (R²), average absolute relative deviation (AARD) and root mean squared error (RMSE) were estimated for different steps. The outcomes of this investigation expressed that proposed model has high potential for prediction of interfacial tension between hydrocarbons and brine.