油藏系统辨识的人工神经网络方法和应用

摘要

一些油藏（例如试井解释）系统的偏微分方程模型，经过变换能化为非线性函数项级数。级数的每一项均为地层参数θ的复杂非线性函数。级数的项数ｎ与模型结构有关，可称为模型的结构参数。把级数中的函数看成非线性神经元，来建立油藏系统的函数型连接人工神经网络模型。用系统辨识理论中的Ｆ检验法确定网络模型的结构参数ｎ，用多步广人梯度学习算法估计网络模型的权系数。地层参数是试井解释的依据，要求其估值应具有唯一性，而上述函数为多峰函数，在极值点处关于θ的变化很敏感，使问题更为困难，现有迭代法和遗传算法均未奏效。一种新型的遗传算法解决了这个问题。应用表明用上述方法建模有很高的精度，能求出地层参数的唯一估值。