叠前同步反演在建南地区含气预测中的应用

通过对岩石物理分析,建立弹性参数与储层物性参数之间的关系,得出研究区储层的最敏感弹性参数。利用叠前同步反演获得敏感弹性参数反演结果并进行反演属性分析,从纵波阻抗与纵横波速度比的交会图中得到储层指示因子,结合工区内的地质资料和储层指示因子属性来预测储层含气分布范围,结果与验证井实钻结果吻合。     

叠前无井弹性参数反演技术及其应用

应用叠前无井弹性参数反演技术可以更精确地对目标工区进行有效的储层流体识别。在无井或少井区,通过对叠前道集进行反演求得不同弹性物理参数,得到可以对油气进行识别的AVO强度剖面,进行储层内流体的预测工作,并用已知钻井资料进行验证。实际应用结果表明,叠前无井弹性参数反演技术减少了已知钻井资料的约束,而用较多的井资料来验证预测结果的准确性,其在砂体预测,平面展布等方面具有的优越性,从而为隐蔽性油气藏勘探提供更好的技术支持。叠前无井弹性参数反演技术使无井区域储层预测的多解性与不确定性大大降低,提高了反演结果的准确性,这项技术的应用对于类似区块的储层预测工作,具有一定的推广价值。     

基于模拟退火的全局优化算法

针对优化问题中的多极值的现象，提出了基于有记忆模拟退火的全局优化算法，并针对不同的设计变量，采用了不同的邻域产生方法。在分析 算法性能的基础上，分别对连续变量和离散变量优化问题的工程实例进行了求优，结果表明该算法具有较高的计算精度和适应性。     

基于模拟退火的全局优化算法

针对优化问题中的多极值的现象 ,提出了基于有记忆模拟退火的全局优化算法。并针对不同的设计变量 ,采用了不同的邻域产生方法。在分析算法性能的基础上 ,分别对连续变量和离散变量优化问题的工程实例进行了求优 ,结果表明该算法具有较高的计算精度和适应性。     

基于模拟退火的全局混合反演方法及其应用

为了增强模拟退火算法的局部搜索性能,将局部搜索能力较强的单纯形法和鲍威尔法引入模拟退火算法当中,形成了基于模拟退火的全局混合反演方法。给出了模拟退火算法与单纯形法的镶嵌式结合方式以及模拟退火算法与鲍威尔法的串行式结合方式,并对其结合步骤进行了详细的阐述,以便于编程实现。分别对模拟和实测的直流激电测深曲线进行了反演试算:对于不具有等值性的激电测深曲线,反演效果很好,模型参数的相对误差基本控制在1%以内;对于等值性较严重或含有观测误差的激电测深曲线,全局混合反演方法也不能完全克服多解性,但可以通过改变模型参数空间和算法参数进行多次反演,最终可给出合理的解估计。     

一种高效的快速模拟退火算法

基于 对经典模拟退火算法的分析,给出了一种新的快速模拟退火算法。     

快速模拟退火算法及矿井通风网络全局优化

提出了一种新的快速模拟退火算法,在对其性能测试的基础上,将其成功地应用于矿井通风网络全局优化设计,结果表明,该算法能有效地求解传统的确定性方法所不能凑效的全局最优解问题,而且同传统的模拟退火算法相比,具有更高的计算效率。     

模拟退火算法在药物动力学参数反演中的应用

介绍了模拟退火算法的原理和求解方法,并将其用于药物动力学参数的反演,在利用残数法求得解的基础上确定了各参数的变化区间,在Matlab语言环境下实现了该算法,并与残数法、IGS-M法的结果相比较,数值结果表明,模拟退火算法简单、准确,能更好地实现最优拟合。     

快速模拟退火算法及矿井通风网络全局优化

提出了一种新的快速模拟退火算法;在对其性能测试的基础上．将其成功地应用于矿井通风网络全局优化设计．结果表明;该算法能有效地求解传统的确定性方法所不能凑效的全局最优解问题;而且同传统的模拟退火算法相比,具有更高的计算效率。     

基于模拟退火的AVO反演方法

模拟退火算法是近年发展起来的全局最优化算法，是通过把最优化问题与统计力学热平衡问题进行类比得来的。其主要优点是：不用求目标函数的偏导数及解大型矩阵方程组，即能找到一个全局最优解，而且易于加入约束条件，编写程序简单。这种方法避免了线性化反演方法结果强烈依赖于初始模型的选取而导致解落入局部极值的情况。利用模拟退火算法进行AVO反演，充分发挥二者的优点，在计算的过程发现并解决问题，为岩性预测以及储层预测找到既快速又能达到一定精度的方法。本文采用改进的快速模拟退火算法进行AVO反演，对理论模型和实际资料进行了试算，取得了较好的效果。     

基于模拟退火的AVO无井约束反演

AVO(振幅随入射角变化)反演是一个非线性的组合最优化过程,运用弹性介质模型参数正演生成合成记录,以拟合观测数据。对于没有井资料的地区,结合勘探区域的地质情况对地震数据进行反演,最终得到勘探区域岩石物性参数。采用模拟退火算法进行AVO无井约束反演,对理论模型进行了试算,证明了模拟退火算法在AVO无井约束反演中的可行性。在模拟退火过程中,控制参数选择是重要的一步,要针对所要处理数据进行试验来确定这些参数的合理范围,如果参数选择不当,容易陷入局部极值,得到不理想的结果。     

遗传模拟退火算法在结构优化设计中的应用

遗传算法、模拟退火算法都是随机搜索方法,在处理全局优化、离散变量、多连通可行区等困难问题中,具有传统结构优化算法不可比拟的优势.笔者针对遗传算法和模拟退火算法的特点,取长补短,结合成一种混合遗传算法—遗传模拟退火混合算法.经改进后的混合算法既发挥了遗传算法全局搜索能力强的特点,又保留了模拟退火算法局部寻优效果好的优点.     

单纯形—模拟退火算法

在简要介绍单纯形法基础上,针对模拟退火算法存在收敛慢、费机时较多的缺陷,将单纯形法与模拟退火算法有机地结合起来,形成一种新的改进造型的优化算法－单纯形－模拟退火算法,以加快速敛速度,提高解的质量,是单纯形法与模拟退火算法各自特点的综合,并通过算例进行了验证。     

基于改进模拟退火算法的配电网无功优化方法

采用改进的模拟退火优化算法对配电网进行无功优化计算,针对配电网无功优化问题建立优化计算的数学模型。以调节无功补偿容量、补偿点分布、变压器分接头位置为手段,实现无功优化目的。对实际配电网优化计算结果表明,该方法可有效降低系统网损,保证各节点电压稳定,提高电力系统运行的安全性和经济性。     

基于模拟退火算法的电源规划

针对电源规划最优方案设计问题,利用模拟退火算法和等微增率模型对优化目标进行了合理探讨。为了取得经济上的正确评价,将不同时刻的资金折算为同一时刻的资金进行了比较。在系统峰值负荷增长30%等条件下规划增装机组的类型和数量,使用模拟退火算法经过多次计算得出一组较优解。为了得到典型日第12 h和第24 h现有系统各机组的最优负荷分配方案,利用等微增率模型进行求解,并采用模拟退火算法提高数据的精度,最终实现了电源规划方案的优化。     

基于SA算法的k-means聚类算法的改进

传统的k-means聚类算法常陷入局部最优,需要事先输入聚类数,这样会造成原有算法失效或聚类结果不准确。在研究现有聚类算法的基础上,使用ε-最近邻法剔除孤立点,提出一种改进的基于模拟退火算法的、具有自适应功能的k-means聚类算法。实验结果证明,提出的算法是可行的、有效的。     

模拟退火算法在求解组合优化问题中的应用研究

文章给出了模拟退火算法求解组合优化问题的实现步骤,并提出了一种相邻状态的产生函数和迭代方案,通过实例计算并分析了模拟退火过程的起始温度、终止温度以及降温速度等参数对优化计算的影响。结果表明,模拟退火算法中各个参数值的选择和设置对运行的结果和效果有较大影响。