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。     

利用自适应混沌遗传粒子群算法反演瑞雷面波频散曲线

为了提高瑞雷面波频散曲线的反演精度,减少反演过程中的多解性,获取更准确的地下横波速度结构,本文从反演算法入手,对基本的粒子群算法进行改进,提出了一种能同步提高全局和局部搜索能力的自适应混沌遗传粒子群算法（ACGPSO）：即先采用自适应惯性权重,并设置粒子的节速度,再引入遗传算法的交叉和变异操作及单维全分量的混沌局部搜索。利用该算法对理论模型的无噪和含噪基阶频散曲线进行反演,且针对含噪数据加入二阶与三阶频散曲线进行联合反演。所得反演结果与常规粒子群算法反演结果的对比表明：ACGPSO算法具有更好的稳定性和抗噪性,且基于该算法的联合反演能有效降低解的多解性,显著提高解的精度。对实际数据所做的两步法反演的效果进一步验证了该算法的适用性。     

基于混合粒子群算法的煤层气井位优化方法

井位的部署直接关系到煤层气开发的采气速度及经济效益。基于粒子群算法的劣势和模拟退火算法的优势,提出了一种混合粒子群算法,其以净现值为目标函数,单井控制面积和井位为变量,结合油藏数值模拟方法,优选出净现值最大的单井控制面积和井位,并利用matlab编程来实现。结果显示,基于混合粒子群算法的井位优化方法能够快速确定最优井位,计算量较穷举法大幅度降低;沁水盆地煤层气田的最优单井控制面积为0.2 km²;对于最优单井控制面积,混合粒子群算法得到的最优净现值比常规矩形井网的净现值增加12.55%;最优井位分布与含气量、渗透率密切相关,其中渗透率的影响尤为重要,最优井位是含气量与渗透率的最优组合。该研究成果为煤层气开发井位优化提供了新方法。     

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。     

水力压裂微地震粒子群差分进化定位算法

为了提高微地震在初至时间不准确条件下的定位精度,通过研究理论模型下对初至施加不同程度的扰动时震源定位的影响,讨论了由于粒子群定位方法的发散性而导致的定位效果偏差问题。把粒子群算法全局搜索速度快的特点与差分进化方法相结合,将种群中任意两个个体差分变异后,进行杂交、贪婪选择操作,生成新的个体,从而增加了种群的多样性,改善了震源定位的发散性,提高了时差定位的精度,最终形成了微地震粒子群差分进化定位算法。通过理论模型测试,表明微地震粒子群差分进化定位算法针对有扰动的初至时间具有更高精度,且震源定位的发散性较传统粒子群定位得到了改善。实际微地震资料反演结果也进一步验证了微地震粒子群差分进化定位算法的应用效果。     

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。     

基于粒子群优化算法的波阻抗反演研究

波阻抗反演属于最优化问题，其目标函数可能包含多个在一定范围内连续的变量。传统的优化手段对某些函数存在难以优化，容易陷入局部解，收敛速度缓慢等问题。粒子群算法只考虑目标函数，对初始模型的依赖程度不高，可以随机地在全局域内进行搜索。通过分析粒子群算法的原理，提出了地震波阻抗反演粒子群算法的实现方法。详细地分析了粒子群算法的抗噪能力及算法中各参数对反演结果的影响，得出参数的最优组合。利用模型数据对该方法进行检测，在无噪情况下，反演结果与模型一致；在加入3%，10%和25%的噪声后，反演前后的相关系数分别为98.31%，93.27%和82.09%，证明了该方法的有效性。     

改进的粒子群波阻抗反演方法与应用

针对常规粒子群优化算法在波阻抗反演中普遍出现的收敛速度慢、反演效率不高等缺点,提出了层状模型约束下的粒子群波阻抗反演方法。该方法通过迭代反演每层的样点数和对应的波阻抗值,并利用对模型层数的扫描实现波阻抗反演。模型试算结果表明,与常规粒子群算法比较,该方法收敛速度和反演精度均显著提高。实际资料的反演证明了该方法的有效性。     

基于离散惩罚粒子群算法的波纹管优化设计

以《美国膨胀节制造商协会标准》(EJMA)最新版为依据,建立了波纹管优化设计的数学模型。为获得波纹管优化设计的全局最优解,将粒子群算法与离散惩罚函数法相结合,构建了离散惩罚粒子群算法,并提出更新离散惩罚因子的策略。利用上述模型和方法,对公称直径400～1000mm的某系列U形波纹管进行优化设计,优化目标E/Q值比在线产品E/Q值提高了19.0%～99.1%,表明这种算法能有效地解决目前波纹管设计中存在的问题。     

粒子群算法炮点偏移校正技术

在地震勘探数据采集的过程中,常会遇到炮点实际位置与设计位置不一致的情况,进而影响后续的地震数据处理。为了解决这个问题,基于近炮检距近地表速度接近常速的假设,本文提出使用粒子群方法对炮点位置进行校正。首先估算近地表直达波的速度,通过观测初至与计算初至建立误差目标函数,通过粒子群算法求解目标函数得到最优解即炮点位置。与常规的网格搜索方法相比,该方法计算效率明显提升,且保持了较高精度,为地震数据质量监控提供了一种可靠且高效的方法。     

Estimation of water content of natural gases using particle swarm optimization method

A precise estimation of natural gas water content is a significant constraint in appropriate planning of natural gas production, processing services and transmission. The main contribution of this research is to develop a machine learning approach for predicting water content of sweet and sour natural gases. In this regard, a joining of particle swarm optimization and an artificial neural network was utilized. The suggested model presents good predictions of the sour natural gas water content with following circumstances, including CO₂ contents of 0–40 mol%, H₂S contents of 0–50 mol%, pressures in range from atmospheric to 70,000 KPa for sour gas and 100,000 KPa for sweet gas, and temperatures from 10–200°C for sweet gases and 10–150°C for sour gases.     

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。     

基于粒子群优化的BP网络在地震属性融合技术中的应用

受地震资料品质、岩性、构造等诸多因素的影响,单一地震属性只能在一定程度上提供预测储层的方向,并存在多解性。地震属性融合技术用井孔资料对地震属性进行标定,建立储层含油气性与地震属性之间的关系,采取数学手段融合多种地震属性进行储层含油气性判别,避免了单一地震属性解释储层的多解性问题。BP网络具有良好的非线性拟合能力,但是易陷入局部极小值,不收敛,影响预测精度。针对该问题,采用粒子群优化其网络权值和阈值,再用BP网络对储层、非储层进行模式识别,取得较好成效。     

基于粒子群优化和保幅成像条件的广义屏偏移

面对与日俱增的复杂构造和岩性的勘探需求,传统单程波偏移方法在成像精度和振幅保真方面都明显不足。本文从传统保幅单程声波方程入手,首先利用粒子群算法对广义屏算子中垂直波数展开式系数项做全局最优化处理,提高其对陡倾地层的成像精度;其次利用高斯窗函数优化反褶积成像条件,在确保振幅保真效果的同时也提高了其计算的稳定性。对模型试算和实际地震资料的应用表明,该基于粒子群优化和保幅成像条件的高阶广义屏偏移算法既能较好地适应复杂构造成像,还能有效提高地震波振幅保真能力,取得了良好偏移成像效果。     

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。     

粒子群优化算法波阻抗反演

粒子群算法比较简单、容易操作,对求解高维度问题有较好的优势,但存在2个问题:1)常规的粒子群算法信息间的交流是通过自身解与全局最优解间交流得到,群体内部交流过少;2)常规的线性惯性权重作用过于单一,不利于反演后期结果的快速收敛。文中提出的粒子群优化算法,以粒子群理论为核心,遗传优化算法引进交叉算法,修改惯性权重,提供的随机游走步长逐渐变小,在目标函数及初始模型的约束下,缓慢地缩小步长,以求先快速跳出局部极值,然后不断减小步长,靠近最优值。通过分析粒子群原理、遗传核心理论,详细分析粒子群参数,优选参数,并将其同传统的算法相比较,优选算法,随后,进行抗噪性及模型试验。分析发现,噪声含量比在30%之内时反演结果与实际吻合,模型反演结果在初始模型上有所改进。这证明该方法在实际反演中是实用可行的。     

Intelligent prediction of aliphatic and aromatic hydrocarbons in Caspian Sea sediment using a neural network based on particle swarm optimization

Abstract

In this paper an intelligent model is proposed to predict the amount of organic pollutants in Caspian Sea sediment based on a feed forward artificial neural network (ANN) optimized by particle swarm optimization (PSO) algorithm. Organic pollutants have carcinogenesis and mutagenesis properties which are derived from anthropogenic and natural sources. The PSO-ANN was developed by experimental data collected from different literature. The statistical parameters prove the satisfactory performance of the proposed PSO- ANN model. A good correlation was obtained between the predicted organic pollutants and the experimental data for test, train and validation data were 0.996, 0.997, 0.993, respectively.     

一种改进的LS-SVM算法及其应用

 为了避免LS-SVM算法中存在的矩阵求逆问题，提出一种改进的LS-SVM算法，即利用改进PSO算法对LS-SVM算法中线性方程组进行迭代优化求解，这样既能加快算法训练速度和节省内存，又总能得到最小二乘解，提高计算精度。将此改进算法应用到长庆气田C井目的层井段进行气层识别，并与BP神经网络算法、经典的SVM算法和传统的LS-SVM算法比较，结果表明此算法识别精度高，收敛速度快，与试气结果吻合，效果显著。     

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。     

苏里格气田骨架集输管网风险评估及优化

截至2013年底,苏里格气田已经建成280×108m3/a骨架管网工程,并建成投运处理厂6座,有效确保了气田的安全平稳生产.但随着气田管网系统的逐年增多,系统的风险也在增加,很有必要及时对管网系统进行风险分析和评估,提出优化完善建议,来保证气田的平稳运行、有效控制和灵活调整等功能.针对苏里格气田目前输气管网现状,对管网系统的关键节点,从管线故障下的影响面、气量的灵活调配、节点的有效控制以及应急处理措施的有效发挥等方面进行了较为全面的分析评价,提出了有效的措施和建议,对确保苏里格气田骨架输气管网的安全、平稳、高效运行起到了较好的借鉴和指导作用.