基于变结构算法的神经网络预测方法及其应用.pdfVIP

维普资讯 大 庆 石 油 学 院 学 报 第31卷 第 1期 2007年 2月 JOURNAlOFDAQINGPETROLEUM INSTITUTE Vo1．31 No．1 Feb． 2007 基于变结构算法的神经网络预测方法及其应用 刘铁男，赵秀 明 (大庆石油学院 电气信息工程学院，黑龙江 大庆 163318) 摘 要 ：针对油 田系统常规的建模和动态预测方法的局限性 ，采用多层动态前 向网络作为油 田系统的数学模型．研 究基于变结构算法的多层动态前 向网络预测模型与预测技术；分析梯度算法的不足，提出改进方案；给出单变量多层前 向网络预测模型和相应的变结构梯度法，并且把该模型和算法推广到多变量系统，改进 了油 田系统的建模和预测方法． 新方案在油田产量预测应用中颇有成效． 关 键 词：多层动态前向网络；变结构算法；产量预测；多变量 ；非线性系统 中圈分类号 ：TP273 文献标识码 ：A 文章编号 ：1000—1891(2007)01—0091—03 油田系统预测对油田生产管理和决策有重要作用 ，常规动态预测方法有水驱特征曲线法 、油藏数值模 拟法、水动力学算法、递减曲线法和 WENG氏模型法等L1]．这些方法分别只适用于不同开发阶段 ，并且适 用范围和对预测公式的条件要求也不同，因而都有一定 的局限性．近年来 ，基于神经 网络 (NN)的建模和 预测方法有了长足的发展[2]，并已在油田系统 中得到了广泛应用[3]． 在用 NN模型预测之前 ，必须先用学习算法对 NN进行训练．常用 的多层动态前 向网络 (简称 BP网 络)学习算法本质上是梯度法 ，其学习训练的速度较慢[4]．对此，笔者提出一种变结构学习算法和基于此 算法的NN预测方案 ，并将其应用于油田产量预测 ，效果显著．目前 尚未见有此种预测方案的报道． 1 模型的建立 多层前向网络已被证明可以任意精度逼近任意连续有界的非线性 函数[4]．把 NN的输 出反馈到多层 前向网络的输入端 ，能构成回归网络，成为一种动态 NN[4]，结合多层前向网络可实现任意非线性映射和 回归网络可描述系统动态的优点，形成新型多层动态前向网络．这种网络包括并联网络模型和串并联 网 络模型，后者 因不含有反馈 回路 ，故能采用静态学习算法 (如 BP算法)，这使得网络的训练和学习更为方 便． 考虑由非线性差分方程模型描述的非线性系统 ： ’ y^：，[ l，…， ；Uk．-l，…， ]+ek， (1) 式中：U，Y ，ek分别为k时刻系统的输入 (控制)、输出和随机干扰 ；／／和m为系统输 出和输入的最大时延． 对系统 (1)可用多层动态前向网络模型做串并联型逼近 ： 、 一 N[ ]=N[-ys- 一， ；Uk- 一， ]， (2) 式中：NV·]为多层前 向网络模型；为系统输出；x为网络的输入模式向量．令 P一 + ，则网络的输入 模式向量可表示为 xl= (l，2，…， )： ( l，…， 卜H；Uk．-l，…，￡‘)． 网络的动态性由多重延迟线实现 3，实际上，xT中的输入、输 出信号具有多重时延．该多层前 向网络 模型的结构见图 1．基于式(2)给出非线性系统输 出的向前多步预测模型，设 k为预测的起点，向前 1步多 收稿 日期 ：2006一O9—11；审稿人 ：王秀芳 ；缡辑 ：郑丽芹 基金项 目：黑龙江省