MATLAB遗传算法在烃动力学参数标定中应用.docVIP

MATLAB遗传算法在烃动力学参数标定中应用 　　摘要：Matlab语言是一种简单、高效、功能极强的高级语言，在科学与工程计算领域中有着其他语言无法比拟的优势。遗传算法是计算机科学和进化论相结合的产物，在多变量优化问题方面，具有很多优点。我们创新性地采用遗传算法对进行生烃动力学模型公式中多个参数进行标定。在使用MATLAB编程实现的过程中，我们有针对性地、创造性地设计了编码方案、求解方案，并且将遗传算法和传统的数值优化方法结合起来，大大提高了计算的精度。 　　本文针对新疆某油田的试验数据，采用遗传算法对动力学参数进行标定，并且把计算结果与采用传统优化方法得到的结果进行对比，拟和误差明显提高。 　　关键词：农遗传算法；Matlab； 绝对误差；拟合误差 　　中图分类号： T18 文献标识码： A文章编号：20080611060 　　 　　一、引言 　　 　　含油气盆地烃源岩油气生???是一个非常复杂的地质地球化学过程，目前在实际的工作中，使用有机质成烃动力学是定量评价烃源岩生烃潜力的动力学法，就是在确定成烃动力学模型、标定相关成烃动力学参数后，再结合研究区的构造史和热史资料，计算出研究区不同层位的源岩在不同地质时代、不同埋深条件下的有机质降解成烃率（转化率），从而估算出各层的生油量。 　　目前，人们对成烃热解模型以及其动力学进行了深入的研究，提出了多种动力学模型，而标定相关成烃动力学模型的参数愈加受到人们的重视，因为成烃动力学模型有多个平行的线性变化和非线性变化的参数，采用不同的参数标定优化方法，就会产生不同的结果，而它的标定直接影响了公式的准确性。 　　 　　二、需要标定的烃动力学模型 　　 　　设干酪根（KEO）成油过程由一系列（NO个）平行一级反应组成，第i个反应对应的活化能为EOi，指前因子AOi， 　　并设对应每一个反应的干酪根的原始潜量为：XOi0，i=1，2…NO， 　　反映至t时刻，第i个反应的生油量为XOi。 　　这里以有机质成油模型的标定为例来说明；设在某一升温速率l，达到某一温度j时由试验所测到的生油率为XOlij，在相同的条件下，假定EOi、AOi、XOi0之后，计算的产油率为XOij。如果存在某一组EOi、AOi、XOi0的取值使对所有的l、j都有： 　　XOlij－XOij＝0。 　　则该组EOi、AOi、XOi0即为所求。由于实验误差等原因，只能求使XOlij－XOij尽量小的EOi、AOi、XOi0的取值。为此，构造目标函数 　　 　　（2-1） 　　这里L0为不同升温速率试验的数目，J0为从一条试验曲线上的采样点数。 　　由于EOi可通过确定平行反应的活化能的分布范围和相邻平行反应的活化能间隔而求解，则式2-1可化为： 　　 　　（2-2） 　　另外，式2-2中的AOi、XOi0（用占可反应量的百分数表示）应满足： 　　 　　（2-3） 　　 　　三、遗传算法简介 　　 　　Bagley在1967年关于自适应下棋程序的论文中，首次提出了遗传算法这一术语。同年，DeJong完成了他的博士论文“遗传自适应系统的行为分析”，将Holland的模式理论与他的计算试验结合起来，进一步完善了选择、交叉和变异操作，提出了一些新的遗传操作技术。遗传算法流程如下： 　　begin 　　t＝0； 　　初始化； 　　 评估； 　　while 不满足终止条件 do 　　 begin 　　重组获得； 　　评估； 　　从和中选择； 　　t＝t＋1 　　end 　　end 　　其中和分别代表第t代的双亲和后代，重组包括：交叉和变异；评估为进化操作，包括：选择。 　　四、MATLAB编程基本思路 　　本文根据所考虑问题的特点，针对具体问题，创造性地设计了一种对于参数标定非常有效的、具有个性的遗传算法。其主要思路是：考虑到如果固定指前因子Aoi（i=1,2,…No），则目标函数（2－2）是待求的生油潜量XOi0 （i=1,2,…No）的二次函数，而约束条件（2－3）均为线性约束，因此，仅对指前因子Aoi（i=1,2,…No）应用遗传算法进行求解。对于给定的指前因子Aoi（i=1,2,…No），则通过普通的数值优化方法求解一个线性约束的二次规划问题得到生油潜量XOi0 （i=1,2,…No），即：通过遗传算法求解非线性参数Aoi（i=1,2,…No），在计算Aoi（i=1,2,…No）所对应的编码的适应性函数时，应用普通的数值优化方法求解线性参数XOi0 （i=1,2,…No），并计算拟合误差，将遗传算法和传统的数值计算方法很好地结合起来，发挥各自的优点。 　　（一）编码方案 　　为了克服二进制编码的缺点，对于问题的变量是实向量的情况