[发明专利]基于一种改进的神经网络的油井产量预测方法及其装置

权利要求书

1.一种基于一种改进的神经网络的油井产量预测方法，其特征在于，它包括以下步骤：

基于影响产量的油井参数初始化PSO算法中的粒子个数、种群数量、最大迭代次数、粒子群中全体最优粒子的位置、单个粒子历史出现的最优位置、惯性权值的最大值、惯性权值的最小值、粒子的初始速度；

基于粒子群中全体最优粒子的位置、单个粒子历史出现的最优位置得到更新的速度；

基于惯性权值的最大值、惯性权值的最小值、最大迭代次数和实际测试样本值更新惯性权值的最大值和/或惯性权值的最小值；

基于粒子的初始速度值得到粒子的理想速度；

基于种群数量、粒子个数、更新的速度、粒子的理想速度得到新的惯性权值；

根据设置的最大迭代次数进行迭代，基于迭代后的粒子群中全体最优粒子的位置得到隐层连接权值、输出层连接权值；

基于设置训练后的隐层连接权值、输出层连接权值的神经网络、历史的影响产量的油井参数和样本值得到预测产量。

2.根据权利要求1所述的基于一种改进的神经网络的油井产量预测方法，其特征在于，在步骤基于粒子群中全体最优粒子的位置、单个粒子历史出现的最优位置得到更新的速度中，更新的速度的具体计算公式如下：

vijk+1=Weightk·vijk+c1·rand1·(Pbestijk-xijk)+c2·rand2·(Gbestjk-xijk)]]>

其中，c₁和c₂表示两个常量，rand1和rand2表示随机产生的[0,1]区间的数，表示粒子群中全体最优粒子的位置，表示单个粒子历史出现的最优位置，表示更新的速度，表示未更新的速度，表示未更新的位置，Weight^k表示更新的惯性权值，k表示迭代的次数；

更新的位置的具体计算公式如下：

xijk+1=xijk+vijk+1]]>

其中，表示更新的速度，表示未更新的位置，表示更新的位置。