[发明专利]遗传算法优化神经网络进行探井试油层油气性质预测方法

权利要求书

1.遗传算法优化神经网络进行探井试油层油气性质预测方法，其特征在于，包括以下步骤：

S1、对研究区内探井的测井曲线数据进行预处理，建立神经网络的拓扑结构，并进行遗传算法初始化；

S2、对神经网络的迭代次数、学习率、每次取样数、激活函数进行随机初始化设置；

S3、进行神经网络训练及网络评估，网络评估的结果满足误差要求则执行步骤S9，网络评估的结果不满足误差要求且种群为空则执行步骤S4，网络评估的结果不满足误差要求且种群不为空则执行步骤S5；

S4、对神经网络的超参数、权重和偏置进行基因编码和解码，生成种群；

S5、确定遗传算法中种群适应度函数，进行种群适应度遍历计算；

S6、根据适应度选择基因个体；

S7、遗传算法进行交叉和变异；

S8、输出神经网络超组合，包括超参数、各个权重和偏置，然后返回步骤S4；

S9、神经网络模型输出。

2.根据权利要求1所述的遗传算法优化神经网络进行探井试油层油气性质预测方法，其特征在于，所述步骤S1中的对研究区内探井的测井曲线数据进行预处理预处理包括：测井曲线单位统一化、测井曲线与试油层油气性质对应、测井曲线归一化处理。

3.根据权利要求1所述的遗传算法优化神经网络进行探井试油层油气性质预测方法，其特征在于，所述步骤S3中，进行神经网络训练及网络评估，包括准确率、召回率、误差数值的计算，作为遗传算法输入参数。

4.根据权利要求1所述的遗传算法优化神经网络进行探井试油层油气性质预测方法，其特征在于，所述步骤S4中基因编码/解码/种群生成包括：

S41、初始权重和偏置项的编码和解码：

对每个节点权重和偏置项采用实数编码，每个参数占一位，其中前36位为输入层到第一隐藏层节点权重，后续48位为第一隐藏层到第二隐藏层节点权重，后续36位为第二隐藏层到输出层的节点权重，后续6位为输入层与第一隐藏层之间的偏置项，后续8位为第一隐藏层与第二隐藏层之间的偏置项，最后6位为第二隐藏层与输出层之间的偏置项，总共140位，初始权重和偏置项采用以下公式进行优化：

S42、训练迭代次数的实数编码和解码：

以100为起始，最大为102300，步长为100；

编码：利用公式a_i＝S_i％2，其中i＝0,1…9；S₀＝s/100，s为迭代次数，得到二进制编码；

解码：设二进制编码为a_i，i＝0，1，...9，其对应的迭代次数为S，则：

S43、学习率的实数编码和解码：

以0.001为起始，最大为1.023，步长为0.001；

编码：利用公式a_i＝S_i％2，其中i＝0,1…9；S₀＝S/1000，S为学习率，得到二进制编码；

解码：设二进制编码为a_i，i＝0，1，...9，其对应的学习率为S，则：

S44、每次选取样本数的实数编码和解码：

以2为起始，最大为128，2的倍数递增；

编码：设选取样本数为S，利用公式a_i＝S_i％2，其中i＝0,1,2，S为选取样本数，得到二进制编码；

解码：设二进制编码为a_i，i＝0，1，2,其对应的选取样本数为S，则：

S45、激活函数类型的实数编码和解码：

激活函数分别为softmax,relu,sigmoid,tanh，采用某个激活函数时编码为1，否则为0。

按照随机扩展生成的方式生成种群。