《面向快速油藏歷史擬合的粒子群算法研究》是依託吉林大學，由韓霄松擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：面向快速油藏歷史擬合的粒子群算法研究
- 項目類別：青年科學基金項目
- 項目負責人：韓霄松
- 依託單位：吉林大學
項目摘要,結題摘要,
項目摘要
本項目擬利用粒子群算法強大全局搜尋能力的優勢，從代理模型學習策略最佳化、進化策略最佳化以及搜尋策略最佳化三方面針對HEB（參數高維、適應度計算高代價、適應度依賴黑盒模型輸出）問題開展研究，並將研究成果套用於油藏歷史擬合這一典型的HEB問題中。針對油藏歷史擬合的特點，利用流形學習對群體降維，從而在低維流形上快速構建回歸代理模型，利用代理模型來估計大部分個體適應度，以期克服油藏歷史擬合計算代價高的困難；在算法進化和搜尋策略最佳化研究方面，以減少適應度評價為目標，擬構建基於模式理論的新型戒遷拳進化操作和適應度估計策略，在算法中引入聚集和發散運算元，使算法在避免早熟的同時儘快收斂。項目成果將對更深入揭示模式理論原理和有效套用該理騙盼朽論具有較強少院只訂的指導意義，為構建和優跨旬化代理模型處理HEB問題提供新穎的思路，也為其它群智慧型最佳化方法處理HEB問題奠定理論基礎，本項目的順利實施將為油田的科學開採和可持續發展提供關鍵技術支持。
結題摘要
本項目利用粒子群算法具有強大全局搜尋能力的優勢，從代理模型學習策略最佳化、進化策略最佳化以及搜尋策略最佳化三方面針對複雜最佳化問題開展研究，並將研究成果套用於油藏歷史擬合這一具體問題中。針對油藏歷史擬合的過程和特點，以減少調用油藏數值模擬器計算適應度為目標，構建了基於模式理論的新型進化操作和適應度估計策略，也就是快速粒子群算法。該算法利用吸引子傳播算法對群體進行劃分，然後根據聚類中心粒子的適應度以及該粒子與其它粒子的距離進行估少芝熱享計，並利用模式理論對估計的適應度進行修正。本項目利用適應度評價的歷史數據，基於支持向量回歸機構建了一個實時的回歸代理模型，也就是支持向量回歸粒子群算法，利用代理模型來估計大部分個體的適應度，以期克服油藏歷史擬合問題維度和適應度計算代價高的困難。在算法進化策略最佳化研究方面，我們構建了一個基於全局最優預測的自適應變異粒子群算法，該算法在利用主成分分析將群體映射到低維空間，然後根據群體拓嫌鑽辨撲結構擬合二次曲線並找到極值位置，將該位置還原到原始空間後加入群體引導進化，並引入自適應的變異運算元，使算法在避免早熟的同時儘快收斂。經過大量的測試函式驗證，快速粒子群算法和支持向量回歸粒子群婆白愚算法可以有效的控制適應度評價次數，在適應度評價較為耗時的情況下，這兩個算法在不損失尋優精度條件下，可以提高算法3倍以上的尋優速度；基於全局最優預測的自適應變異粒子群算法可以更加快速的引導群體收斂，在一定精度要求下，相比於標準粒子群算法可以在100次疊代內收斂。項目獲得的成果將對更深入揭示模式理論原理和有效套用該理論具有較強的指導意義，為構建和最佳化代理模型處理複雜最佳化問題提供新穎的思路，也為其它群智慧型算最佳化方法處理複雜最佳化問題奠定理論基礎，項目的順利實施將為油田的科學開採和可持續發展提供關鍵技術支持。
