[发明专利]改进萤火虫算法优化GRNN的蒸汽驱开发效果预测方法

说明书

本发明涉及的是改进萤火虫算法优化GRNN的蒸汽驱开发效果预测方法，它依据现场收集的蒸汽驱开发效果数据，通过在标准萤火虫算法中引入混沌优化算子初始化种群，同时引入差分变异算子完成萤火虫个体自适应变异，增加了种群多样性，加快了收敛速度，提高了种群的可进化能力，利用改进萤火虫算法优化GRNN网络的光滑因子σ，优化目标为拟合误差的均方根误差，建立最优的蒸汽驱开发效果的预测模型，实现蒸汽驱开发效果预测。本发明通过采用改进萤火虫算法优化GRNN对蒸汽驱进行开发效果的预测，提高了预测的速度和精确，可以指导现场蒸汽驱开发方案的编制，实现蒸汽驱开发方案的优化和调整，最大限度的提高经济效益。

技术领域

本发明涉及一种蒸汽驱开发效果预测方法，具体涉及改进萤火虫算法优化GRNN的蒸汽驱开发效果预测方法。

背景技术

蒸汽驱作为一种高效开发方式，是稠油油藏开采的主要发展方向，而实现蒸汽驱开发效果预测是蒸汽驱成功的关键。目前蒸汽驱开发效果预测方法有基于矿场资料的经验方法、室内实验模拟方法和数值模拟方法。经验方法操作简单，但是预测精确度低；室内实验方法与现场吻合度低，预测结果与实际情况相差较大。当前，有一些数值模拟软件可用于蒸汽驱的开发效果预测，但是这些软件往往本身很昂贵，而且运行需要应用大型计算机，还会花费大量的运算时间。

随着人工神经网络理论和优化技术的发展，各种新技术和新应用不断涌现。目前已有成功将人工神经网络理论和优化技术相融合用于解决很多工程预测问题。传统的BP神经网络存在学习速度慢、易陷入局部极小值，预测结果精度不高的缺点，广义回归神经网络(GRNN)具有很强的非线性逼近能力和自学习、自适应等特性，能自动从历史数据中提取有关预测的知识，因而非常适合解决预测领域中的一些复杂问题。

发明内容

本发明的目的是提供改进萤火虫算法优化GRNN的蒸汽驱开发效果预测方法，这种改进萤火虫算法优化GRNN的蒸汽驱开发效果预测方法用于解决现有蒸汽驱开发效果预测方法准确度低，成本高的问题。

本发明解决其技术问题所采用的技术方案是：这种改进萤火虫算法优化GRNN的蒸汽驱开发效果预测方法：

步骤一：收集现场蒸汽驱开发效果数据作为样本数据，包括原始含油饱和度、原油粘度(mPa·s)、油层深度(m)、渗透率(mD)、油层有效厚度(m)、原始温度(℃)、原始压力(MPa)、井网面积(m²)、注汽速率(m³/d)、注汽干度、注汽压力(MPa)，选取累积油汽比作为指标来衡量蒸汽驱开发效果的好坏程度；

步骤二：将所步骤1收集的样本数据根据公式(1)映射到[-1,1]之间，对样本数据作归一化处理得到归一化数据X_normal：

式中，X_min、X_max分别代表蒸汽驱开发效果预测数据集中最小和最大值，X为原始预测数据集中的数据；

步骤三：采用改进萤火虫算法搜寻最优的GRNN中的光滑因子σ，从而获得最优GRNN；改进萤火虫算法是在标准的萤火虫算法中引入混沌优化算子进行种群初始化，同时引入差分变异算子实现萤火虫个体的自适应变异，增加了种群多种性，加快了收敛速度，提高可进化能力；

步骤四：将归一化后的数据作为训练样本，用来训练最优GRNN，从而获得最优的蒸汽驱开发效果预测模型，实现蒸汽驱开发效果预测。

上述方案中改进萤火虫算法中引入混沌优化算子进行种群初始化的具体方法：

步骤1：随机产生D维向量Y₀，Y₀＝(y₀₁,y₀₂,…,y_0D)，其中D为优化问题的维数，Y₀中不能包含0.25、0.5和0.75这3个数值；