[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

摘要

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。

主权项

1.一种改进萤火虫算法优化GRNN的蒸汽驱开发效果预测方法，其特征在于：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、油层深度、渗透率、油层有效厚度、原始温度、原始压力、井网面积、注汽速率、注汽干度、注汽压力，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Xnormal：式中，Xmin、Xmax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。