论文部分内容阅读
在石油化工领域,随着竞争的加剧和企业对经济效益的不断追求,如何利用已有的信息准确预测石油性质,已经成为一个值得研究的问题。人工神经网络(ANN)模仿人脑结构及智能行为,具有并行处理、自组织、自适应等特性,是一种强大的非线性建模手段,目前已在石油性质预测领域得到了应用,但是由于传统人工神经网络自身存在的局限性,对石油性质预测的精度和泛化能力有待于进一步提高。粒子群优化算法(PSO)源于对鸟群捕食行为的研究,是一种基于群体智能的演化计算技术。由于它具有较强的全局搜索能力,较少的参数设置,简单容易实现,所以一经提出,就引起了许多学者的关注,并得到了迅速的发展,目前,该算法已成功应用于函数优化、神经网络训练、模式识别、模糊系统控制等诸多领域。针对PSO存在易陷入局部极值、进化后期收敛速度缓慢的缺点,提出一种基于速度夹角的粒子群协同优化算法(V-PSCO),并且引入了一种基于柯西分布的累积分布函数的惯性权重调整策略。用两个典型测试函数的优化问题测试V-PSCO,实验结果表明,V-PSCO优化性能明显提高。将V-PSCO引入神经网络,优化连接权值和阈值,给出了优化过程的原理和流程。用基于V-PSCO的神经网络建立石油性质的预测模型,实验结果表明,与传统BP算法和标准粒子群优化算法(SPSO)相比,基于V-PSCO神经网络模型预测精度更高,泛化性能更好,为准确预测石油性质提供了一种有效的方法。