论文部分内容阅读
为准确计算孔隙度、渗透率等储层物性参数，结合模拟退火和差分进化算法的主要优点，提出一种改进的模拟退火差分进化（SADE）算法，将复杂储层物性预测过程中神经网络权值的训练转化为无约束优化问题，并建立新目标函数，进而利用改进的SADE算法进行求解，并与传统方法计算结果进行比较。新目标函数使得神经网络权值的调整不受样本期望输出大小的影响，更适用于变化范围较大的样本数据训练；改进的SADE算法利用退火温度控制差分进化的选择过程和差分策略的选用，前期具有很好的多样性，后期有较好的收敛能力，克服了经典算法早熟的缺点，