论文部分内容阅读
为了研究受多变量、时变和不确定因素影响的油田产量预测问题 ,将模糊逻辑推理技术与人工神经网络相结合 ,构建具有模糊逻辑推理和学习功能的模糊神经网络 (FNN)系统。该系统基于现有的油田开发历史数据 ,建立相应的规则集 ,使用神经网络的训练方法 (如梯度下降学习算法 ) ,在训练过程中调整参数 ,并自适应增加规则 ,以使系统的输出最佳地逼近于目标样本。通过对某油田的实际开发历史数据的拟合与测试 ,结果表明该模糊神经网络能够较精确地预测未来的油产量 ,与常规的BP神经网络相比 ,其预测精度更高、训练速度