一种新型混合模拟退火算法及其应用.pdfVIP

维普资讯 大 庆 石 油 学 院 学 报 第31卷 第4期 2007年 8月 JOuRNAIOFDAQING PETROIEUM INSTITUTE Vo1．31 No．4 Aug． 2007 一 种新型混合模拟退火算法及其应用 陈惟岐 ，于 镝 (1．大庆石油学院 秦皇岛分院，河北 秦皇岛 066004； 2．大庆石油学院 电气信息工程学院，黑龙江 大庆 163318) 摘 要 ：为解决非线性系统辨识和预测问题 ，以多层前 向网络为模型框架 ，采用带 自适应冷却进度表的模拟退火算 法与 Powell算法构成新型混合算法 ，训练网络的权值．冷却进度表中的主要参数是模拟退火算法 的控制参数 (伪温度) 的初值及其衰减 函数．把整个迭代过程划分为若干阶段．在每个 阶段结束时，依据 网络模型误差 自适应地修正下阶段的 回火温度 、伪温度 的衰减 函数中的参数和迭代步长初值．该混合算法 的全局和局部搜索能力强 ．网络辨识精度高．应用 表明了该方案 的有效性． 关 键 词 ：神经网络；模拟退火算法：冷却进度表 ；Powel／算法 ；辨识；非线性系统 中图分类号 ：TP18 文献标识码 ：A 文章编号 ：1000—1891(2007)04—0084—04 0 引言 常规动态预测油田非线性系统方法 (如水驱特征曲线法 、油藏数值模拟法、水动力学算法 、递减曲线法 和 WENG氏模型法等n)分别只适用于不同开发阶段，并且适用范围和对预测公式要求 的条件也有所不 同，因而都有一定的局限性．近年来 ，基于神经网络 (NN)的建模和预测方法有 了长足的发展口，已在油田 系统 中得到了成功的应用 ]．在用 NN模型预测之前 ，必须先用学习算法对 NN进行训练．常用的训练多 层动态前 向网络的BP学习算法学 习训练的速度较慢．对此 ，笔者提出一种新型混合模拟退火学习算法和 基于此算法的NN预测方案，并将其应用于油田产量预测 ，效果显著． 1 算法实现 该算法 由带有 自适应冷却进度表的模拟退火算法和Powell算法组成． 1．1 带 自适应冷却进度表的模拟退火算法 用传统模拟退火算法 (SAA)i)iI练 NN 的权值 ，一般能够求 出权值的全局最优解 ，但必须进行大量迭 代运算．通常 SAA的控制参数 (T)呈单调下降．当已充分小而迭代过程又未达到全局最优解的邻域时， SAA将不能摆脱 当前 的局部优解．在 SAA陷于局部优解时 ，如果适 当加大控制参数 ，即进行回火升温， 并且适 当改变衰减规律 ，可使 SAA摆脱局部优解 ． 把整个迭代过程划分为 个阶段 ，每段迭代到规定的步数．根据待辨识系统的实际情况 ，把网络模型 的 目标 函数值 F按数量值分成 个档次．设计一个控制表 ，表中按 F的档次分别设置控制参数T 的初值 T。(回火温度)和 T的衰减函数中的参数及迭代步长q的初值．原则上 ，当F较大时 ，T的衰减速度较慢． 这样可由迭代过程 的实际情况 自适应地调整冷却进度表 巾的主要参数．冷却进度表中的另外 2个参数 (与算法停止准则和 Markov链长度有关的)，可用文献Es]给 的方法确定． 1．1．1 迭代步骤 (1)初始化解向量 叫并计算其对应的目标函数值F．令初始最优解 叫 一 ，F 一F；设置算法的控制 表；用文献Es]的方法分别给H{判别算法停止的条件和停止 Metropolis抽样的阈值；给定步长q的计算 函 收稿 日期：2007—05—28；审稿人：刘继承；编辑 ：郑丽芹 基金项 目：黑龙江 自然科学 基金资助课题 (TF2005 26) 作者简介：陈惟歧 (1955一)，女 ，副教授 ，主要从事电气丁程及 自动控制理论和应用等方面的研究 · 84 · 维普资讯 第 4期 陈惟岐等 ：一种新型混合模拟退火算法及其应用 数g(A )，迭代步数 i一0，接受新解的次数 i一0．