粒子群优化算法改进及其在煤层气产能预测中的应用研究

《粒子群优化算法改进及其在煤层气产能预测中的应用研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、国家自然科学基金（40972207，41372342）资助项目国家科技重大专项（2011ZX05034-005）资助项目博士学位论文粒子群优化算法改进及其在煤层气产能预测中的应用研究ResearchonParticleSwarmOptimizationAlgorithmImprovementandItsApplicationintheCBMProductionForecast作者：徐慧导师：杨永国教授中国矿业大学二○一三年十一月学位论文使用授权声明本人完全了解中国矿业大学有关保留、使用学位论文的规定，同意本人所撰写的

2、学位论文的使用授权按照学校的管理规定处理：作为申请学位的条件之一，学位论文著作权拥有者须授权所在学校拥有学位论文的部分使用权，即：①学校档案馆和图书馆有权保留学位论文的纸质版和电子版，可以使用影印、缩印或扫描等复制手段保存和汇编学位论文；②为教学和科研目的，学校档案馆和图书馆可以将公开的学位论文作为资料在档案馆、图书馆等场所或在校园网上供校内师生阅读、浏览。另外，根据有关法规，同意中国国家图书馆保存研究生学位论文。（保密的学位论文在解密后适用本授权书）。作者签名：导师签名：年月日年月日中图分类号P624学校代码102

3、90UDC密级公开中国矿业大学博士学位论文粒子群优化算法改进及其在煤层气产能预测中的应用研究ResearchonParticleSwarmOptimizationAlgorithm ImprovementandItsApplicationintheCBM ProductionForecast作者徐慧导师杨永国申请学位工学博士培养单位资源与地球科学学院学科专业地球信息科学研究方向数学地质答辩委员会主席评阅人二○一三年十一月论文审阅认定书研究生徐慧在规定的学习年限内，按照研究生培养方案的要求，完成了研究生课程的学习，成绩

4、合格；在我的指导下完成本学位论文,经审阅，论文中的观点、数据、表述和结构为我所认同，论文撰写格式符合学校的相关规定，同意将本论文作为学位申请论文送专家评审。导师签字：年月日致谢本论文是在导师杨永国教授的悉心指导下完成的，在此向他表达我最衷心的感谢！没有杨老师的指导、鼓励及大力支持，论文是不可能得以顺利完成的。杨老师和善谦虚的为人，严谨求实的治学态度，广博深渊的知识，开拓创新的精神，高屋建瓴把握全局的能力，忘我的工作精神都在潜移默化中深深的影响了我，令我终生受益。犹记得杨老师在入学之初告诫我们的一句话“先做人、再做事”

5、，这句话我将永远铭记在心。感谢中国矿业大学资源学院谭海樵教授、傅雪海教授、周荣福副教授、奚砚涛副教授等在选题及研究过程中给予的建议和帮助。感谢中国矿业大学计算机学院姜淑娟教授、曹天杰教授、丁世飞教授、刘厚泉教授等多位师长以及学院领导对我的关心和指导！感谢谢红侠、张艳群、葛欣、张辰等好友的大力帮助，感谢毛磊、陈玉华、罗金辉等实验室师兄、师弟、师妹们的大力支持和协助，并借此机会向关心和帮助过我的其他老师和朋友致以衷心的感谢。感谢父母对我生活上的关心和照顾，感谢我的爱人对我的鼓励、支持和帮助，感谢我可爱的女儿，没有他们的爱

6、就难以走到现在并顺利完成本论文！最后，向审阅本论文的各位专家表示衷心的感谢和崇高的敬意！摘要煤层气产能是衡量煤层气井潜在产气能力的综合指标，产能的高低直接影响煤层气项目的经济效益。因此建立有效的煤层气产能预测模型，对煤层气井的勘探开发有着重要的指导意义。煤层气赋存于煤储层中，其产出过程由多个地质因素决定且各因素之间关系复杂，难于建立精确的数学表达式来描述其动态的生产过程。因此本论文采用目前广泛应用于预测控制等领域的支持向量回归机以及改进的粒子群优化算法来建立地质因素与产能之间的非线性函数映射关系，以实现对煤层气井产能

7、进行预测及控制的目的。支持向量回归机模型的建立不仅需要一定数量的样本数据进行训练和测试，同时为了建立高质量的预测模型，需要对模型中的参数设定最优的取值，因此选用粒子群优化算法对参数进行优化。粒子群优化算法目前已经广泛地应用于各个领域，但是由于它自身的进化特点导致其在寻优过程中容易陷入局部收敛。为了解决该算法易于陷入局部收敛的问题，本文主要提出了三个改进的粒子群优化算法。（1）基于子维进化的粒子群优化算法从标准粒子群优化算法的进化策略入手，将种群中粒子的进化策略从粒子的整体进化改变为粒子的每一维依次进化。同时当种群陷入

8、局部收敛时，采取对多样性较差的子维进行重新初始化的操作。无论是对简单的单峰函数还是复杂的多峰函数进行优化，相较于标准粒子群优化算法该算法均具有较好的寻优性能。（2）基于免疫机制的混合粒子群优化算法融合了人工免疫算法和基于子维进化的粒子群优化算法，将进化过程分成两个阶段，第一阶段采取人工免疫优化算法进行全局寻优，为下一阶段的寻优提供质量较高的初始