基于径向基神经网络的油藏反演方法

作者：周子琪; 查文舒; 李道伦; 刘旭亮

来源：合肥工业大学学报(自然科学版), 2023, 46(05): 713-720.

DOI：10.3969/j.issn.1003-5060.2023.05.023

• 油藏反演
• 径向基(RBF)神经网络
• 目标函数
• 优化算法
• 历史拟合

文章提出一种基于径向基(radial basis function, RBF)神经网络的油藏反演方法。该方法利用抽样生成的井底压力数据构造RBF神经网络模型，由RBF神经网络预测值与实际观测值的偏差定义目标函数，再利用粒子群算法(particle swarm optimization, PSO)对其进行优化，最终得到不确定参数的最优解和反演参数。与多项式拟合方法相比，RBF神经网络方法具有更好的拟合结果和更高的精度，甚至在多项式拟合方法失效时，该方法也能得到很好的模拟结果。油田实际算例表明，该方法具有良好的拟合效果，能大幅提高反演效率，具有很好的应用前景。

• 单位
  数学学院; 合肥工业大学