TY - JOUR A2 - 马特奥斯，克里斯蒂安AU - 阴，Rongwang AU - 李，晴雨AU - 李，Peichao AU - 卢，Detang PY - 2020 DA - 多段压裂水平井基于PSO的参数辨识 - 2020年7月3日TI-RBF神经网络SP - 6810903 VL - 2020 AB - 为了更准确地识别多段压裂水平井（MFHW）参数和地址储层的异质性和良好的生产数据的随机性，基于所述PSO-RBF的新方法神经网络模型。首先，将GPU的并行程序被用来计算一个多段压裂水平井的井底压力。其次，最上面的压力数据被导入到了培训的RBF神经网络模型。在培训过程中，采用了PSO算法的全局最优解的优化功能，优化RBF神经网络的参数，最终，所需的PSO-RBF神经网络模型。第三，将得到的神经网络使用该剩余数据进行测试。最后，多段压裂水平井的领域的情况下，通过使用所提出的PSO-RBF神经网络模型的研究。结果表明，在大多数情况下，所提出的模型进行优于其他车型，与相关系数最高，最低平均和绝对错误。这证明，PSO-RBF神经网络模型可有效地水平井参数识别被应用。 The proposed model has great potential to improve the prediction accuracy of reservoir physical parameters. SN - 1058-9244 UR - https://doi.org/10.1155/2020/6810903 DO - 10.1155/2020/6810903 JF - Scientific Programming PB - Hindawi KW - ER -