本文選題：改進(jìn)BISQ模型　切入點(diǎn)：遺傳算法　出處：《東華理工大學(xué)》2016年碩士論文　論文類(lèi)型：學(xué)位論文

【摘要】：基于雙相介質(zhì)模型的多參數(shù)反演在油氣儲(chǔ)層預(yù)測(cè)、海洋底質(zhì)探測(cè)等領(lǐng)域中廣泛應(yīng)用,理想的介質(zhì)模型與高效的反演方法是其兩個(gè)重要組成部分。改進(jìn)BISQ模型在同時(shí)考慮Biot和噴射流機(jī)制的基礎(chǔ)上,成功簡(jiǎn)化了流體壓力表達(dá)式,較BISQ模型更加簡(jiǎn)易適用。為進(jìn)一步探索研究改進(jìn)BISQ模型的優(yōu)越性,以改進(jìn)BISQ模型為基礎(chǔ),進(jìn)行了改進(jìn)BISQ模型的多參數(shù)反演。反演算法方面,在傳統(tǒng)遺傳算法的基礎(chǔ)上引入捕食搜索策略、自適應(yīng)等思想,設(shè)計(jì)完成了自適應(yīng)捕食遺傳算法。通過(guò)數(shù)值反演試算,自適應(yīng)捕食遺傳算法較傳統(tǒng)遺傳算法、小生境遺傳算法表現(xiàn)出明顯優(yōu)勢(shì),無(wú)論是反演效率還是反演精度上都優(yōu)于后兩者;同時(shí)得出,改進(jìn)BISQ模型的多參數(shù)反演在保持與BISQ模型反演精度相同的情況下,具有更高的反演效率,這也正是改進(jìn)BISQ模型較BISQ模型簡(jiǎn)化的充分體現(xiàn)。為檢驗(yàn)自適應(yīng)捕食遺傳算法在改進(jìn)BISQ模型反演中的抗噪性,對(duì)算法進(jìn)行了抗噪性檢測(cè),通過(guò)與小生境遺傳算法抗噪性對(duì)比,顯示出較強(qiáng)的抗干擾能力。為了進(jìn)一步檢驗(yàn)算法的有效性和實(shí)用性,最后將算法實(shí)用于海底原位聲學(xué)實(shí)測(cè)數(shù)據(jù)的反演中,反演參數(shù)由三參數(shù)逐漸增至六參數(shù),逐步完成高維參數(shù)反演。反演結(jié)果與海洋實(shí)測(cè)數(shù)據(jù)、實(shí)驗(yàn)室測(cè)量結(jié)果及前人的研究成果相統(tǒng)一,反演與實(shí)測(cè)速度擬合效果良好,進(jìn)一步顯示出自適應(yīng)捕食遺傳算法的實(shí)用性和可靠性。
[Abstract]:Multi-parameter inversion based on two-phase media model is widely used in oil and gas reservoir prediction, ocean sediment exploration and other fields. The ideal medium model and the efficient inversion method are two important parts of the model. The improved BISQ model simplifies the fluid pressure expression on the basis of considering the Biot and jet mechanism simultaneously. In order to further explore the superiority of improved BISQ model and based on the improved BISQ model, multi-parameter inversion of improved BISQ model is carried out. Based on the traditional genetic algorithm (GA), the predation search strategy and adaptive algorithm are introduced, and the adaptive predation genetic algorithm (AGA) is designed and implemented. By numerical inversion, the adaptive predation genetic algorithm (AGA) is compared with the traditional genetic algorithm (GA). Niche genetic algorithm is superior to the latter two in inversion efficiency and precision. It is also concluded that the multi-parameter inversion of improved BISQ model has the same accuracy as that of BISQ model. The improved BISQ model is more simplified than the BISQ model. In order to test the anti-noise performance of the adaptive prey-prey genetic algorithm in the improved BISQ model inversion, the anti-noise detection of the algorithm is carried out. Compared with niche genetic algorithm, the anti-noise ability of the algorithm is shown to be strong. In order to further test the validity and practicability of the algorithm, the algorithm is applied to the inversion of in-situ acoustic measured data. The inversion parameters are gradually increased from three parameters to six parameters, and the inversion results of high-dimensional parameters are gradually completed. The inversion results are consistent with the ocean measured data, the results of laboratory measurements and the previous research results, and the fitting results of inversion and measured velocities are good. The practicability and reliability of adaptive predation genetic algorithm are further demonstrated.
【學(xué)位授予單位】：東華理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：P631.4

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳琨;張志明;;一種改進(jìn)遺傳算法的設(shè)計(jì)與實(shí)現(xiàn)[J];貴州大學(xué)學(xué)報(bào)(自然科學(xué)版);2006年01期

2 胡蘭萍;黃海斌;;遺傳算法及其在化學(xué)領(lǐng)域中的應(yīng)用[J];海南師范學(xué)院學(xué)報(bào)(自然科學(xué)版);2006年03期

3 王珊珊;;遺傳算法的理論基礎(chǔ)及應(yīng)用[J];科協(xié)論壇(下半月);2008年09期

4 高翔;海洋;;遺傳算法應(yīng)用[J];赤峰學(xué)院學(xué)報(bào)(自然科學(xué)版);2009年03期

5 劉定理;;遺傳算法綜述[J];中國(guó)西部科技;2009年25期

6 歐陽(yáng)柏平;;基于遺傳算法優(yōu)化獨(dú)立分量分析[J];科技信息;2010年07期

7 儲(chǔ)育青;齊義飛;肖立順;陳暉敏;石玉文;;遺傳算法研究概述[J];科技風(fēng);2010年09期

8 曾瑛;;遺傳算法在優(yōu)化求解中的應(yīng)用[J];科技創(chuàng)業(yè)月刊;2012年10期

9 丁承民,張傳生,劉輝;遺傳算法縱橫談[J];信息與控制;1997年01期

10 施光林,史維祥;遺傳算法及其研究與應(yīng)用新進(jìn)展[J];科技導(dǎo)報(bào);1997年04期

相關(guān)會(huì)議論文 前10條

1 陳家照;廖海濤;張中位;羅寅生;;一種改進(jìn)的遺傳算法及其在路徑規(guī)劃中的應(yīng)用[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2009年

2 李國(guó)云;劉穎;薛梅;鄔志敏;;遺傳算法在高溫空冷冷凝器優(yōu)化設(shè)計(jì)中的應(yīng)用[A];第五屆全國(guó)制冷空調(diào)新技術(shù)研討會(huì)論文集[C];2008年

3 王志軍;李守春;張爽;;改進(jìn)的遺傳算法在反演問(wèn)題中的應(yīng)用[A];新世紀(jì) 新機(jī)遇 新挑戰(zhàn)——知識(shí)創(chuàng)新和高新技術(shù)產(chǎn)業(yè)發(fā)展（上冊(cè)）[C];2001年

4 任燕翔;姜立;劉連民;從滋慶;;改進(jìn)遺傳算法在三維日照方案優(yōu)化中的應(yīng)用[A];工程三維模型與虛擬現(xiàn)實(shí)表現(xiàn)——第二屆工程建設(shè)計(jì)算機(jī)應(yīng)用創(chuàng)新論壇論文集[C];2009年

5 韓娟;;遺傳算法概述[A];第三屆河南省汽車(chē)工程科技學(xué)術(shù)研討會(huì)論文集[C];2006年

6 龐國(guó)仲;王元西;;基于遺傳算法控制步長(zhǎng)的定性仿真方法[A];'2000系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會(huì)論文集[C];2000年

7 張忠華;楊淑瑩;;基于遺傳算法的聚類(lèi)設(shè)計(jì)[A];全國(guó)第二屆信號(hào)處理與應(yīng)用學(xué)術(shù)會(huì)議專(zhuān)刊[C];2008年

8 何翠紅;區(qū)益善;;遺傳算法及其在計(jì)算機(jī)編程中的應(yīng)用[A];1995年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議暨智能自動(dòng)化專(zhuān)業(yè)委員會(huì)成立大會(huì)論文集（下冊(cè)）[C];1995年

9 靳開(kāi)巖;張乃堯;;幾種實(shí)用遺傳算法及其比較[A];1996年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（下冊(cè)）[C];1996年

10 王宏剛;曾建潮;李志宏;;攝動(dòng)遺傳算法[A];1996年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（下冊(cè)）[C];1996年

相關(guān)重要報(bào)紙文章 前1條

1 林京;《神經(jīng)網(wǎng)絡(luò)和遺傳算法在水科學(xué)領(lǐng)域的應(yīng)用》將面市[N];中國(guó)水利報(bào);2002年

相關(guān)博士學(xué)位論文 前10條

1 蔡美菊;交互式遺傳算法及其在隱性目標(biāo)決策問(wèn)題中的應(yīng)用研究[D];合肥工業(yè)大學(xué);2015年

2 張士偉;三維聲學(xué)快速多極基本解法在機(jī)械噪聲預(yù)測(cè)中的應(yīng)用研究[D];沈陽(yáng)工業(yè)大學(xué);2016年

3 高軍;無(wú)鉛焊料本構(gòu)模型及其參數(shù)識(shí)別方法研究[D];南京航空航天大學(xué);2015年

4 Amjad Mahmood;半監(jiān)督進(jìn)化集成及其在網(wǎng)絡(luò)視頻分類(lèi)中的應(yīng)用[D];西南交通大學(xué);2015年

5 周輝仁;遞階遺傳算法理論及其應(yīng)用研究[D];天津大學(xué);2008年

6 郝國(guó)生;交互式遺傳算法中用戶的認(rèn)知規(guī)律及其應(yīng)用[D];中國(guó)礦業(yè)大學(xué);2009年

7 侯格賢;遺傳算法及其在跟蹤系統(tǒng)中的應(yīng)用研究[D];西安電子科技大學(xué);1998年

8 馬國(guó)田;遺傳算法及其在電磁工程中的應(yīng)用[D];西安電子科技大學(xué);1998年

9 唐文艷;結(jié)構(gòu)優(yōu)化中的遺傳算法研究和應(yīng)用[D];大連理工大學(xué);2002年

10 周激流;遺傳算法理論及其在水問(wèn)題中應(yīng)用的研究[D];四川大學(xué);2000年

相關(guān)碩士學(xué)位論文 前10條

1 張英俐;基于遺傳算法的作曲系統(tǒng)研究[D];山東師范大學(xué);2006年

2 鐘海萍;原對(duì)偶遺傳算法與蟻群算法的一種融合算法[D];暨南大學(xué);2013年

3 李志添;模糊遺傳算法與資源優(yōu)化配置的預(yù)測(cè)控制[D];華南理工大學(xué);2015年

4 王琳琳;新型雙層液壓轎運(yùn)車(chē)車(chē)廂的設(shè)計(jì)研究[D];上海工程技術(shù)大學(xué);2015年

5 李海全;基于遺傳算法的建筑體形系數(shù)及迎風(fēng)面積比優(yōu)化方法研究[D];華南理工大學(xué);2015年

6 彭騫;基于遺傳算法的山區(qū)高等級(jí)公路縱斷面智能優(yōu)化方法研究[D];昆明理工大學(xué);2015年

7 周玉林;基于小波分析和遺傳算法的配電網(wǎng)故障檢測(cè)[D];昆明理工大學(xué);2015年

8 郭頌;基于粗糙集和遺傳算法的數(shù)字管道生產(chǎn)管理系統(tǒng)研究[D];昆明理工大學(xué);2015年

9 吳南;數(shù)值逼近遺傳算法的研究應(yīng)用[D];華南理工大學(xué);2015年

10 于光帥;一類(lèi)優(yōu)化算法的改進(jìn)研究與應(yīng)用[D];渤海大學(xué);2015年

，

本文編號(hào)：1581163