论文部分内容阅读
人工神经网络模型是预测CO2提高原油采收率过程中最小混相压力(MMP)的一种非常有效的数值模拟方法。该方法具有运行速度快、适应性好的优点。但由于最小混相压力测量困难造成的数据量不足及数据误差，传统的神经网络模型极易陷入局部最优或过度拟合的情况。因此，本文使用一种改进的神经网络模型，即基于粒子群算法优化的神经网络，用于改进网络的初始自由结构参数—权值和偏置值。通过与传统的神经网络模拟结果进行对比，发现改进的网络模型具有更优的预测效果，可用于CO2采油过程中最小混相压力的预测。