内容发布更新时间 : 2024/5/10 2:42:34星期一 下面是文章的全部内容请认真阅读。

重庆科技学院学生毕业设计（论文）

外 文 译 文

学 院 电气与信息工程学院 专业班级 自普本08（1）班级 学生姓名 伍 贤 迪 学 号 2008440984

译 文 要 求

1. 外文翻译必须使用签字笔，手工工整书写，或用A4纸打印。

2. 所选的原文不少于10000印刷字符，其内容必须与课题或专业方向紧密相关，由指导教师提供，并注明详细出处。 3. 外文翻译书文本后附原文（或复印件）。

基于神经网络的粒子群优化预测沥青质沉淀

穆罕默德.阿里

伊拉克石油科技大学

文章信息

文章日期:

收到于2011年10月13日 修订于的2011年10月24日 审批合格于2011年10月24 2011年11月6日在网上发表 关键词: 沥青质

人工神经网络

统一的粒子群优化 沉降

摘要

沉淀和沉积原油极性组分如沥青质油气藏大大减少了岩石渗透率和油回收。在本文件中，在该模型的基础上采用前馈人工神经网络（神经网络）来预测储层的沥青质沉淀了。之后，再对神经网络模型进行优化，粒子群优化（所以）。所以用决定初始权重的神经网络。该upso-ann模型应用于实验文献报道的数据。性能的upso-ann模型与尺度模型。结果表明，有效性的upso-ann模型。

1．简介

沉淀和沉积原油极性组分沥青质等油藏的大幅降低岩体的渗透性和石油回收成本。因此，许多研究人员研究这一重要课题。他们推出的实验程序或分析模型，而是一个完全令人满意的解释仍然缺乏。现有的模型描述沥青质沉淀，分为普通组。本第一组由热力学模型，这需要沥青性质如密度，分子量和溶解性参数预测沥青的相行为。所有这些模型考虑沥青作为一个纯粹的拟组分但这假设的原因很多偏差预测中的沥青质相行为[ 1]二组模型的基础上缩放方法，分别说明。在本文中，我们研究的能力，人工智能中的建立预测量和沥青质沉淀。人工的智慧已被广泛使用，获得注意石油工程由于其解决问题的能力以前很难或甚至不可能解决的。一个例子能力的神经网络在测井分析。这种技术已被越来越多地应用预测储层性质测井数据[ 2 , 3]。软传感器是一个概念上的器件的输出或推断变量可以得到在其他相关的参数以同样的过程[ 4]。根据罗等人。[ 4]，人工神经网络可以被用来作为软传感器的建筑方法。本安是一个受欢迎的，非线性，参数测井分析工具。这项技术已被越来越多地用于储层预测利用测井资料[ 2 , 3]。确定网络结构和参数非常重要的；一些进化算法等算法（遗传算法）[ 5]，BP（血压）[ 6]，剪枝算法[ 7]，[ 8]和模拟退火可用于测定。同时，由于神经网络训练可以考虑作为一种类型优化问题。最近一些进化算法灵感来自社会行为的性质也得到了解决