基于遗传算法的钻井液流变模式参数计算

《基于遗传算法的钻井液流变模式参数计算》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、学兔兔www.xuetutu.com学兔兔www.xuetutu.com第36卷第1期天然气勘探与开发的繁殖、变异、竞争等方法进行的信息交换优胜劣汰，可随机产生，称为进化第一代。从而一步步逼近问题最优解的一种方法J。通过模(3)遗传操作拟自然进化过程搜索最优解的方法可广泛应用于参简单遗传算法通过选择、交叉和变异三个操作反数的最优化拟合。复迭代而进化。选择是依据适应度大小进行的，假设实测数据为(y，，．r)，(y：，：)⋯，(，．『)，适应度大的个体被复制，适应度小的被淘汰，而新群其中m为实测数据个数。为找到适合的参数使得拟体个体的总数保持

2、不变，体现了“适者生存”的自然合出的模式曲线与实测数据的误差最小，可对三个流法则。交叉操作是首先对新群体中的个体进行随机变模式分别构造最d"-乘目标函数：配对，然后再配对个体中随机选择交叉位置，然后将(1)幂律模式：两个个体的部分结构加以替换，重组而产生新个体。交叉操作一般要求既不要太多地破坏种群中的优良k，n)=l∑(一)(6)个体模式，又要能够有效地产生一些较好的新个体模(2)宾汉模式：式。变异操作的主要目的是改善算法的局部搜索能m，)：l∑(-％y一)(7)力，并维持群体的多样性，防止出现早熟现象。(3)卡森模式：3计算实例钾，丁)

3、=l∑(Tm1／2_钾1／2y1／2一下。1／2)(8)根据最小二乘法的思想，求取流变模式参数的问钻井液流变测试数据见表1。题，可归结为求取函数(6)、(7)、(8)的最小值问题，即：表1钻井液流变测试数据=minf(k，n)或M：minf(Up，TO)或M=minf(，r)遗传算法通过选择、交叉和变异，迭代寻求函数上述函数的最小(大)值，它具有并行搜索最优个体，有较好的全局搜索性能，不容易陷入局部等特点，能够以高精度求取上述最小二乘目标函数的最小值问题。遗传算法的基本步骤为：使用(2)、(4)、(5)三式分别对聚合物、聚合醇、正(1)编

4、码电胶和油基的流变模式进行线性拟合，得到它们相对对优化问题解空问进行编码，也就是将解空间的应的模式参数及其均方误差，流变模式参数见表2。设计变量转换为遗传算法中的基因型数据结构，通常使用MATLAB中的GATOOL工具箱进行遗传用一个固定长度的二进制位串来进行编码，形成遗传算法迭代计算。GATOOL工具箱中的参数选择为：以算法中的染色体。最小二乘目标函数(6)、(7)、(8)为适应度函数；各模(2)产生初始群体式中的未知参数为基因；群体大小为20；基因的初始遗传算法是对群体的反复迭代操作，因此需要建值为。。’中的随机数。使用以上参数进行迭

5、代计算，立一个初始的迭代群体，群体的大小视具体问题而直到迭代100次为止，如图l所示(以油基钻井液的定，对较小的优化问题可选择10—20个个体，而复杂一些的问题则需要50～100个，初始群体的每个个体遗传算法优化各模式参数的迭代过程为例)。量终量小值：028021量终平均值：046622选代次数(a)宾汉模式(b>幂律模式(c)卡囊模式图1基于遗传算法的油基钻井液的流变模式参数优化过程·59·学兔兔www.xuetutu.com天然气勘探与开发2013年1月出版从图1可看出，随着迭代次数的增加，适应度函式参数，并将线性回归法所得参数与遗传

6、算法结果进数越来越接近理想值。三模式迭代到30次左右以行比较，见表2。后，适应度改进很小，可认为此时它们已经达到了理将表2中遗传算法获得的参数带人对应的各想值，即求出的模式参数为最优的，能够较好地拟合个模式，可得到各钻井液流变性能的拟合效果图实测钻井液数据。最后得到优化的各钻井液流变模(图2)。表2各流变模式参数计算结果剪切速率(1／s)尊切遗率(1／s)(b)幂律模式(c)卡森模式图2基于遗传算法的钻井液各模式的拟合效果图从表2的均方误差可看出，对于线性(宾汉)模性最小二乘估计的新算法[J]．石油学报，2008，29(3)：470．式，

7、遗传算法对其拟合精度提高不大，这是由于宾汉模式本身就是线性关系；但对于非线性(幂律和卡2董书礼，鄢捷年．利用最小二乘法优选钻井液流变模式[J]．石油钻探技术，2000，28(5)：27—29．森)模式，与线性回归算法相比，遗传算法有无可比3鲁港，李晓光．钻井液幂律模式非线性最小二乘参数估计拟的优势。对聚合物、聚合醇、正电胶和油基，三中流的新算法[J]．钻井液与完井液，2007，24(S1)：65—68．变模式中，都是幂律模式拟合精度最高，说明所研究4HollandJHAdaptationinNaturalandArtificialSyst

8、ems的四种钻井液最适合幂律流变模式描述。[M]．MITPress，1975，121—135．5郭科，陈聆，魏友华．最优化方法及其应用[M]．北京：高4结论等教育出版社，2007，7：168—