《表6 不同模型预测结果：基于量纲分析的优化神经网络模型预测GAGD非混相开发油藏采收率》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于量纲分析的优化神经网络模型预测GAGD非混相开发油藏采收率》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

不同模型预测结果见表6，利用机器学习算法进行预测，得到的结果相比于非线性拟合方法，相关性都有所提高。当遗传算法网络模型结构隐藏层节点数为13和30时，模型对于物理模拟和数值模拟结果的预测效果较好，对于实际油田结果的预测误差非常明显；当节点数增至50时，实际油田预测效果明显提升，预测值与实际值的拟合相关系数可以达到0.9635。理论上无限增加节点数可以使预测精精度无限提升，但是相对应的预测模型计算时间会呈现几何倍数增长，大大削弱了预测模型的快捷性。对于粒子群算法，预测效果随着节点数增加并没有明显提升，但是该预测模型计算时间远少于遗传算法模型。由以上结果分析可知隐藏节点数为50的GA-BP预测模型和隐藏节点数为30的PSO-BP预测模型预测精度更高。