摘要:一些油藏(例如试井解释)系统的偏微分方程模型,经过变换能化为非线性函数项级数.级数的每一项均为地层参数θ的复杂非线性函数.级数的项数n与模型结构有关,可称为模型的结构参数.把级数中的函数看成非线性神经元,来建立油藏系统的函数型连接人工神经网络模型.用系统辨识理论中的F检验法确定网络模型的结构参数n,用新的二阶递推学习算法估计网络模型的权系数.地层参数是试井解释的依据,因而要求其估值应具有全局最优性,又因上述函数为多蜂函数,在极值点处关于θ的变化很敏感,使问题更为困难,现有迭代法和遗传算法均未奏效.研制了一种新型的模拟生物种族形成的遗传算法解决了这个问题.应用表明用上述方法建模有很高的精度,并且能求出地层参数的最优估值.