论文部分内容阅读
传统径向基（RBF）神经网络的基函数宽度值都由经验公式确定或人为选取，没有考虑误差分布情况，所以在应用中常常效果不够理想。为此本文以最近邻距离算法为基础提出一种改进的RBF神经网络算法，能够自适应地调整基函数中心点宽度值以达到高精度、快速逼近样本的目的。在石油储层产能的预测中，首先对样本信息进行属性约简、预处理；然后在网络学习训练中通过计算输入样本的RBF神经网络的中心点值，再确定RBF神经网络基函数的宽度值，直到满足系统精度为止；最后用训练好的网络来进行储层产能预测。仿真结果表明，改进的RBF神经网络算