魏浩

摘要：該文采用一種Mexican Hat函數(shù)作為小波神經(jīng)網(wǎng)絡的隱層神經(jīng)元函數(shù)，利用神經(jīng)網(wǎng)絡工具箱方法對石油探明儲量進行時序預測，仿真實驗表明，該預測模型預測精度優(yōu)于Morlet小波函數(shù)構(gòu)成的網(wǎng)絡，比BP網(wǎng)絡性能更好。

關鍵詞：小波神經(jīng)網(wǎng)絡;Mexican Hat小波函數(shù);工具箱;石油探明儲量;預測

中圖分類號：TP393? ? ? ? 文獻標識碼：A

文章編號：1009-3044（2019）25-0225-02

石油探明儲量增長趨勢預測對于油氣規(guī)劃具有重要意義，預測結(jié)果的合理性主要取決于預測方法或模型的適用性等。采用石油探明儲量的時間序列進行趨勢預測能較好地反映內(nèi)部特點，該方法是根據(jù)歷史數(shù)據(jù)遞推后續(xù)數(shù)據(jù)，對數(shù)據(jù)要求低，通常只需一維數(shù)據(jù)序列就能進行預測，但一般方法預測精確度較低，數(shù)據(jù)適應能力差。本文采用小波神經(jīng)網(wǎng)絡進行時間序列建立預測模型，可以提高預測精度。

小波神經(jīng)網(wǎng)絡有小波分析良好的時頻局部化性質(zhì)又有神經(jīng)網(wǎng)絡自學習、魯棒性和非線性函數(shù)逼近能力等，目前應用廣泛。小波網(wǎng)絡具有伸縮因子、平移因子，因此比一般的神經(jīng)網(wǎng)絡具有更多的自由度和函數(shù)逼近能力，學習速度快等特點。

本文采用一種基于Mexican Hat小波函數(shù)取作神經(jīng)網(wǎng)絡的隱層函數(shù)，利用神經(jīng)網(wǎng)絡工具箱的方法對石油探明儲量的時序預測，通過仿真實驗說明有效性。

1 隱層神經(jīng)元激勵函數(shù)

隱層激勵函數(shù)是決定神經(jīng)網(wǎng)絡性能與品質(zhì)的主要因素，可以選擇相當廣泛的函數(shù)類，如 Sigmoid、Gauss、樣條函數(shù)等，不同的小波基函數(shù)性能不同，本文采用Mexican hat小波作為激勵函數(shù)，但也可取Morlet小波函數(shù)或其他小波函數(shù)。

預測結(jié)果如圖2所示，詳細數(shù)據(jù)如表1所示。圖中，“*”為實際值，“o”表示預測值。采用絕對平均百分誤差計算。預測結(jié)果：MAPE=5.86% ，最大值預測精度值為10.9920% ，將網(wǎng)絡訓練與預測過程編制為一個程序，運行時間總計為1.1322s。

5 預測結(jié)果對比分析

同時采用Morlet小波神經(jīng)網(wǎng)絡工具箱、BP神經(jīng)網(wǎng)絡工具箱對圖2數(shù)據(jù)進行同樣的實驗，將BP、Morlet小波網(wǎng)絡、Mexican Hat小波網(wǎng)絡工具箱3種方法預測結(jié)果列表如表1所示。

由表1可知，本文采用的Mexican Hat小波神經(jīng)網(wǎng)絡工具箱預測精度最高，達到MAPE=5.8466%，其次是Morlet小波網(wǎng)絡工具箱，BP神經(jīng)網(wǎng)絡工具箱預測結(jié)果最差，多次實驗難以得到合理的結(jié)果，表明BP神經(jīng)網(wǎng)絡很難適應本數(shù)據(jù)。由于小波神經(jīng)網(wǎng)絡具有良好的特征提取能力，因此獲得了較好的結(jié)果。

6 結(jié)論

采用一種Mexican Hat小波神經(jīng)網(wǎng)絡工具箱，對石油探明儲量進行預測實驗，表明其數(shù)據(jù)處理能力比編程實現(xiàn)小波神經(jīng)網(wǎng)絡好很多，具有很強的魯棒性和實用性。仿真實驗證明了所采用方法的有效性和實用性。

參考文獻：

[1] 楊一文，劉貴忠，張宗平，等. 基于小波網(wǎng)絡的非線性時間序列預測及其在股市中的應用[J].模式識別與人工智能，2001，2（14） .

[2]? 潘玉民，鄧永紅，張全柱.小波神經(jīng)網(wǎng)絡模型的確定性預測及應用[J].計算機應用，2013，33（4）.

[3] http：//www.bp.com/statisticalreview.

【通聯(lián)編輯：代影】