买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：广东工业大学;三英精控(天津)仪器设备有限公司

摘要：本申请是关于一种多孔介质渗透率预测方法。该方法包括：获取多孔介质的N个孔隙结构参数，所述N个孔隙结构参数能够表征所述多孔介质，所述N为大于1的整数；将所述N个孔隙结构参数输入径向基函数RBF神经网络模型；输出得到所述多孔介质的渗透率。本申请提供的方案通过将多个可以表征多孔介质的孔隙结构参数输入RBF神经网络模型，得到多孔介质的渗透率，因为多个孔隙结构参数能够实现三维地表征多孔介质，所以能够准确地预测多孔介质的渗透率。

主权项：1.一种多孔介质渗透率预测方法，其特征在于，包括：获取多孔介质的N个孔隙结构参数，所述N个孔隙结构参数能够表征所述多孔介质，所述N为大于1的整数；将所述N个孔隙结构参数输入径向基函数神经网络模型，所述径向基函数神经网络模型为一种对局部逼近的神经网络模型；输出得到所述多孔介质的渗透率，所述N个孔隙结构参数为14个孔隙结构参数；所述14个孔隙结构参数包括：孔隙度、最大孔隙半径、平均孔隙半径、最大喉道半径、平均喉道长度、最大孔喉比、平均孔喉比、最大孔隙体积、平均孔隙体积、最大喉道体积、平均喉道体积、最大配位数、平均配位数和配位数；所述获取多孔介质的N个孔隙结构参数之前，还包括：获取K套训练样本，所述训练样本包括：具有N个维度的孔隙结构向量和所述多孔介质的渗透率，所述K为大于1的整数；用所述K套训练样本训练建立所述径向基函数神经网络模型，所述径向基函数神经网络模型包括：输入层、隐藏层和输出层；所述用所述K套训练样本训练建立所述径向基函数神经网络模型包括：将所述K套训练样本输入所述输入层；利用K-means聚类求解所述隐藏层中径向基函数的中心矢量和基宽度参数，所述径向基函数为高斯核函数；利用迭代算法求解所述隐藏层到所述输出层之间的权重；所述高斯核函数的表达式如下： 其中，x为孔隙结构参数，φj为高斯核函数，Cj为网络的第j个节点的中心矢量,bj为节点j的基宽度参数，其值为大于零的数；输出得到所述多孔介质的渗透率的表达式如下： 其中：Fx为多孔介质的渗透率，p为中心矢量的个数，wp为径向基函数神经网络模型中隐藏层中第p个中心矢量到输出层的权重，φ为高斯核函数，X为所述孔隙结构参数，Xp为第p个中心矢量。

全文数据：

权利要求：

百度查询： 广东工业大学 三英精控(天津)仪器设备有限公司 多孔介质渗透率预测方法、电子设备和存储介质