论文研究基于第二代Curvelet变换的自适应图像增强.pdf

试井参数优化就是对利用测得的油气井底压力或流量随时间变化的资料所反演出的油藏参数进行优化处理。现代试井中遇到的复杂方程和定解条件使得试井参数优化问题高度非线性，存在多局部极值。所提出的基于L-M和差分进化的混合方法是利用差分进化算法在一定进化代数后出现的种群聚类特性，将种群识别为不同的聚类区域，然后以每个聚类的中心为起始点，再利用基于梯度具有局部搜索能力强的L-M算法快速找到该聚类区域的最小极值。混合方法兼顾了差分进化全局搜索能力强和L-M局部搜索能力强收敛速度快的优点。将该混合方法应用于试井参数优化中，并通过两种不同油藏模型的实例结果表明该混合方法比单一的算法优化速度更快，收敛精度更高。此外