基于遗传算法的GRU神经网络采油量预测

针对当前传统的BP神经网络算法中的收敛速度有可能相对较慢和有可能比较容易地陷入局部最优解中的这样一些典型问题,提出新的一种基于遗传算法的门控循环神经网络算法用以预测采油量。首先是利用循环神经网络模型和随机激活模型层来建立深度自主学习的神经网络模型层;随后利用一种改进后的遗传算法对所建立出的神经网络结构模型进行了优化,避免令其陷入局部的最优解,搜寻空间上的全局的最优解;最后对其实验所得结果再次进行重新分析,表明这个新结构模型其预测结果精度较高,收敛比较快,对石油产量预测工作有一定的参考意义。