智能代理在油藏建模中的应用

利用人工智能和机器学习技术,采用人工神经网络开发并验证了用于油藏模拟历史拟合、敏感性分析和不确定性评估的智能代理模型,将其应用于油藏模拟的两个案例中。第1个案例研究了代理模型在油藏模型历史拟合中的应用,输出结果预测了井的产量;第2个案例研究了基于人工神经网络的代理模型在CO2提高采收率油藏快速建模中的应用,目标为预测油藏压力和相饱和度在注入期间以及注入后的分布,预测效果均良好。相比基础数值模拟模型,智能代理模型运行单次模拟只需几秒钟,总节省98.9%的运算时间。智能代理模型在运算速度、消耗时间以及成本等方面都有巨大的优势。此外,智能代理模型与基础油藏模型模拟结果非常接近。

证券市场高频数据双相行为的仿真

Plerou,et al以证券市场高频数据为研究对象,通过实证分析发现了证券市场的"双相行为"(Two-phase behavior offinancial markets).这个现象是个复杂性涌现,Plerou猜想引起这个现象的原因是私人信息.该文在少数派博弈模型的基础上,建立了一个市场人工模型,仿真得到了同样的特征,并发现智能代理多样化的归纳推理模式是产生"双相行为"的关键因素,市场微结构也有一定的影响,而私人信息不是关键因素.