YXS
/
nmWTAI-Platform
8
0
Fork 0
Code Issues Pull Requests Packages Projects Releases Wiki Activity

优化自动拟合，引入灵敏度分析与信赖域求解

Browse Source
feature/MultiWellAutoFit-20260805
lvjunjie 7 days ago
parent 6abd1913c7
commit efda31f388
4 changed files with 2210 additions and 363 deletions
Show Stats Download Patch File Download Diff File

117
Include/nmNum/nmCalculation/nmCalculationAutoFitPSO.h
Unescape Escape View File

@ -20,64 +20,66 @@ class nmDataWellBase;
class QTimer;
class QProcess;
// 双对数曲线误差分解，供误差诊断和后续参数调整读取。
//
// 所有 pressure/derivative/shape 数值均是在 log(value) 空间计算的无量纲误差。
// verticalBias* 保留正负号：正值表示模拟曲线整体高于目标，负值表示整体低于目标。
// horizontalPhysicalShift 是 log(time) 方向的等效平移量，正值表示模拟曲线相对目标偏右。
// total 仍是 PSO 当前使用的 fitness（用于粒子比较和收敛判断）；其余字段只描述误差
// 来源，不会在本次改动中直接修改粒子参数，避免损失诊断和参数更新策略互相耦合。
// 双对数曲线误差分解。该结构同时保存用于候选排序的主目标，以及用于判断
// 曲线上下、左右和形状偏差的诊断量。total 是唯一的接受和排序依据，诊断量
// 只参与信赖域选参，不能再次叠加到 total，否则会重复计算同一批曲线残差。
struct AutoFitObjectiveBreakdown {
// valid/total 是本次评价是否有效及其最终 fitness（用于排序和收敛判断）。
// valid 表示本次曲线评价完整有效；无效评价统一保留 total=1e10。
// pressureLoss 和 derivativeLoss 均在 log(value) 空间按固定网格计算。
bool valid;
double total;
// pressureLoss/derivativeLoss 是压力和导数两条曲线的整体误差。
double pressureLoss;
double derivativeLoss;
// vertical* 描述整体上下偏移；保留 bias 的符号以判断偏高或偏低。
double verticalBiasPressure;
double verticalBiasDerivative;
// 固定目标网格上的 Huber 等效残差。非代理搜索使用它建立完整 Jacobian，
// 向量平方和与 total 的平方一致。
QVector<double> residualVector;
// 上下偏差使用压力和导数残差共享的 Huber 稳健中心。
// verticalCommonBias 为正表示模拟曲线整体偏高，为负表示整体偏低；
// verticalReliable=false 时仍保留数值，但不能据此确定参数调整方向。
double verticalCommonBias;
double verticalLoss;
// horizontal* 描述等效的对数时间偏移；physicalShift 为正表示模拟曲线相对目标向右
// （时间延迟），为负表示向左。
double horizontalShift;
bool verticalReliable;
// 水平偏差在 log(time) 坐标中计算。physicalShift 为正表示模拟曲线相对
// 目标偏右，即相同曲线特征在模拟结果中出现得更晚。
double horizontalPhysicalShift;
double horizontalLoss;
// shapeLoss 是去除整体上下和左右偏移后剩余的曲线形状差异。
bool horizontalReliable;
// true 表示当前曲线无法可靠区分上下和左右误差；此时禁止使用两类有符号
// 诊断量选参，但去除公共中心后的 shapeLoss 仍可用于局部选参。
bool registrationAmbiguous;
// 去除稳健公共中心和可信左右偏差后剩余的整体形状误差；verticalReliable
// 只控制能否把公共中心解释为上下参数方向，不改变 shape 的中心化公式。
double shapeLoss;
// 早、中、晚分段误差用于定位误差主要出现在哪个时间阶段。
double pressureEarlyLoss;
double pressureMiddleLoss;
double pressureLateLoss;
double derivativeEarlyLoss;
double derivativeMiddleLoss;
double derivativeLateLoss;
// coverage 是 50 点目标网格上的 min(有效点比例、连续 log-time 跨度比例)。
// coveragePenalty 是归一化覆盖缺口的平方惩罚，并以 0.1 权重加入 total。
// 兼容现有 trace 列。当前非代理搜索不再单独识别或调度晚期分量。
double lateDerivativeSlopeBias;
double lateDerivativeTrendLoss;
bool lateDerivativeTrendReliable;
// 模拟曲线对目标固定网格的有效覆盖率，取覆盖点比例与连续 log-time
// 跨度比例中的较小值。低于损失函数门槛时本次评价直接无效。
double coverage;
double coveragePenalty;
// 无效评价使用 1e10 作为统一的“差解”标记；其他字段用 NaN 表示尚未得到诊断值。
AutoFitObjectiveBreakdown()
: valid(false)
, total(1.0e10)
, pressureLoss(std::numeric_limits<double>::quiet_NaN())
, derivativeLoss(std::numeric_limits<double>::quiet_NaN())
, verticalBiasPressure(std::numeric_limits<double>::quiet_NaN())
, verticalBiasDerivative(std::numeric_limits<double>::quiet_NaN())
, verticalCommonBias(std::numeric_limits<double>::quiet_NaN())
, verticalLoss(std::numeric_limits<double>::quiet_NaN())
, horizontalShift(std::numeric_limits<double>::quiet_NaN())
, verticalReliable(false)
, horizontalPhysicalShift(std::numeric_limits<double>::quiet_NaN())
, horizontalLoss(std::numeric_limits<double>::quiet_NaN())
, horizontalReliable(false)
, registrationAmbiguous(false)
, shapeLoss(std::numeric_limits<double>::quiet_NaN())
, pressureEarlyLoss(std::numeric_limits<double>::quiet_NaN())
, pressureMiddleLoss(std::numeric_limits<double>::quiet_NaN())
, pressureLateLoss(std::numeric_limits<double>::quiet_NaN())
, derivativeEarlyLoss(std::numeric_limits<double>::quiet_NaN())
, derivativeMiddleLoss(std::numeric_limits<double>::quiet_NaN())
, derivativeLateLoss(std::numeric_limits<double>::quiet_NaN())
, lateDerivativeSlopeBias(std::numeric_limits<double>::quiet_NaN())
, lateDerivativeTrendLoss(std::numeric_limits<double>::quiet_NaN())
, lateDerivativeTrendReliable(false)
, coverage(std::numeric_limits<double>::quiet_NaN())
, coveragePenalty(std::numeric_limits<double>::quiet_NaN())
{}
};
@ -95,6 +97,8 @@ struct AutoFitParticle {
QVector<double> velocity; // 速度
QVector<double> bestPosition; // 真实求解器确认的个体最优位置
QVector<double> guideBestPosition; // 仅用于速度更新的引导位置；不会参与真实 gbest/最终结果
AutoFitObjectiveBreakdown currentObjectiveBreakdown; // 当前真实评价对应的误差分解
AutoFitObjectiveBreakdown bestObjectiveBreakdown; // pbest 对应的误差分解
double fitness; // 当前适应度
double bestFitness; // 真实求解器确认的个体最优适应度
double guideBestObjective; // guideBestPosition 对应的真实或代理目标值
@ -200,20 +204,26 @@ private:
void loadOptimizationConfig();
void loadParameterBounds();
// ===== PSO核心算法 =====
// ===== 自动拟合核心算法 =====
//
// 主流程：
// 1. extractUserInitialValues(): 从当前项目数据中取用户已有初始解；
// 2. initializeSwarm(): 根据初始解和上下界生成粒子群；
// 3. updateParticle(): 对单个粒子跑真实求解器并计算误差；
// 4. updateGlobalBest(): 只用真实求解器误差更新全局最优；
// 5. updateVelocityAndPosition(): 按 PSO 公式推进下一代粒子。
// 代理开启时保留原 PSO 筛选流程；代理关闭时使用真实求解器驱动的
// 诊断灵敏度信赖域搜索，不依赖 pbest/gbest 速度公式。
void extractUserInitialValues();
void initializeSwarm();
void updateVelocityAndPosition();
double evaluateFitness(const QVector<double>& parameters);
void updateGlobalBest();
void updateParticle(int particleIndex);
// 非代理拟合入口：建立有限差分灵敏度，按诊断分量选择参数，再用有界
// LM/信赖域产生候选；所有候选最终都由真实求解器总误差决定是否接受。
StopReasonPSO runTrustRegionFitting();
// 对一个信赖域候选执行完整真实评价，并一次性返回误差、诊断量、曲线和耗时。
// 返回 false 表示求解失败、损失无效或用户已请求停止。
bool evaluateTrustRegionPoint(const QVector<double>& parameters,
double* fitness,
AutoFitObjectiveBreakdown* breakdown,
QVector<QVector<double> >* curve,
int* elapsedMs);
// ===== 参数应用方法 =====
//
@ -284,7 +294,8 @@ private:
double surrogateObjective,
const QString& screeningDecision,
const QVector<double>& pbestPosition,
double pbestObjective);
double pbestObjective,
const AutoFitObjectiveBreakdown* objectiveBreakdown = nullptr);
void writeIterationTraceRows();
QVector<double> buildTraceParameterVector(const QVector<double>& selectedParameters) const;
void resetRunSummary();
@ -340,19 +351,21 @@ private:
bool m_isRunning; // 当前是否有一次自动拟合正在运行。
bool m_shouldStop; // 用户停止标志；主循环和求解器等待循环会定期检查它。
bool m_isPaused; // 预留暂停标志；主循环中有暂停等待逻辑。
int m_currentIteration; // 当前 PSO 迭代序号，从 0 开始。
int m_currentIteration; // 当前自动拟合迭代序号，从 0 开始。
QString m_lastError; // 最近一次失败原因，供 UI 展示或日志排查。
// ===== PSO数据 =====
// ===== 优化状态数据 =====
QVector<double> m_initialValues; // 当前模型中提取的用户初始值，顺序与 m_enabledParamIndices 一致。
QVector<AutoFitParticle> m_swarm; // 粒子群，每个粒子只保存启用参数维度。
QVector<double> m_globalBestPosition; // 全局最优参数，仍是启用参数向量。
QVector<double> m_globalBestPosition; // 真实求解器确认的当前最优参数。
double m_globalBestFitness; // 全局最优真实误差，越小越好。
double m_previousBestFitness; // 上一轮全局最优误差，用于自适应参数更新。
AutoFitObjectiveBreakdown m_globalBestObjectiveBreakdown; // 真实 gbest 对应的误差分解。
QVector<QVector<double> > m_lastEvaluatedLogLogData; // 最近一次真实求解得到的 result log-log 曲线。
QVector<QVector<double> > m_globalBestLogLogData; // 当前全局最优对应的 result log-log 曲线。
mutable AutoFitObjectiveBreakdown m_lastObjectiveBreakdown; // 最近一次损失评价的误差分解。
QVector<QVector<double> > m_userInitialLogLogData; // 用户初始解对应的 result log-log 曲线，用于精英保护。
AutoFitObjectiveBreakdown m_userInitialObjectiveBreakdown; // 用户初始解对应的误差分解。
// ===== 优化配置 =====
//
@ -377,7 +390,7 @@ private:
double m_socialParam; // 群体学习因子，控制粒子靠近全局 gbest 的程度。
// ===== 统计信息 =====
int m_totalEvaluations; // 已调用真实求解器评价的粒子总数。
int m_totalEvaluations; // 真实求解器评价总次数，包含粒子评价和方向试算。
int m_successfulEvaluations; // 真实求解器成功且误差有效的评价次数。
QVector<double> m_convergenceHistory; // 每代全局最优误差历史，用于收敛判断。
@ -393,7 +406,7 @@ private:
// ===== 精英保护 =====
QVector<double> m_userInitialSolution; // 用户初始解参数，若最终改进不足会恢复它。
double m_userInitialFitness; // 用户初始解真实误差。
double m_improvementThreshold; // 最终结果相对初始解至少需要达到的改进阈值。
double m_improvementThreshold; // 仅用于日志区分显著改进和微小改进。
bool m_hasValidUserSolution; // 初始解是否成功跑过真实求解器。
int m_consecutiveFailedIterations; // 连续失败迭代次数
@ -422,8 +435,8 @@ private:
// 这些字段只描述代理筛选和运行复盘，不参与 PSO 数学更新。
bool m_traceEnabled; // 是否写出 trace CSV/meta 文件。
QString m_traceRunId; // 本次运行 ID，作为 trace/candidate/score 文件名的一部分。
QString m_traceFilePath; // pso_baseline_trace_<run_id>.csv 完整路径。
QString m_traceMetaFilePath; // pso_baseline_trace_<run_id>.meta.json 完整路径。
QString m_traceFilePath; // 本次自动拟合 trace CSV 的完整路径。
QString m_traceMetaFilePath; // 与 trace 匹配的 meta JSON 完整路径。
QFile m_traceFile; // trace CSV 文件句柄。
bool m_surrogateScreeningEnabled; // 用户配置中的 PSO acceleration 开关。
unsigned int m_psoRandomSeed; // PSO 随机种子，也用于可复现 random audit。

2
Include/nmNum/nmSubWxs/nmWxAutomaticFitting.h
Unescape Escape View File

@ -57,7 +57,7 @@ private:
void renumberVisibleParameterRows(QTableWidget* table);
void updateParameterVisibility(QTableWidget* table, NM_SOLVER_MODEL_TYPE eType);
void initializeSuggestedParameterRanges();
void updateRangeForParameter(int parameterIndex, double centerValue, bool afterFit);
void updateRangeForParameter(int parameterIndex, double centerValue);
void setParameterRange(int parameterIndex, double minValue, double maxValue);
bool getPhysicalParameterRange(int parameterIndex, double& minValue, double& maxValue);
void normalizeSavedParameterRanges();

2332
Src/nmNum/nmCalculation/nmCalculationAutoFitPSO.cpp
View File

File diff suppressed because it is too large Load Diff

40
Src/nmNum/nmSubWxs/nmWxAutomaticFitting.cpp
Unescape Escape View File

@ -35,6 +35,14 @@ bool nmAutoFitUiIsFinite(double value)
#endif
}
// 物理边界可能由多个浮点配置量计算得到，界面十进制文本再转回 double 后会有
// 末位舍入差。这里只放宽约 8 个机器精度，不放宽实际物理范围。
bool nmAutoFitUiNearlyEqual(double left, double right)
{
const double scale = qMax(std::fabs(left), std::fabs(right));
return std::fabs(left - right) <= DBL_EPSILON * 8.0 * scale;
}
// 从系统参数表读取物理边界，读取失败时保留调用方提供的兜底边界。
bool nmAutoFitReadPhysicalRange(const char* parameterName,
double fallbackMin, double fallbackMax, double& minValue, double& maxValue)
@ -337,9 +345,10 @@ void nmWxAutomaticFitting::setParameterRange(int parameterIndex,
m_updatingParameterRanges = wasUpdatingRanges;
}
// 根据初值生成首次或拟合后的建议范围，并始终限制在物理边界内。
// 根据当前初值生成建议搜索范围，并始终截断在系统物理边界内。skin 使用
// 加减固定宽度，其余正值参数使用倍率范围；该规则在首次加载和拟合完成后复用。
void nmWxAutomaticFitting::updateRangeForParameter(int parameterIndex,
double centerValue, bool afterFit)
double centerValue)
{
if(!m_parameterTable || parameterIndex < 0 || parameterIndex >= 8
|| !nmAutoFitUiIsFinite(centerValue)) {
@ -371,12 +380,12 @@ void nmWxAutomaticFitting::updateRangeForParameter(int parameterIndex,
double newMin = physicalMin;
double newMax = physicalMax;
if(parameterIndex == 1) {
const double skinHalfRange = afterFit ? 1.0 : 10.0;
const double skinHalfRange = 10.0;
newMin = qMax(physicalMin, reference - skinHalfRange);
newMax = qMin(physicalMax, reference + skinHalfRange);
} else if(reference > 0.0 && !(parameterIndex == 7 && centerValue <= 0.0)) {
const double lowerFactor = afterFit ? 0.5 : 0.1;
const double upperFactor = afterFit ? 2.0 : 10.0;
const double lowerFactor = 0.1;
const double upperFactor = 10.0;
newMin = qMax(physicalMin, reference * lowerFactor);
newMax = qMin(physicalMax, reference * upperFactor);
} else if(parameterIndex == 7) {
@ -409,7 +418,7 @@ void nmWxAutomaticFitting::initializeSuggestedParameterRanges()
bool initialOk = false;
const double initialValue = initialItem->text().toDouble(&initialOk);
if(initialOk && nmAutoFitUiIsFinite(initialValue)) {
updateRangeForParameter(parameterIndex, initialValue, false);
updateRangeForParameter(parameterIndex, initialValue);
} else {
// 数据对象没有提供该初值时使用完整物理区间，不回退到旧的默认范围。
double physicalMin = 0.0;
@ -462,7 +471,7 @@ void nmWxAutomaticFitting::normalizeSavedParameterRanges()
bool initialOk = false;
const double initialValue = initialItem->text().toDouble(&initialOk);
if(initialOk && nmAutoFitUiIsFinite(initialValue)) {
updateRangeForParameter(parameterIndex, initialValue, false);
updateRangeForParameter(parameterIndex, initialValue);
} else if(physicalMax >= physicalMin) {
setParameterRange(parameterIndex, physicalMin, physicalMax);
}
@ -529,9 +538,12 @@ bool nmWxAutomaticFitting::validateParameterTable(QString& errorMessage, int par
return false;
}
if(minValue < physicalMin || minValue > physicalMax
|| initialValue < physicalMin || initialValue > physicalMax
|| maxValue < physicalMin || maxValue > physicalMax) {
if((minValue < physicalMin && !nmAutoFitUiNearlyEqual(minValue, physicalMin))
|| (minValue > physicalMax && !nmAutoFitUiNearlyEqual(minValue, physicalMax))
|| (initialValue < physicalMin && !nmAutoFitUiNearlyEqual(initialValue, physicalMin))
|| (initialValue > physicalMax && !nmAutoFitUiNearlyEqual(initialValue, physicalMax))
|| (maxValue < physicalMin && !nmAutoFitUiNearlyEqual(maxValue, physicalMin))
|| (maxValue > physicalMax && !nmAutoFitUiNearlyEqual(maxValue, physicalMax))) {
errorMessage = tr("The values of %1 exceed the physical range [%2, %3].")
.arg(tr(parameterNames[currentParameterIndex]))
.arg(QString::number(physicalMin, 'g', 10))
@ -1195,8 +1207,8 @@ void nmWxAutomaticFitting::onWellSelected(int index)
m_parameterTable->item(2, 3)->setText(QString::number(wellboreStorageValue));
if(m_autoParameterRanges) {
updateRangeForParameter(1, skinValue, false);
updateRangeForParameter(2, wellboreStorageValue, false);
updateRangeForParameter(1, skinValue);
updateRangeForParameter(2, wellboreStorageValue);
}
}
}
@ -1531,9 +1543,9 @@ void nmWxAutomaticFitting::updateBestParametersToTable()
// 更新初始值
m_parameterTable->item(paramIndex, 3)->setText(QString::number(bestValue, 'g', 4));
// 只有自动范围模式才根据拟合结果收窄下一轮搜索区间；手工范围由用户保留。
// 自动范围模式下，以拟合结果为中心复用首次建范围的规则；手工范围由用户保留。
if(m_autoParameterRanges) {
updateRangeForParameter(paramIndex, bestValue, true);
updateRangeForParameter(paramIndex, bestValue);
}
}

Write Preview
Loading…
Cancel
Save