模糊神经网络在剩余油分布中应用研究.pdfVIP

模糊神经网络在剩余油分布中的应用研究 热合木江①古丽．吐尔逊①塔拉提。木合塔尔。马玉书。 (1)(石油大学(北京)人工智能研究中心102200) (2)(新疆克拉玛依电视大学计算机系834000) (3)(新疆大学信息科学与工程学院830056) 摘要剩余油形成与分布研究是一项高难度的研究课题，尽管人们可以从多个不同的侧面、 不同的角度研究剩余油分布问题，但是各种方法本身均有其局限性。本文提出利用 油田开发地质学方法，通过静、动态参数结合，利用一种混合型模糊神经网络，地 质条件约束下从地质、测井、油藏工程，生产动态等多个方面精细、定量、综合地 预测剩余油分布的方法，在实际应用中取得很好的效果． 关键词BP算法，高木．关野系统，剩余油分布 1引言 油田开发一旦进入中后期，了解和掌握油藏中剩余油饱和度的宏观和微观舶空间分布， 确定其剩余储量、剩余的可采量及可采量的品位，是油藏经营管理决策的重要依据[3]。 确定储层中剩余油的分布仍然是石油工业迄今尚未得到妥善解决的重大研究课题。近年 来出现了开发地质学、开发地震和开发测井等方法，以及油藏数值模拟方法，都是力图从宏 观尺度上圈出剩余油的空间分布，为加密井网、打调整井、钻水平井或大角度斜井，以及为 调整注采层段剖面和方向等提高采收效果的一些重要措施和切实可行的方法。 我们提出了剩余油分布模糊神经网络模型，并对实际数据进行模拟，得到了很好的效果。 2模糊神经网络混合模型 在这里，我们利用高木一关野模糊推理系统f1】和神经网络BP算法f2】提出一种混合 性模糊神经网络模型，并把它应用于剩余油分布研究领域。 设有n个输入一个输出，并有R条规则的高木一关野模糊系统的总输出为 y=∑w‘y‘／∑w‘ (1) i=l ， f-l 其中：W’=金∥形(x?)。 我们采用一种新型的混合“加一乘”神经网络实现高木一关野模糊系统的途径是：将式(1) 中的取极小化运算变成相乘运算，它使算法变得更加简单。“加一乘”网络是一种既有求和节 706 点，又有乘积节点的网络模型。设网络输入节点为2，中间层节点为K，输出层节点为1。 y= = C R兀蔺 y 尼兀硝 ：∑一 0 (2) 式中，C“为“加一乘”网络的第一层权系数。然而，在实际中不但有相加和相乘运算， 还有模糊运算。为此，我们提出一种神经网络结构。该网络包含相加和相乘节点，其输出为 】，=∑w‘y‘／∑w‘ … ：∑盼∥¨．∥卅(¨k+c：x。+c；x：)】几“砌n；(¨) 显然，这种网络结构能完全实现式(1)给出的模糊建模算法。我们称它为“加一乘”神经 网络。用这种网络实现的模糊模型辨识，可以方便地在线修正前提参数和结论参数，很适合 复杂系统的模糊预测和控制。为方便神经网络学习，各模糊子集的隶属函数均取高斯型，即 ∥∥(工』)=exp[-(x』一矿)2膨】 (4) 下面是“加一乘”网络的学习算法。设网络的期望输出为Yd，定义代价函数为 E=妻pd一】，)2 (5) 则根据剃度法有 cj(川)-C弘i