页岩气藏改造体积的快速确定.pdfVIP

董浩，等：页岩气藏改造体积的快速确定 响。当天然裂缝不完全连通时，改造体积 由单条裂 不是规则的长方形 ，如图4所示改造 区域的形状发 缝的改造椭球体相加而得；当天然裂缝完全连通时， 生了很明显的改变，区域内的压力波及更为彻底。 以单条裂缝为中心的改造椭球体相连成为以水平井 了解不同渗透率下人工裂缝长度和天然裂缝间 筒为中心的改造长方体。甘云雁等人 对低渗透 距一定条件下的改造体积的形状和大小，这对于页 油藏的椭圆泄油面积确定方法进行 了研究，因此关 岩气藏前期的布井有重要的指导意义。 于改造体积的第一种形式不作为本文的研究范畴。 3 BP试验法 2 改造体积 为了得到任意参数组合下的改造体积形状和大 由于影响页岩气藏产能的因素过多，无法在 同 小 ，本文通过建立 BP人工神经网络模型 对这一 时考虑它们变化时确定改造体积，因此在对改造体 问题进行 了研究。BP网络是一种误差逆传播算法 积进行确定之前需要先设定一些条件对研究问题进 训练的多层前馈网络，它是对人脑或 自然神经网络 行限制，其他条件下的改造体积可通过此方法进行 若干基本特性的抽象和模拟，是 目前应用最广泛的 模拟确定。假设水平段长 1000m、压裂6段人工裂 神经网络模型之一 。 缝，每段缝分3簇 ，导流能力 10 m ·cm，簇间距25 BP网络模型由3个层组成：输入层、输 出层和 H1，天然裂缝导流能力0．5I．zm cm，缝间距 25m， 隐含层，其中隐含层可以是一层或多层，每层 由多个 且天然裂缝完全连通，改变不同的基质渗透率，研究 神经元组成 (见图5)。 人工裂缝长度和天然裂缝间距对改造体积形状和大 BP网络模型多层前馈 网络的算法可简述如下 ： 小的影响。由于改造体积 的形状在垂 向上完全一 假设：(1)输入层有m 个神经元；(2)网络有 凡 样 ，为了表述方便 ，分别以改造面积长宽比和改造面 层，输出层为第 n层，第 k层有 m 个神经元；(3)U 积长边长为 目标参数，这样既可 以由长宽比直观地 ()表示第k层第 i个神经元所接受的信息，州(i，J．) 了解改造体积的形状，又便于计算改造体积的大小。 表示第k一1层第．个神经元到第k层第 i个神经元 对于某一特定页岩气藏，在 已知地层条件和压 的权重，a(i)表示第 k层第 i个神经元的输出，a。 裂井参数的条件下，可通过数值模拟方法得到改造 ()表示输入 的第 个分量 ；(4)层与层之间的神经 体积的形状和大小。然而，在页岩气藏开发初期，由 元存在信息交换，但同一层之间的神经元无信息交 于对气藏了解不充分而得到的地层参数有限，也就 换；(5)信息交换的方向是从输入层到输出层方向， 无法实现根据单井改造体积部署井网的 目的，因此 没有反向信息传播。 有必要研究主要参数对改造体积的影响。通过大量 根据 以上假设 ，输入输出关系可表示为 ： 的模拟计算绘制了图版 ，以指导新区块 的井 网部署 。 ⅡO 以基质渗透率的变化为基础 ，分别改变人工裂缝长 M一()=∑1Vt(i，)0o()+0() J=1 度和天然裂缝问距 ，模拟它们对改造体积形状和大 a(i)： U1(i))， 1 i≤Nl 小的影响。基质渗透率的变化值为 0．0001×10～、 i11 0．000 2