不稳定试井分析中参数识别的神经网络方法.pdfVIP

第 19 卷 　第 4 期 　　　　　　　 Vol. 19 　No. 4 西 南 石 油 学 院 学 报 　　　　　　　 1997 年 　11 月 　　　　　　Journal of Southwest Petroleum Institute 　　　　　　　Nov 　1997 不稳定试井分析中参数识别的 神经网络方法 胡 　泽 ( 西南石油学院石油工程系 , 四川南充 637001) 摘要 　在不稳定试井分析中 ,调整试井解释参数往往花费解释人员大量的时间。特别 , 当试井解 释参数较多时 ,进行参数调整就更为困难 ,有时得不到一个合理的参数识别结果 。因此 ,研究新的 试井解释参数识别方法势在必行 。目前 ,典型曲线的自动拟合方法是其研究成果之一 ,但由于数 值计算方法的局限 ,使得该方法难于推广 。文中研究了基于神经网络的系统辨识方法在不稳定试 井分析参数识别中的应用 。通过神经网络对一实际的油气藏系统进行建模和辨识 ,从而由新的神 经网络模型可以获得参数识别结果 。着重讨论了均质地层和双重介质地层的压力不稳定测试的 参数识别问题 ,一个实例的分析显示了该识别算法的特性 。 主题词 　试井解释 ; 参数识别 ; 系统辨识 ; 神经网络 中图分类号 　TE 353. 2 前 　言 ( ) 试井资料的解释包括定义一个适当的解释模型 内边界 ,地层 ,外边界 ,调整油藏模型 参数来获得油田数据与理论数据的最佳拟合 。先前的典型曲线分析都是通过手工计算油藏 压力响应 ,然后与理论模型的压力响应相拟合 ,从而获得系统的参数识别 ,这种方法受人的 主观性影响 。 机辅典型曲线的自动拟合能够消除主观性的影响 ,而且在分析变流量史的测试 ,处理不 ( ) 充分或根本不存在典型曲线的复杂油藏模型 水平井 ,边界系统 方面有突出的优点 。当仅 用压力进行分析时 ,可避免噪声对压力导数的影响 。 目前的典型曲线自动拟合方法均是建立在回归分析基础上 。尽管这种非线性回归分析 似乎比传统的典型曲线拟合更适用 ,但它却遭受到非唯一解的影响 ,不同的初始估计值可能 会得到不同的结果 ,况且对某些初始值 ,可能会发散 。 近几年来 ,神经网络技术发展迅速 , 已经应用在各个方面 。对系统辨识而言 ,非线性系 统的辨识一直难于找到相应的数学方法 ,神经网络因其学习能力和非线性特性 ,在这方面具 有很大的潜力 。因此本文提出了试井分析参数识别的神经网络方法 , 旨在研究基于神经网 络的非建模式 ,非算法式的油藏不稳定测试的系统辨识问题 ,进而由所辨识的系统来识别不 稳定试井中的参数 。这种参数识别方法不仅消除了人的主观性的影响 , 同时也克服了典型 曲线自动拟合中的非唯一性问题 。 1997 —01 —26 修改稿 ( ) 国家 863 项 目 863 - 306 - 04 - 03 - 1A 部分研究内容 胡 　泽 ,男 ,1966 年生 ,博士 ,主要从事信号处理 、神经网络 、专家系统、试井分析研究 58 西南石油学院学报 　　　　　　　　　　　　　　　　1997 年 1 　文献回顾 在已知试井解释模型的前提下 ,进行参数识别 , 目前文献中一般采用三种方法 。 1. 1 　常规试井分析方法 即压力降落试井为半对数分析方法 ,压力恢复试井为 Horner 分析方法 ,根据径向流动 阶段井底压力与时间的对数成直线的关系 ,可以在实测压力半对数曲线上找出直线段 ,求其 斜率以及偏离直线段的大致时间等特征值 ,从而可获得地层渗透率 ,表皮系数 ,平均