启动压力梯度预测的人工神经网络方法.pdfVIP

_______________________________________________________________________________ 启动压力梯度预测的人工神经网络方法 朱长军 河北工程学院城市建设系 河北 邯郸 056038 E-mail:christorf@ 摘要：启动压力梯度的确定对于低渗透油田的开发起着重大的作用，它直接影响着油田的开 采量以及油藏压力的预测精度。并与流体粘度、密度、渗透率、孔隙度等影响因素呈非线性 关系。人工神经网络具有表示任意非线性关系和学习的能力,是解决复杂非线性、不确定性 和时变性问题的新思想和新方法。基于此，本文利用 BP 人工神经网络对启动压力梯度进行 预测，并接合岩心的启动压力梯度的实际测定结果进行验证研究。研究结果表明，BP 人工 神经网络是一种较为有效的预测方法，具有较高的精度，该方法的应用，可以为低渗油田的 开发提供可靠的基础数据，节省人力物力。 关键词：启动压力梯度； B-P 人工神经网络； 预测 1. 引言 大量实验表明低渗透油藏的渗流不再符合达西定律，其明显的特点就是具有启动压力梯 度，即只有在作用压力梯度大于某一临界值时，流体才能流动，这个临界值被称为启动压力 梯度。而近年来，随着低渗透油田的开发，这个问题的研究已经成为一个焦点。而启动压力 梯度的测量是一件既费时又耗力的事情，所以建立一套合理的启动压力梯度预测的方法和模 型是必然的。由于影响启动压力梯度的因素不仅仅是一个，是多个因素综合作用的结果，所 以，单纯建立启动压力梯度与某一个因素的函数关系，是不科学和不精确的，这就要求我们 建立一种科学有效的方法来进行预测。 人工神经网络模型是模拟人脑工作模式的一种智能仿生模型，可以对信息进行大规模的 并行处理；具有自组织，自适应和自学习能力，以及具有非线性，非局域性等特点，能够从 大量的统计资料中分析提炼实用的统计规律。由于启动压力梯度是一个多因素影响下的非线 性因素，故此本文引入人工神经网络原理来建立启动压力梯度的BP 人工神经网络（ANN ） 预测模型。 2. 实验方法及数据取得 在目前技术条件下，建立渗流启动瞬间的实验和计量条件是十分困难的。因此启动压 力梯度测试方法是将实验流量逐次降低到目前技术水平可以达到的最小流量，测定不同流量 的样品流压，借用流量-压力梯度实验曲线的拟合函数，求出拟合曲线在压力梯度坐标上的 截距，即为该岩样的启动压力梯度。 在实验测试过程中，流压变化经常与粘土膨胀、颗粒堵塞等因素引起的渗透率伤害有关。 为了保证流压-流量关系真实反映低速非达西的渗流规律，测试前必须对实验岩样和实验流 体进行预处理；实验中应选择合适的起点流速，防止粘土膨胀后十分敏感的速敏效应。在稳 定的实验环境下读取稳定的流压，这是获得有效、正确数据的基本实验原则和方法。 ， ， 3. BP 人工神经网络[1 3 4] ＢＰ（Back-Propagation ）人工神经网络模型目前人工神经网络中应用最广泛并且比较 成功的。该模型基于误差反向传播算法, 由输入层、输出层和一个或若干个隐层构成,每一层 _______________________________________________________________________________中国科技论文在线 包含若干神经元,层与层间神经元通过连接权重Ｗ及阈值θ互连, 同层的神经元之间没有联系 ( 图1)。 图1 三层BP 网络拓扑结构图 Fig1 the three layers topological structure of BP network