基于灰色关联与神经网络技术的水平井产能预测.pdfVIP

大 庆 石 油 学 院 学 报 第 33卷 第 3期 2009年 6月 JOURNALOFDAQING PETROLEUM INSTITUTE VoI．33 No．3 Jun． 2009 基于灰色关联与神经网络 技术的水平井产能预测 叶双江，姜汉桥，陈民锋 (中国石油大学 石油工程教育部重点实验室，北京 102249) 摘 要：鉴于水平井产能影响因素的复杂性，运用灰色关联分析方法从水平井产能影响因素中筛选出主控因素，结 合 BP神经网络技术，以筛选 出的主控因素为输入层节点，构造神经网络模型，对多因素非线性影响下的水平井产能进行 预测．该方法仅针对水平井初始产能或当前某一时刻的产能预测而言，不考虑时间因素．结果表 明：构造 的神经网络模 型具有很好的稳定性，预测精度高，预测井产能预测值与实际值相对误差均在工程要求范围之 内(±1O )． 关 键 词 ：产能预测；灰色关联分析 ；BP神经 网络技术 中图分类号 ：TE357 文献标识码 ：A 文章编号：1000—1891(2009)03—0053—03 准确有效地预测水平井产能，是进行油藏工程分析和采油工艺设计 的重要基础．目前 ，水平井产能预 测方法可分为解析解法与半解析解法．解析解法主要以Joshi产能计算公式_1]为代表 ，此类方法大多做 了 相关理想假设，导致计算结果与实际误差较大．黄世军 2等人基于微元线汇理论与势的叠加原理，建立 了 油藏与井筒耦合条件下的水平井稳态产能评价半解析模型．该耦合模型为复杂 的非线性方程组 ，方程组 是否有解很大程度上取决于未知量初值的选取．而且随着微元段的增加 ，方程组的非线性程度愈加严重， 求解需要耗费大量时间．因此，需要建立一种能综合考虑各种影响因素，并且预测精度高、预测速度快的 水平井产能预测模型．笔者运用灰色关联分析方法，从各种产能影响因素中筛选 出 1O个主控因素(根据 灰色关联度判断)，结合BP神经网络技术，以筛选出的主控因素为输入层节点，构造神经网络模型，并利 用训练好的网络模型对油田新钻水平井进行产能预测． 1 灰色关联分析方法与人工神经网络技术 1．1 灰色关联分析方法 灰色关联分析 (GRA)是一种多因素统计分析方法 ，求解系统 中各因素之间的主要关系，找出影响 目 标值的重要 因素，从而掌握事物的主要特征，是对一个系统发展变化态势 的定量描述和比较方法．它以各 因素的样本数据为依据 ，用灰色关联度来描述各因素间关系的强弱、大小和次序．如果样本数据系列反映 出2个 因素变化 的态势(方向、大小、速度等)基本一致，则它们之间的关联度较大 ；反之 ，关联度较小I3]． 1．2 BP神经网络技术 设一个 3层网络的输人层、隐含层及输 出层的神经元数分别为 J，K，J；第k个隐含层神经元的传递 函 数为 ；输入矢量为x一( ，zz，…，z，)；输 出矢量为 l，一( ，Yz，…，Y，)，则 个输出为 J I Y，一∑叫，[∑叫z—n]一 ，一1，2，…，．，， (1) 式中：W 为输人层第i个神经元与隐含层第 k个神经元的连接权 ；n 为隐含层第 k个神经元的阈值 ；W 收稿 日期：2008—12—18；审稿人：刘显德；编辑 ：郑丽芹 基金项 目：国家 “863”高技术研究发展计划项 目(2007AA090701—7) 作者简介 ：叶双江(1984一)，男 ，博士生 ，主要从事油气 田开发理论与系统工程方面的研究 大 庆 石 油 学 院 学 报 第 33卷 2009年 为隐含层第k个神经元与输出层第J个神经元的连接权；6为输 出层第J个神经元的阈值[4]． 权值的调整采用反向传播的学习算法，通过样本学习，对网络的权值和阈值进行调整，网络不断获取 知识，并将其分布储存在网络的连接权上，最终能够将输入特征量与 目标函数之间复杂的非线性关