遗传算法与神经网络结合预测低渗透油藏产油量——以宝浪油田为例.pdfVIP

石 油 地 质 与 工 程 2011年 9月 PETROLEUM GEOLOGYANDENGINEERING 第 25卷 第 5期 文章编号：1673—8217(2011)05—0060—03 遗传算法与神经网络结合预测低渗透油藏产油量 — — 以宝浪油 田为例 董玉安 ，赵 蕊 ，叶 欢 ，廖 晶 ，高立建。，张红坡。 (1．中国石化河南油 田分公司石油勘探开发研究院，河南南阳473132； 2．中国石化河南油 田分公司第二采油厂 ；3．中国石化河南油 田分公司第一采油厂) 摘要：基于遗传算法的全局搜索能力和神经网络算法的局部精确搜索特性，将遗传算法和神经网络算法有机结合， 在提高油气产量预测精度的研究中得到了很好的应用。对宝浪油田某区块产油量的预测 ，验证 了这种方法的正确 性，结果表 明该方法预测精度 明显优于单纯的BP算法 ，证 明了这种方法的有效性和可靠性 。 关键词 ：神经 网络 ；遗传算法 ；宝浪油田；产量预测 中图分类号：TE319 文献标识码 ：A 新疆宝浪油 田属于典型低渗透砂砾岩储层 ，油 进行局部精确搜索 ，然而 BP算法是基于梯度 的方 藏厚度大、Ⅲ级断层较发育。宝浪油田自1997年注 法，这种方法的收敛速度慢 ，而且受到局部极小点的 水开发 以来 ，油 田已进入中含水期 ，目前地下油水分 困扰 ，而采用遗传算法则可 以克服 BP算法 的缺 布关系复杂 ，水驱效果差，产量递减较快 ，剩余油识 陷 。 别难度大 ，导致生产效果变差 。至 2009年底 ，年 自 遗传算法 GA(GeneticAlgorithms)是 20世纪 然递减达 20 左右 ，而且 自然递减还有加大 的趋 60年代后期由美国Michigan大学 J．H．Holland教 势。按水驱开发趋势推算，最终采收率只能达到 授首先提出的，它是模拟 自然界生物的遗传与长期 20 左右 ，比标定采收率低 5个百分点。因此 ，如何 进化过程发展起来的一种搜索和优化算法。它模拟 正确预测该区块产油量 ，正确标定区块采收率是油 了生物界 “优胜劣汰 ，适者生存”的机制 ，用逐次迭代 田亟待解决的问题。 法搜索寻优 。目前，遗传算法 已成为继专家系统、人 在油藏工程领域，对于油 田产量 的预测方法较 工神经网络之后的又一个受人青睐的新学科 ]。 多，如产量递减法 、水驱特征曲线法、图版分析法、广 在对低渗油 田产量 的预测过程 中，将 BP算法 义翁氏法、衰减曲线法 、油藏数值模拟法 、物质平衡 的局部精确搜索能力和遗传算法的全局搜索能力有 法、递减 曲线法等等。由于各个油 田物性 、开发方 机结合起来 ，能做到优势互补，提高了预测的精度 。 式、地质特征等方面的差异 ，上述几种预测方法都有 一 定的局限性_1]。因此 ，有必要从数学的角度 出 2 遗传算法与BP算法结合的方法与步骤 发，找 出一种不拘泥于油藏性质的预测方法 ，并能成 人工神经网络具有非常强的非线性 映射能力 ， 功应用于宝浪油 田。 它不需要任何先验公式就可以通过学习(或训练)自 1 遗传算法与BP算法简介 动总结出生产历史数据间的函数关系，在油气产量 预测 中的应用非常有效 。现有神经 网络学 习算法 人工神经 网络 (ANN，ArtificialNeuralNet—