防砂方法优选的B—P神经网络模型.pdfVIP

维普资讯 第 3O卷 第 6期 石 油 钻 探 技 术 Vo1．30．NO．6 2002年 l2月 PETROIEUM DRILLING TECHNIQUES Dec．，2002 ．．I试井与开 采 防砂方法优选 的B—P神经 网络模型 李 志芬 ，董长银 ，张 琪 (石 油大 学 (华 东)石 油工程学 院 ，山东东 营 257061) 摘 要 ：根据神经 网络原理 ，建立 了基于B—P 网络 的防砂方法优选模 型 。经算例计算 ，网络训练具有较好 的收敛性 ， 同时也得到了较好 的识别诊 断输 出结果，表 明将 B—P神经 网络应用于防砂 方法 的优选是合理可行的。 关键词 ：防砂 ；优选法 ；神经 网络 ；B—P网络 ；模 型 ；实例 中图分类号 ：TE358．1 文献标识码 ：A 文章编号 ：1001—0890 (2002)06—0050—03 开采疏松砂岩油藏 ，油井必须采取 防砂措施 。选 定性描述数据 的归一化处理结果 ：对 于井 身状况 ， 择合理 的防砂方法是防砂成功关键 ，这需要考虑油藏 0为垂直井 ，0．5为斜井 ，1为水平井 ；对 于防砂方法 ， 地质特征 、流体物性 、生产条件 、井身结构等诸多因 0为单层 防砂 ，1为多层 防砂 ；对于非均质性 ，0为强 ， 素 。而现有 的十几种 防砂方法 ，分别有各 自的技术特 1为弱 ；对 于开采方式 ，0为常规开采 ，1为热采 。 点和适应条件 。防砂方法优选考虑的因素繁多且很多 1．2 B—P 网络模 型 。。。 因素难 以量化 ，各种防砂方法对这些因素的适应界限 B-P神经网络 (BackPropagtionNetwork，缩写 难 以确定 ，给防砂方法 的优选造成 了很大困难 ，导致 为BPN)是广泛使用 的人工神经 网络之一 。如 图1所 目前防砂方法的选择主要靠经验确定 。因此笔者根据 示 ，它采用输入层一隐层一输 出层三层结构 ]，根据所考 防砂方法优选 的特点 ，采用典型 防砂成功井例作为训 虑 因素 的数量 ，输入层结 点数为 一45，隐层结点数取 练 样本 ，建 立 了防砂 方法优选 的 B—P神经 网络模 户一10，输 出层结点数为 一4。 、Y，、O，分别为输入 型 。 层 、隐层和输 出层 的输 出；W 0。、 。分别为隐层权 系数 、阈值和误差 ，7’-i、0一、 分别为输 出层权系数 、 1 神经 网络模 型的建立 阈值和误差 。 1．1 防砂方法优选的主要 因素及预处理 防砂方法优选考虑 的主要 因素如表 1所示 ，每一 种 因素分别对应油井的一项基础数据 ，根据这些数据 确定防砂方法 。 表 1 考虑 的主要 因素及一般取值范围 图 1 B～P 网络 结 构 示 意 图 作用 函数采用S型函数 ： ／’()一1／(1+e ) (2)