《BP方法和在产油量中的应用模拟课题》由会员分享，可在线阅读，更多相关《BP方法和在产油量中的应用模拟课题（46页珍藏版）》请在金锄头文库上搜索。
1、摘 要本课题是模拟课题。准确预测油气井产量对指导油田开发实践具有重要意义。本文介绍了神经网络的基本容，对其概念、框架、发展历史、计算和分类都进行了细致的描述；介绍了人工神经网络、模糊神经网络、自组神经网络和BP神经网络的基础知识；建立了利用BP神经网络预测油井产量的方法，并进行了实例计算。本文研究表明，神经网络通过模拟人脑的某些机理和机制而实现某个方面的功能，BP神经网络方法是一种有导师的学习算法，它具有自组织、自学习、自适应、容错和抗干扰能力等优越性；反向传播神经网络模型包括节点输出模型、作用函数模型、误差计算模型等；反向传播神经网络通过信息向前输入和误差反向传播，能得到较小的均方收敛误差，
2、其缺点是收敛速度较慢；利用所建立的神经方法预测油井产量操作简便，精度较高。关键词：油田开发；产油量；神经网络；数学模型AbstractThis topic is simulating thesis. Forecasting oil and gas well output accurately to instruct the oilfield development practice has vital significance. This paper introduced the basic content of including neural network, including its
3、concept, frame, development history, computational method and its classification. At the same, this paper introduced elementary knowledge of neural network, fuzzy neural network, self-organization neural network and BP neural network, established the method of forecasting oilwell output using the BP
4、 neural network, and carried out an example run. The result indicates that, neural network can realize some kind of function through simulating certain mechanisms of human brain. BP neural network method is a kind of teachers learning algorithm. It has many priorities over other methods, such as sel
5、f-organization, self-learning, self-adaptation, error-tolerance and good anti-disturbance ability. Back propagation neural network includes node-point output model, function model, error calculation model, etc. Back propagation neural network can obtain relatively smaller mean square error through f
6、orward propagation of input and back propagation of error. Its shortcoming is the convergence rate is slow. Predicting the output of oilwell using the established neural approach is easy to operate and has high accuracy. Key words:oilfield development, production rate, neural network, mathematical m
7、odel目 录第1章 概 述11.1 油田开发指标预测方法的发展历史及其多样性11.2 油田开发指标预测方法分类及评述21.3 油田开发指标预测方法发展趋势51.4 神经网络方法在油田上的应用6第2章 神经网络基础知识102.1 人工神经网络概述132.2 模糊神经网络142.3 自组神经网络152.4 BP神经网络16第3章 利用BP神经网络预测油田产量223.1 BP神经网络预测油田产量的数学模型223.2.BP 神经网络预测油井产量实例应用25结 论27参 考 文 献29致 谢30前 言人工神经网络ANN(Artificial Neural Network )与生理神经网络BNN(Bio
8、logical Neural Network)不仅在字面上有很好的相似关系：ANN与BNN，而且，实际上人工神经网络是以对大脑的生理研究成果为基础的，其目的在于模拟大脑的某些机理和机制，实现某个方面的功能。许多现代学科理论的创导者对脑的功能和神经网络都有着强烈的兴趣，并从中得到了不少启示，创导和发展了许多新理论。神经网络按性能分为连续型与离散型、确定型与随机型、静态与动态网；按联接方式分为前馈(或称前向)型与反馈型；按逼近特性分为全局逼近型和局部逼近型；按学习方式分为有导师的学习、无导师的学习、再励学习。目前，神经网络在石油工程方面主要用于产量预测、岩性识别、水淹程度判断等。1950年以来,美
9、国学者道格拉斯和皮斯曼把计算数学和计算机技术引入到油田开发预测中来,建立了油藏数值模拟方法。新中国成立以来,尤其是油田投入开发以后,我国油田开发技术人员在积极引进国外方法的同时,也根据本国油田实际特点,建立了一系列油田开发指标预测方法,为丰富油田开发理论做出了贡献。近些年来，许多科学家提出了许多种具备不同信息处理能力的神经网络模型。神经网络也被应用于许多信息处理领域，如模式识别，自动控制，信号处理，辅助决策，人工智能等等。神经计算机的研究也为神经网络的理论研究和应用研究提供了强有力的支持。本文建立了神经网络预测油田产量的方法。介绍了神经网络的分类；神经网络的算法；还有神经网络的应用。神经网络能
10、克服缺点，不仅简单、明了而且还能描述油田开发的整个过程，同时还可以考虑单一变量影响因素和多变量影响因素，把能影响动态预测指标的各种因素自行组织起来，加以训练学习，建立起一个广义的、精确的动态预测模型。同时依据BP网络的特点，提出了多变量的预测技术，总结了技术应用到油藏数值模拟和油田开发规划之中，取得了较好的成果，为神经网络广泛应用于油田开发找到了突破口。第1章 概 述1.1 油田开发指标预测方法的发展历史及其多样性 油田开发指标预测方法的发展过程与美、俄等主要产油国的石油工业历史、油田开发理论的发展与完善是密不可分的,大致可划分为如下4个阶段：(1)开始采油1930年左右,主要研究产量与井网密
11、度之间关系,此阶段预测方法缺乏理论依据,不成熟。(2)19301940年前后,美国马斯盖特、前苏联巴利索夫发展油藏驱动能量学说,把地下流体力学理论用到油田开发指标研究上来,得到了一系列产油计算公式,薛尔绍斯建立了物质平衡方程式。(3)19401950年前后,主要针对注水方式建立预测方法,如美国的贝克莱列维莱特建立水驱油理论,前苏联的谢尔卡桥夫建立了多种布井条件下产量计算公式。(4)1950年以后,美国学者道格拉斯和皮斯曼把计算数学和计算机技术引入到油田开发预测中来,建立了油藏数值模拟方法。新中国成立以后,尤其是油田投入开发以后,我国油田开发技术人员在积极引进国外方法的同时,也根据本国油田实际特
12、点,建立了一系列油田开发指标预测方法,为丰富油田开发理论做出了贡献。从已公开发表的结果看,油田开发指标预测方法不下百种,与其它预测问题相比,具有明显的多样性特点,这是由油田开发特点所决定的,其原因可以概括为:(1)油田开发预测问题的多样性。油田开发可行性论证、油田开发规划编制和油田开发方案设计、开发试验区设计等一系列工作都需要对开发指标进行预测,这些问题的不同要求需要使用不同特征的开发指标预测方法。(2)即使同类问题,在油田开发不同阶段,对油层认识不同,数据资料的多少与可信度不同,也可能选用不同类型的方法。(3)油田或区块的规模、地质开发条件的复杂难易程度的不同,应该使用不同的方法。(4)不同
13、开发方法,如天然能量开采、注水开采和三次采油具有不同的驱替机理,也应该选用不同的方法。(5)石油科学本身的发展,尤其是渗流力学的出现和不断完善,为研究油田开发指标预测方法提供了基础,现代科学技术,尤其是近年来系统科学、计算数学和计算机技术的高速发展,为研究各种各样的开发指标预测方法提供了技术上的支持。(6)不同类型油田开发研究人员,偏好不同类型的预测方法。例如,矿场人员喜欢简单、方便的经验性的方法,而大专院校及研究院、所的科研人员则偏爱于理论上较强的方法,这也是油田开发指标预测方法多样性的一个原因。1.2 油田开发指标预测方法分类及评述对于种类繁多的开发指标预测方法,根据其基本原理可概括为5大
14、类。经验公式类(1)采收率预测公式根据大量油田实际参数进行统计回归,得到采收率与油层静态参数和井网密度等之间的经验统计关系用于预测最终采收率。这类方法精度不高,主要用于开发前期的采收率ER或可采储量计算。其中影响较大的有以下3种:美国Arprsj.j.等人由312个油藏数据统计出的阿API公式 (1-1)式中 k渗透率,10-32；,初始地层压力和废弃地层压力,；,水、油地下粘度,；油层孔隙度,小数；束缚水饱和度,小数；原油体积系数。Guthric和Greenberger等人给出的公式=0.2179+0.25569-0.1355-1.538-0.0003488+0.11403 (1-2)式中油
15、层厚度,。公式(1)、(2)主要适用于边水驱动油田,对注水开发油田误差较大。谢尔卡桥夫公式 (1-3)式中 极限驱油效率,小数；井网密度,井数/；常数。(2)水驱特征曲线的基本原理是开发中后期累积产油、累积产水、累积产液和含水等指标经过处理后成直线相关形式,利用回归分析方法确定出直线方程,并依此预测产油、含水之间相对变化,进而预测油田可采储量或其它开发指标变化。目前水驱曲线已有数十种类型,但最为常用的有如下3种形式 (1-4) (1-5) (1-6)式中 、累积产油、累积产水和累积产液,；水油比；,常数。生产实际表明,水驱特征曲线方法对于大多数油田开发中后期的开发指标预测比较有效,简单易行,深受矿场人员欢迎。油田近年来建立的用于开发规划的开发指标预测方法实质上就是在水驱曲线的基础上发展起来的。(3)产量递减(衰减)方程产量递减方程通常是指美国学者Arps在递减率的概念上提出的以下3个方程指数递减方
