基于人工神經網絡的超深井儲層敏感性預測.pdf

1、超深井儲層多屬于低滲透油氣藏，由于滲透率太低，采取現(xiàn)有方法開展巖心流動實驗的難度很大，儲層敏感性評價實驗耗時長（有時甚至無法做出結果），實驗數(shù)據(jù)誤差較大，平行實驗數(shù)據(jù)重復性難以保證；另一方面由于基本上無法獲得具有代表性的儲層巖心，使評價實驗無法正常開展。因此，對油氣層損害，特別是儲層的五種敏感性潛在損害，利用現(xiàn)有的儲層巖性、物性資料以及前期積累的實驗數(shù)據(jù)，從中找出儲層五種敏感性損害與儲層巖性、物性參數(shù)之間的關系，探索兩者之間的必然聯(lián)系，

2、建立神經網絡模型，將潛在損害因素進行歸一化和定量化處理，對網絡進行訓練后，可對儲層敏感性進行預測，并通過實驗對預測結果進行驗證。 由于人工神經網絡技術具有強大的非線性映射能力和自組織、自適應、自學習能力，特別適用于解決因果關系復雜的非確定性推理、判斷、預測和分類等問題。通過選擇適當?shù)哪Ｐ秃蛥?shù)來建立預測模型。為此本文將人工神經網絡和儲層敏感性結合起來，基于BP網絡等理論，來進行建立、訓練和仿真預測模型的研究。 本文簡要的

3、介紹了國內外儲層敏感性預測模型的研究概況及勝利油田超深井情況，同時介紹了人工神經網絡的基本原理，BP網絡的基本結構、學習算法、網絡模型及MATLAB計算軟件的神經網絡工具箱。分析和比較了現(xiàn)有的幾種預測模型，進而詳細探討了基于BP網絡的儲層敏感性預測模型。 文中針對勝利油田相關區(qū)塊超深井儲層敏感性數(shù)據(jù)，來進行建立、訓練和仿真基于BP網絡的儲層敏感性預測模型。仿真的結果同傳統(tǒng)回歸法進行比較，可以看出神經網絡的預測結果比回歸法的預測結