基于BP神经网络产能预测方法在环江地区长6段的应用
Implement of Reservoir Productivity Prediction Based on BP Neural Network in Huanjiang Chang 6

作者: 喻思羽 * , 谯嘉翼 :长江大学地球科学学院,湖北 武汉; 陈小东 , 丁黎 , 张瀚丹 :中国石油长庆油田分公司勘探开发研究院,陕西 西安;

关键词: 神经网络环江地区长6储层产能预测Neural Network Huanjiang Area Chang 6 Reservoir Productivity Prediction

摘要: BP神经网络是一种基于误差反向传播的多层前馈网络技术,能很好解决非线性映射和数据泛化等问题,且能容许个别样本出现错误。环江地区长6储层产能预测影响因素较多,在综合考虑各影响因素的基础上,利用灰色关联法选择影响产能的储层参数,进而建立BP神经网络预测模型对产能进行预测,通过与基于RQI储层品质因子及支持向量回归机的产能预测方法进行对比分析,表明基于BP神经网络预测结果正确率高于另外两种方法。

Abstract: Back Propagation Neural Network is a multilayer feed-forward network technology based on the error back propagation, which can be a better way to solve the problem of nonlinear mapping and data generalization, and allows some errors of the sample. The prediction of Huanjiang area chang 6 reservoir productivity has many factors. On the basis of considering all the factors, grey connection method is used to choose reservoir parameters that can affect the productivity, and then the BP neural network forecasting model is established to predict productivity. Through analysis on comparing reservoir quality factor based on the RQI with the support vector machine productivity forecasting method, it shows that the forecasting result accuracy rate based on the BP neural net-work is higher than the other two methods.

文章引用: 喻思羽 , 陈小东 , 丁黎 , 张瀚丹 , 谯嘉翼 (2016) 基于BP神经网络产能预测方法在环江地区长6段的应用。 地球科学前沿, 6, 79-85. doi: 10.12677/AG.2016.62010

参考文献

[1] 胡友洲. 安塞油田王窑南区长6油藏建产潜力研究[D]: [硕士学位论文]. 西安: 西北大学, 2012.

[2] 龙慧. 环江地区延长组超低渗油藏有效储层测井识别方法研究[D]: [硕士学位论文]. 西安: 西安石油大学, 2012.

[3] 高建华. 测井储层产能预测方法研究[D]: [硕士学位论文]. 成都: 成都理工大学, 2002.

[4] 李超. 白豹油田长8储层评价及建产有利区筛选[D]: [硕士学位论文]. 西安: 长安大学, 2011.

[5] 许立全, 李秀生. 不同产能评价方法的对比分析[J]. 油气井测试, 2005(6): 15-17, 72-73.

[6] 谭成仟, 马娜蕊, 苏超. 储层油气产能的预测模型和方法[J]. 地球科学与环境学报, 2004(2): 42-46.

[7] 谭成仟, 宋子齐, 吴向红. 储层油气产能的灰色理论预测方法[J]. 系统工程理论与实践, 2001(10): 101-106.

[8] 谭成仟, 宋子齐, 吴少波. 灰色关联分析在辽河小洼油田储层油气产能评价中的应用[J]. 测井技术, 2001(2): 119-122, 161.

[9] 严丽, 王燕, 范树平. 多元回归分析方法预测川东北礁滩相储层产能[J]. 新疆石油天然气, 2011(4): 37-39, 107.

[10] 张锋, 张星, 张乐, 郝永卯, 单蔚. 利用支持向量机方法预测储层产能[J]. 西南石油大学学报, 2007(3): 16, 24-27.

[11] 张程恩, 潘保芝, 刘倩茹. 储层品质因子RQI结合聚类算法进行储层分类评价研究[J]. 国外测井技术, 2012(4): 3, 11-13.

[12] 吴俊晨. 低孔低渗储层产能预测方法研究[D]: [硕士学位论文]. 武汉: 长江大学, 2013.

[13] 庞玉东, 宋子齐, 何羽飞, 田新, 张景皓, 付春苗. 基于超低渗透砂岩储层试油产能预测分析方法[J]. 石油钻采工艺, 2013(5): 74-78.

[14] 胡海涛, 吴晓明, 龙慧, 宁定华, 王西强. 环江油田长6储层特征与测井产能评价[J]. 测井技术, 2012(6): 647- 651.

分享
Top