基于人工神经网络的注水开发油藏产量预测

摘要：

针对传统注水开发油藏产量预测方法存在的问题,提出了基于人工神经网络的预测模型,阐述了模拟工作流程,并进行了算例分析.提出了基于流体物理学和测量数据随机组合的特征提取方法,以提高模型的预测效果.优选贝叶斯正则化算法作为模型的训练算法,该算法一般耗时较长,但能对产油量、产气量、产水量等嘈杂数据集进行良好泛化.通过计算均方误差及决定系数、绘制误差分布直方图及模拟数据-验证数据交会图等方式进行模型评价.用90％的历史数据训练、验证、测试目标模型结构,然后用其余10％数据进行盲测.研究表明,提出的流体产量预测模型决定系数超过0.9,模拟结果与实际数据吻合程度高,输入信息少,计算成本低.

关键词：人工神经网络、机器学习、特征提取、贝叶斯正则化算法、产量预测、注水开发

所属期刊栏目：47

分类号：TE328(油气田开发与开采)

在线出版日期：2020-05-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：357-365