基于物性预测相对渗透率的改进神经网络方法

摘要：

油水两相相对渗透率曲线对油藏含水上升规律和产量变化规律有重要影响,是油藏开发的基础数据.为更准确预测相对渗透率曲线端点值、建立储层物性和相对渗透率曲线端点值之间的关系、提高油藏数值模拟精度,以149条相对渗透率曲线的渗透率和孔隙度为输入变量,以相对渗透率曲线端点值(束缚水饱和度、残余油饱和度、残余油饱和度下的水相渗透率)为输出变量,建立了一种基于储层物性预测相对渗透率曲线端点值的BP神经网络预测模型.经未参与建模的14条相对渗透率曲线数据检验,新模型预测绝对误差在0.03以内,相对误差小于9％,满足相对渗透率曲线计算要求;利用该模型预测的BZ油藏不同物性级别下的相对渗透率曲线能够反映BZ油藏的渗流特征.该研究成果对相对渗透率预测及提高数值模拟精度具有一定借鉴意义.

关键词：相对渗透率曲线、束缚水饱和度、残余油饱和度、BP神经网络、渗透率、孔隙度

所属期刊栏目：38

资助基金："十三五"国家科技重大专项"渤海油田加密调整及提高采收率油藏工程技术示范"2016 ZX 05058001

在线出版日期：2020-07-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：44-49