基于径向基函数(RBF)神经网络的储层损害诊断技术研究

摘要：

在石油勘探开发过程中会因各种原因造成储层损害,降低油井产量甚至停产,必须对损害储层进行准确定量诊断的基础上采取相应的解堵措施,提高或恢复油井产量.人工神经网络法是进行储层损害诊断较好的方法,但目前仅限于BP神经网络,或改进的BP神经网络的应用.本文通过对BP神经网络和径向基函数(RBF)网络的对比表明,径向基函数(RBF)网络具有收敛速度快、预测精度高等优点,并在确定影响储层敏感性和各损害类型因素的基础上,分别收集了各数据70组以上,然后进行了径向基(RBF)网络训练和应用,分别建立了径向基(RBF)神经网络在储层损害敏感性和定量诊断领域的应用,实现了对储层水敏性、盐敏性、速敏性预测,以及储层微粒运移、固相颗粒堵塞、水化膨胀和结垢损害程度的定量诊断;同时,提出的径向基(RBF)网络储层损害定量诊断法在孤东油田17口井上得到了检验,成功率达100%,证明RBF网络法与其它方法相比具有诊断结果准确性高、结论可靠、推广应用方便、收敛速度快等优点,提高了储层保护措施和解堵措施优化决策的科学性和准确性,在油田生产中发挥了重要作用.

关键词：储层损害、诊断、径向基网络、BP神经网络、人工神经网络

所属期刊栏目：18

分类号：TE258+.3(钻井工程)

资助基金：国家科技重大专项2008ZX05009-05

在线出版日期：2010-06-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：313-320