《bp神经网络在油水井压裂酸化选井中的应用》

《《bp神经网络在油水井压裂酸化选井中的应用》》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、BP神经网络在油水井压裂酸化选井中的应用30内蒙古石油化工2008年第5期BP神经网络在油水井压裂酸化选井中的应用杨红,何衡(西安石油大学石油工程学院,西安710065)摘要:要获得好的压裂酸化增产效果,选择合适的施工井是很重要的.本文采用BP神经网络模型,对需要进行压裂的井进行排序.该方法克服了模糊数学方法在压裂酸化选井中对权重人为的设定,达到了科学决策的目的.并采用MATLAB6.5软件对此方法经行计算.关键词:压裂;BP神经网络;选井引言BP神经网络法是应用数学——神经网络(数学界引用了生物领域里的术语)的一种,它是基于生物仿生技

2、术的一种新颖的数学方法.对于自然界中许多不能用某一个(组)的方程式(组)来表示的因果关系,可通过神经网络系统来描述这种关系.而BP神经网络则对自然现象进行感知,并模拟人脑的思维,记忆,联想进行自适应,自学习等训练,达到评价预测之目的.压裂酸化是油田增产的主要措施之一,压裂酸化的成败始于选井的正确与否,首先要选取最合适的井层,这样施工后才能获得增产,取得良好的经济效益.BP神经网络法克服了现在油田上常用的"模糊评判"规则中人的主观性,因素的不独立性及井层相对优劣排序法的不足,从而达到优选麓工井层的目的.1BP神经网络模型及其算法目前应用最

3、为广泛的一种神经网络是BP网络,即误差反向传播神经网络.从结构上讲,有一个输入层,一个或多个隐层和一个输出层.层与层之间多采用全连接方式,但同一层各节点之间不存在相互连接.比较典型的BP网络通常只有一个输入层,一个隐层和一个输出层的三层网络,如图1所示.当给定网络的一个输入模式时,由输入层的各节点传到隐层各节点,再由隐层各节点传到输出层各节点,并由输出层产生一个输出模式.这个过程称为前向传播.如果输出响应与期望输出有误差,不满足要求,那么就转入误差反向传播,将误差值沿着连接通路逐层传送并修正各层连接权值.对于给定的一组训练模式,不断用一

4、个个训练模式训练网络,重复前向传播和误差反向传播过程,当各个训练模式都满足要求时,就说明网络已学习好了.,悖输图1典型的BP网络结构假设BP网络的构成如图l所示.第一层(即输入层)有N个神经元(即节点),第二层(即隐层)有M个神经元,第三层(即输出层)有K个神经元,训练模式有L个.记输入层与隐层各神经元之间的连接权值为V隐层与输出层各神经元之间的连接权值为wIk.对于第z个训练模式(1—1,2,八,L),网络的前向传播过程为:第一层的输出o2'一z(:1,2,八,Ⅳ)(1)式中xi为实际输入.第二层的输入Ⅳ瑙一Vo2,(一1,2,A,)

5、(2)第二层的输出O一](3)1式中f[s]:=为S形作用函数.第三层的输入M一三Ⅵ厂O,(是一1,2,八,K)(4)第三层的输出收稿日期:2007～O8—12作者简介:杨红(198O一),女,陕西西安人,在读硕士,主要从事油气田开发过程中渗流机理的研究.2008年第5期杨红等BP神经网络在油水井压裂酸化选井中的应用31如果任意设置网络初始权值,那么对每个训练模式l,网铬输出(即计算值O)与期望输出(即实际值Dt)一般会存在误差,记网络误差为:1KE===÷[D一o].(6)厶一一l根据梯度最速下降法,可推出使网络误差最小的权值变化量为

6、:L△W:O(1一Olf))(D"一O')O(7)Z一1IKAV===∑{ExO(1一O)(Dkl—O)wik]O(1一O5.')05¨)(8)令t为迭代次数,则f,(f+1)一V,(f)+77AV(9),(f+1)===W(f)+T/AW(1O)式中为学习率(学习因子).BP网络学习算法步骤可概括为:①网络参数初始化,给定初始权值和学习因子;②根据式(5)计算网络输出;③由(6)式计算网络误差;④若网络误差满足精度要求,结束,否则转下一步;⑤根据(9)～(1O)式修正权值,重复(2)～(4).2实例分析本文借用文献"中6口候选井的特征

7、数据如表1所示.通过MATLAB6.5设计BP神经网络油水井压裂酸化选井程序.以M1井和M2井的特征数据为训练样本集(以往压裂酸化过的井),其中M1为压裂酸化效果好的井,M2为压裂酸化效果差的井.根据训练样本和期望输出可求出一定精度下的神经元连接权系数和阈值.用该组权系数和阈值对6口井的特征数据分别进行模式识别,可得出各井压裂的效果依次为M5,M1,M3,M6,M4,M2,其中压裂酸化效果较优的井为M5,效果最差的井为M2.表16口井特征数据参数M井M井M.井M井Ms井M井表皮系数648～O,76n359.312.017.7l采出程度(

8、%)3.2502.7500.3266.7000.0316.220产层厚度(m)6.9824.2O65011.452O.1318.30可采储量(10Sm.)15.949.441.19l2.84l3.065.1