模糊神经网络系统在优选压裂井层中的应用

油井压裂选井选层是一项复杂有难度的技术，目前一般采用定性分析结合经验判断进行，随意性大，考虑到选井选层各项指标具有较大的模糊性，应用模糊神经网络系统（FNNS）来获取各项指标与压裂效果的关系模型和预测模型。从而优选施工井层。初中证明，该方法技术适应性强，成功率高，效益显著。     

改进的模糊神经网络优选压裂井

影响压裂选井因素多,影响因素本身具有模糊性,且压裂效果与各影响参数之间大多呈复杂的非线性关系,这种关系难以用传统的数学表达式来描述,各因素对压裂效果的影响程度不同,某些因素之间存在交叉影响现象。传统的选井方法依据经验,具有一定的主观性,盲目性。运用人工神经网络方法可以很好地解决这类高度复杂的非线性问题。但是,普通的神经网络计算速度慢,难以收敛。本文运用改进的模糊神经网络,权重实现自动调整,运用遗传算法搜索出最优的压裂施工参数,提高了计算速度,并且可以保证收敛,同时,采用了模糊专家系统,结合了现场专家多年在特定油田的工作经验,保证计算结果符合现场实际。该方法计算结果正确,符合现场施工实际;计算简单、方便,具有一定的现场实用价值。     

朝阳沟油田压裂井层优选

压裂是油气藏增产改造的重要技术措施,为保证压裂措施效果需要量化选井选层标准、优选压裂井油层参数.以朝阳沟油田某区块为例,将压后日增油量作为压裂效果评价标准,进行压裂井层参数研究.首先利用灰色关联法筛选主要影响因素,结合数学统计分析法,初步确定理想压裂井层参数范围:然后利用模糊综合分析和层次分析方法确定出高评价参照井,进而修正理想压裂井层的参数范围,并以此作为压裂选井选层的标准.应用结果表明,方法简便、准确度高,对油田压裂选井选层工作具有一定的指导意义和应用价值.     

模糊综合决策优选压裂井层

借助现代数学手段——模糊数学和系统工程层次分析原理，考虑到影响油井压裂酸化时选井选层因素的复杂性和不均衡性，将各因素按其在不同层次上对事物的影响程度分类，然后确定各因素最终的权重，形成了一种压裂酸化选井选层的模糊综合决策方法。该方法计算结果正确，符合现场施工实际，计算简单、方便，具有一定的现场实用价值。     

模糊综合决策优选压裂井层

借助现代数学手段——模糊数学和系统工程层次分析原理,考虑到影响油井压裂酸化时选井选层因素的复杂性和不均衡性,将各因素按其在不同层次上对事物的影响程度分类,然后确定各因素最终的权重,形成了一种压裂酸化选井选层的模糊综合决策方法。该方法计算结果正确,符合现场施工实际,计算简单、方便,具有一定的现场实用价值。     

试井资料在压裂选层中的作用

为进一步提高压裂成功率,必须加强压裂选层的准确率。试井资料是储层物性、污染情况等信息的综合反映,根据压前测试及试井曲线形态不仅可以预测压裂后能否达到工业油流,而且可以预测压裂后的产量变化。若地层均质无限大,则压裂后求产期间产量稳定;若压前试井曲线见边界反映,则必须结合边界形状和距离预测压裂后的产量递减规律,慎重考虑是否具有改造价值。     

重复压裂选井选层的BP神经网络法

影响重复压裂选井的因素很多,且各个因素之间具有复杂的非线性关系,利用传统的预测方法受到诸多限制。针对此问题,应用现代数学理论,确定了影响重复压裂选井选层的主要因素,建立了选井选层模型。研究结果表明,应用灰色系统理论方法可综合考虑多种影响因素,并对其进行量化,确定出这些因素对压后效果的权重影响,增加了决策的科学性;建立的BP神经网络模型能够自组织、自适应地解决复杂的非线性问题,增加了重复压裂选井选层预测结果的可信度;应用遗传算法及自适应学习效率法对模型进行了改进,提高了网络的学习效率和精确度。本模型对现场实际施工有一定的指导作用。     

重复压裂候选井多级模糊决策方法

重复压裂是油气田开采后期增产稳产的一个重要措施。但是,目前的重复压裂效果不很理想,具体表现在：压裂后增产幅度小,含水上升,产量递减速度快,有效期短,有效率低。因此有必要对重复压裂候选井进行优选。而影响重复压裂效果的因素众多,可以分为：地层物性、产能、原油物性、工程因素四大类。而每一大类中又可细分为很多影响因素。因此,常规的单一目标函数方法不能用于该类问题。将系统工程理论中的层次分析法和多级模糊决策方法结合起来并应用于重复压裂候选井的评判上,对中原油田的7口井进行了优选。实践表明：该方法克服了以往重复压裂候选井选层的盲目作法,并且综合考虑了候选井的多个影响指标,因而更加合理。     

模糊分析方法在大牛地气田优选压裂酸化井层中的应用

针对目前大牛地气田压裂酸化选井方法的经验性、盲目性,借助现代数学方法—模糊数学和系统工程层次分析原理,考虑影响选井选层因素的复杂性和不均衡性,将各因素按其在不同层次上对事物的影响程度分类,然后确定各因素最终的权重,形成了一种压裂酸化选井选层的模糊分析方法。应用该方法对大牛地气田的5口井进行了实例计算,优选出最适合压裂的井,符合现场施工实际,计算简单、方便,具有一定的现场实用价值。     

用综合评判方法优选压裂井层

采用模糊综合评判方法，全面考虑了影响压裂效果的多种因素，求解了压裂过程中的选井选层问题。针对各种影响因素，在大量数理统计和理论求解的基础上，给出了可靠的权重和等级划分，建立了相应的数学模型和求解模型，对油井（层）是否可采取压裂措施作出定量判断。经用文南油田实际数据进行计算验证，该方法实用可行。     

多地质因素的勘探目标优选——人工神经网络法与多元回归分析法比较研究

将人工神经网络法及多元回归分析法分别用于优选预测库车坳陷北带圈闭的勘探目标,结果发现人工神经网络法远比多元回归分析法优越.其根本原因是圈闭的优劣与其相关地质因素之间存在着一个复杂的非线性关系,人工神经网络法所描述的多因素关系恰是非线性的,而多元回归分析法只能描述线性关系.因此,当描述多个地质因素的复杂关系时,应提倡采用人工神经网络法.当然,多元回归分析法也具有人工神经网络所不具备的计算速度快、能较好地表达圈闭优劣与其相关地质因素之间亲疏关系的优点,可作为辅助应用.     

重复压裂选井选层的小波神经网络研究及应用

重复压裂选井选层需要综合考虑地质特征、油气藏特性、物性参数、测试和生产数据等多种影响因素,难以用传统的数学方法来描述这些参数间的高度非线性映射关系。而以往对重复压裂选井选层的相关研究大都是以BP-神经网络为基础建立模型,但因其算法收敛速度慢、抗干扰能力差等缺点,在应用上受到了一定限制。本文首次将小波神经网络引入重复压裂选井选层,并应用灰色理论进行了参数优选,建立了重复压裂选井选层的小波神经网络模型(该网络模型具有一致逼近和L2逼近能力,以及较强的抗干扰能力),然后在此模型基础上给出了相应的求解算法。最后在现场应用收到了良好的效果,证明了该方法的可靠性与可行性,对重复压裂选井选层有重要的指导意义。     

两种神经网络方法在岩性识别方面的应用

人工神经网络近年来发展十分迅速,因其自身理论方法的不同,在解决各种工程问题上都有别于其它方法,有其独特的成效。本文应用BP网络和RBF网络于石油测井解释中的岩性识别方面,分析了其预测效果,以及网络的构建方法及应用范围。得出两种网络在岩性识别方面上具有的简单实用价值。     

BP神经网络在致密砂岩储层识别中的应用

川西须家河组地层岩性复杂,属于超致密低孔渗储层,所以储层识别是该地层天然气勘探中所面临的关键问题和难点之一。针对常规储层识别准确率不高的状况,提出利用BP神经网络进行储层的气水干层识别,利用模糊聚类和产层测试结果标定建模样本,采取随机抽样形成建模集与测试集,建立BP神经网络模型对23口井的储层进行气水干层预测,正确率达77.9%以上,明显提高了该地区的测井解释精度,并提供了一种准确率较高的储层预测方法。     

概率神经网络技术在油气藏物性参数预测中的应用

通过实例介绍了利用一种概率神经网络技术预测储层物性参数的方法。该方法克服了传统方法的某些局限性 ,预测储层物性参数时不需要地震子波 ;而是直接建立测井曲线和地震属性的关系 ,用相关系数衡量目标测井曲线和地震属性之间的相似性 ;用逐步递归法选取最佳属性 ;用交互验证法监视所选属性的可靠性     

浅析人工神经网络在石化企业中的应用及发展趋势

人工智能领域的前沿技术——人工神经网络,在石化企业生产运行中得到了广泛应用。介绍了人工神经网络技术的基本原理和算法分类,阐述了人工神经网络在石化企业操作优化、故障诊断、节能减排、安全预警和数据预测等方面的应用进展,分析了石化企业应用人工神经网络的关注重点,展望了该技术在石化企业中发展趋势。     

人工神经网络在近红外分析方法中的应用及深色油品的分析——人工神经网络-近红外分析方法快速测定原油馏程

采用近红外分析方法测定原油馏程性质，比较了人工神经网络，主成分回归和偏最小二乘法的校正结果，认为对于组成变化比较复杂的原油，采用人工神经网络方法能够得到较好的建模效果，对验证集的测定结果表明，近红外分析方法与所用参考分析方法（气相色谱模拟蒸馏）测定的原油馏程结果之间没有显著性差别，二者测定结果的差值在参考方法ASTM D5307的再现性范围内，说明以人工神经网络为校正方法的近红外分析方法可以用于原油馏程性质的快速测定，其单次测定只需大约10min.     

GA—BP人工神经网络应用于海底腐蚀管道极限承载力的研究

提出了将有限元方法、BP人工神经网络和遗传算法结合的一种新的腐蚀管道极限承栽力计算方法,研究结果表明,该方法预测结果不但满足工程精度要求,而且方便省时。     

制氢工艺水碳比神经网络模型研究

根据南京炼油厂制氢车间的生产数据,用人工神经网络(ANN)的反向传播(BP)算法对制氢装置转化生产中的水碳比进行预测。提出了适宜的人工神经网络拓扑结构,讨论了BP算法中学习速率、动量系数及过拟合现象对网络的影响,通过生产数据的检验表明,ANN方法能准确地关联和预报制氢装置转化生产中的水碳比,水碳比预测平均相对误差为2．83％。     

应用人工神经网络模型进行油层孔隙度、渗透率预测

本文提出了应用神经网络模型，根据测井曲线进行储层物性参数（孔隙度、渗透率）预测的方法。研究结果表明，这是一种可行的方法。