利用神经网络预测储层孔隙度

储层孔隙度是评价储集层油气储量的重要参数之一.基于神经网络的LM算法预测储层的孔隙度主要步骤包括样本的选取与预处理,网络结构的设计,基于Matlab神经网络工具箱编程实现的LM算法的网络训练,声波孔隙度预测.经与BP算法比较,该算法迭代速度快且计算精度高.     

基于机器学习算法的水驱储层相渗曲线仿真预测

相渗曲线是油气田开发研究中的一项重要基础资料。采用常规室内实验法获得相渗曲线费用昂贵且耗时,测试样品少,难以代表整个油藏的特征;经验公式法估算获得的结果精度低且误差大。为了实时、准确获得水驱储层相渗曲线,采用机器学习算法进行仿真预测。通过测井参数敏感性分析,融合相渗曲线数据,构建水驱储层相渗曲线仿真样本集。在此基础上,优选机器学习算法进行地质因素约束优化以及曲线端点约束优化,实现相渗曲线智能可视化生成。研究结果表明：该方法能实现每口井每个层段的相渗曲线预测,预测精度大于90%,能准确反映油藏渗流特征和储层渗透率变化规律,具有较高的实际应用价值和良好的推广应用前景。     

利用神经网络从三维地震资料预测储层孔隙度

常规用于估计孔隙度的外延技术，在非均质区域内，是不准确的。利用来自三维地震资料的振幅信息能够生成孔隙度图件，并且能够分解小规模的井间非均质性。储层的地震模型是确定预计的井间变化的数量和规模的一个主要因素。通过利用测井曲线孔隙度资料和三维地震资料训练向后传递神经网络，可以获得孔隙度图件。随后，利用训练后的网络预测每个ＣＭＰ位置的孔隙度数值。利用这种技术生成的孔隙度图件目前在蒙大拿中部－北部的Ｒａｂｂ     

利用相渗曲线预测油井流入动态的新方法

近年来，越来越多试井资料证实，注水保持压力开发的油田，当井底流压低于饱和压力后，流入动态曲线向压力轴偏转并出现最大产量点。经研究，提出了一种利用相渗曲线预测油井气液两相流入动态的新方法，考虑了低渗透油藏启动压力梯度和油井井底出现气、液两相流动的影响，从理论上解释了上述实际问题，可用来确定油井最低允许流动压力和启动生产压差，预测不同含水、不同流动压力下采油井的产量。     

双重神经网络预测储层及油气

由自组织神经网络和ＢＰ网络组成的双重神经网络，能够克服各自单独使用的局限性，可在复杂地区进行储层及油气预测。在ＢＰ网训练时，采用同伦学习算法，可得到全局最优解，且收敛速度很快。实际应用表明，在用自组织神经网络或ＢＰ网络不能进行储层及油气预测的地区，采用双重神经网络能取得很好的效果。     

利用RBF神经网络自适应调整算法预测储层产能

传统径向基(RBF)神经网络的基函数宽度值都由经验公式确定或人为选取,没有考虑误差分布情况,所以在应用中常常效果不够理想。为此本文以最近邻距离算法为基础提出一种改进的RBF神经网络算法,能够自适应地调整基函数中心点宽度值以达到高精度、快速逼近样本的目的。在石油储层产能的预测中,首先对样本信息进行属性约简、预处理;然后在网络学习训练中通过计算输入样本的RBF神经网络的中心点值,再确定RBF神经网络基函数的宽度值,直到满足系统精度为止;最后用训练好的网络来进行储层产能预测。仿真结果表明,改进的RBF神经网络算法应用效果显著,不仅比传统RBF神经网络算法拟合精度高,而且收敛速度快。     

油水相渗曲线归一化新方法研究

由于油藏非均质性的影响,单个岩心的油水相渗曲线并不能代表整个油藏或区块的水驱渗流特征。为了获得具有代表性的油水相渗曲线,通常的做法是将渗透率相近的岩心的油水相渗曲线进行归一化处理。针对现有归一化处理方法的不足,本文提出一种油水相渗曲线归一化的新方法。首先将油(水)相对渗透率和含水饱度标准化;然后采用单调保形插值拟合;在插值拟合的基础上,利用BP神经网络计算归一化的油水相渗曲线。该方法得到的归一化油水相渗曲线更接近平均化的相渗曲线(实测曲线束中部),因此更能代表整个油藏或区块的水驱渗流特征,同时为后续的油藏数值模拟、动态分析、参数计算等提供更可靠的相渗资料。     

基于BP神经网络的分层相控碳酸盐岩储层渗透率预测方法

碳酸盐岩储层受成岩作用影响大,孔隙-喉道结构复杂,孔隙度—渗透率相关性较低,渗透率预测难度较大,常规以线性关系为主的预测方法结果不理想。提出了基于BP神经网络的储层渗透率综合预测方法,可以有效预测碳酸盐岩储层渗透率。方法主要分3步。首先对岩心数据和测井数据进行质量控制;然后结合地质特征,优选预测测井曲线参数和神经网络模型的参数,建立预测模型;最后综合多来源资料,进行预测结果质量控制。将该方法应用于中东地区碳酸盐岩A油藏,渗透率预测结果较好。碳酸盐岩储集空间复杂,孔、洞、缝均发育,岩心塞的渗透率测量只能代表局部位置,而试井资料的动态有效渗透率测量范围较大,可以体现储集空间特征,加之储层黏土矿物含量低,不存在储层敏感性问题和各向异性较弱等因素,最终导致试井动态渗透率数值一般高于岩心渗透率。     

利用动态数据计算相渗曲线的新方法

相对渗透率资料主要由实验测定,针对因地层非均质性使得岩心无法反映油田整体状况、取心污染使实验测定的相对渗透率存在误差等问题,利用油水相对渗透率关系和含水率与地下水油比关系,运用最小二乘法进行曲线拟合,得出一种利用油田动态数据计算相渗曲线的简捷、方便、应用广泛的新方法。通过实例分析可知,该方法较实验室测定的相对渗透率资料更能反映油田的整体特性。     

模糊神经网络预测储层及油气

利用模糊理论和 BP网络相结合组成的模糊神经网络系统 ,能够克服单独使用 BP网络的局限性 ,可在地质条件较复杂地区进行储层及油气预测。通过实际资料应用表明 ,在单独应用 BP网络进行储层及油气预测效果较差的地区 ,采用模糊神经网络能取得较好的效果。     

聚合物驱相对渗透率计算的微观模拟研究

聚驱相对渗透率曲线是油田聚驱开发指标计算和预测的重要资料。文中建立了基于油水两相流的三维准静态孔隙网络模型,模拟了以Carreau 模型为基础的黏弹性聚合物驱微观渗流过程。用孔隙网络模型模拟了水驱、聚驱的渗流过程,得到了水驱和聚驱的相对渗透率曲线,计算结果与实验结果的变化趋势相吻合,验证了采用孔隙网络模型预测聚驱相对渗透率曲线的有效性。结果表明：孔隙网络模型能充分体现毛管压力的作用,在相同水饱和度下,聚合物驱的相对渗透率低于常规油/水的水相相对渗透率,聚合物驱残余油饱和度比常规水驱低,说明采用孔隙网络模型模拟聚驱相对渗透率曲线具有可行性。     

特低渗透油田相对渗透率曲线测试新方法

以华北油田特低渗透岩样为例,利用低磁场核磁共振仪,并依据低渗透物理模拟实验,建立了特低渗透油田相对渗透率曲线测试新方法。并对不同渗透率条件下T₂几何均值与驱油效率的关系研究表明,与常规相对渗透率曲线测试方法相比,特低渗透油田相对渗透率曲线新测试方法能比较准确地测试了束缚水饱和度和残余油饱和度。渗透率与T₂几何均值、渗吸效率、驱替效率和总的驱油效率的相关关系较差,T₂几何均值与可动流体百分数、渗吸效率、驱替效率和总的驱油效率有很好的相关性。     

应用改进的BP人工神经网络快速预测储层敏感性

标准的神经网络算法存在训练时间长，在一些特定的给定初值情况下会陷入局部最小等缺点，应用受到一定限制。该文介绍了改进的BP人工神经网络训练算法，该算法在一个权值修改过程中对权值修改两次，以达到加速收敛避免陷入局部最小等目的，利用该算法进行了储层敏感性快速预测软件研制。分析表明，该算法受人为因素干扰小，所需参数少，结果比较可靠，总体符合率达到91％，改进后的算法训练所需时间与标准BP网络相比缩短了许多，是一种适用于现场的良好方法。     

裂缝性碳酸盐岩油藏相对渗透率曲线

裂缝油水相对渗透率曲线的研究对指导裂缝性油藏注水开发起至关重要的作用。笔者应用某碳酸盐岩油藏天然岩心进行油水相对渗透率实验,对基质岩心进行造缝,对比了造缝前后的岩心相对渗透率曲线形态的差别：造缝后油水相对渗透率曲线下降（上升）较快,残余油饱和度较大,且残余油饱和度下水相相对渗透率高,油水共渗区变窄,最终驱替效率变小;对同一块天然裂缝性岩心相对渗透率曲线的应力敏感特征进行了研究：随着围压增大,相对渗透率曲线的束缚水饱和度变大,残余油饱和度变化程度较小,等渗点下降,驱替效率变小。数值模拟计算结果显示,使用围压较大条件下的相对渗透率计算,含水率较低,在相同开发期限内阶段采出程度降低。     

低渗透砂岩油藏油水相对渗透率曲线特征

摘要方法综合分析我国十余个低渗透油藏的毛管压力曲线和相对渗透率曲线,Ｊ（Ｓｗ）函数及Ｗｙｌｉｅ和Ｇａｒｄｎｅｒ公式,求出不同渗透率油藏的理论相对渗透率曲线。目的总结低渗透砂岩油藏油水相对渗透率曲线特征,为其开发提供理论依据。结果低渗透油藏中孔隙度、束缚水饱和度、残余油饱和度及共渗点与储层渗透率有一定的关系,即随着渗透率的增大,孔隙度、束缚水饱和度增大,残余油饱和度减小,油水两相共渗区的范围变窄。结论低渗透砂岩油藏的油水相对渗透率曲线具有一定的特征,即随着含水饱和度的增加,油相相对渗透率急剧下降,水相相对渗透率变化不大。利用本文所采用的方法可为理论模型模拟计算（动态预测和储量计算）提供输入数据     

低渗砂岩储层水锁损害的灰色神经网络预测模型

基于灰色GM（O，N）静态模型和BP神经网络模型，提出了一种新的参数估算的模型即灰色神经网络模型来预测低渗砂岩储层的水锁损害。结果表明，用灰色神经网络模型来预测低渗砂岩储层的水锁损害是可行的。经验证，该预测模型具有规律性以及神经网络的高度非线性，其效果明显优于传统的回归分析，灰色GM（O，N）静态预测法和一般的神经网络法。     

用油水相对渗透率确定低电阻油层产液性质

进行高温高压条件下的岩电实验，建立含水饱和度模型以及用孔隙度和泥质含量求取束缚水饱和度的模型；对岩样油水相对渗透率实测结果进行多元非线性回归，建立油水相对渗透率计算公式；用油水相对渗透率确定低电阻油气层的产液性质。H油田油层电阻率低的主要原因是束缚水含量高、地层水矿化度高，计算这类低电阻油层含水饱和度时应使用高温高压岩电实验结果，用油水相对渗透率能较好地识别低电阻油层、划分油水界面。图5参9     

特低渗透岩心相对渗透率实验研究

室内实验结果表明,西部某油藏的特低渗透岩心油水相对渗透率曲线具有束缚水饱和度较高,残余油饱和度较低,油水两相流动区间范围宽的特点,且水相相对渗透率曲线形态分为直线型和上凹型2种形式,而且油水相对渗透率的比值与含水饱和度具有较好的指数关系模式,水驱曲线的驱替特征满足甲型水驱特征.