CNN算法的损失函数优化及在低信噪比资料中的应用

深度学习CNN算法的核心之一是其利用损失函数完成反传机制达到各层网络之间的优化,因此,不同的损失函数及反传机制带来训练阶段人工神经网络模型不同的网络优化效果,其影响了机器学习算法的泛化能力及预测效果。基于此,文中提出了一种改进的带惩罚系数的损失函数,解决了在断层识别问题中因正负样本的数量高度不均衡导致的网络朝着错误方向收敛的问题。将其用于网络中指导训练,通过不同损失函数下的网络模型对理论数据和实际数据的识别结果,证明了这种方法的有效性和适用性。在低信噪比资料中的断层识别中,这种改进的优化网络,能够得到更稳定和更可靠的断层识别结果,为研究区潜山内幕小断层及断缝系统识别提供一种高效可靠的方法技术。     

变异函数在井间砂体预测中的应用

应用变异函数探讨了砂体的定量预测问题.通过对北二东密井网试验区不同类型砂体、不同井网密度砂岩厚度的预测,检验了此方法的精度(为70%左右).在原方法的基础上,通过对预测精度的分析并结合精细地质研究进一步完善了该方法,提出二次建模法并应用于北二东西块聚驱井的砂岩厚度预测中,预测精度可提高5%以上,从而说明应用变异函数研究砂体的定量预测问题具有可借鉴性,可以为今后新井调整厚度的预测及砂体描述提供依据.     

径向基函数神经网络在孔隙度预测中的应用

利用径向基函数神经网络对新疆乌尔禾地区三叠系白口泉组储层孔隙度进行预测,取得了较好的效果。对比分析结果表明,径向基函数神经网络预测结果较BP神经网络以及线性回归法预测结果精度高。阐述了应用中应该注意的问题。     

井间参数预测中的实用变异函数拟合方法

从实用性的角度出发,以球状模型为基础,构造了一个至多五结构的二维变异函数。适当调整它的有关参数,可在计算机上快速地数值拟合已知井点所反映出的变异函数离散值。拟合所得到的解析变异函数用于井间地质参数的Kriging[1]插值估计中,得到了具有较好符合度的预测结果。     

双参数填充函数及其在测井优化解释中的应用

笔者曾对单参数填充函数及其在测井最优化解释中的应用进行过讨论,并根据试用结果指出了单参数填充函数存在着不能有效地提高寻优速度的问题。本文介绍双参数填充函数的建立及其在测井最优化解释中的应用。计算结果表明,双参数填充函数除具有单参数填充函数的基本性质与功能(求出多值目标函数的全局最优解)外,明显提高了寻优收敛速度。     

预测函数控制在焦化加热炉氧含量控制中的应用

针对传统控制燃烧热效率低下的情况，设计了预测函数控制加前馈控制的焦化加热炉氧含量先进控制系统，利用预测函数控制实时跟踪由专家系统给出的氧含量优化设定值曲线，以维持氧含量的平稳，利用前馈补偿使得进入炉内的燃料量和空气量保持一定的比例，从而改善了加热炉的燃烧效果。实际工业应用表明该系统优于传统的手动调节和常规控制。     

提高数据模型预测效果的新方法及其在蜡油加氢脱硫中的应用

对于蜡油加氢工业装置而言,当原料发生较大变化时,即使操作人员进行相应的调整,也容易出现精制蜡油中硫含量超标或者过低的情况,这些数据点(边际点)虽少,但极重要。由于统计模型的固有缺陷,边际点的预测成为难题。研究提出两步法来解决这一问题,首先,建立精制蜡油硫含量异常点判定新方法,剔除异常点;其次,保留所有硫含量边际点,从正常范围点中随机抽取数据,将边际点数据量与正常范围点数据量之比(边际点/正常点)从1/9改变为2/8和3/7,使其更符合统计模型的预测特点。与边际点/正常点为1/9的模型相比,边际点/正常点为2/8和3/7的模型对测试集中硫质量分数的平均绝对误差分别缩小了35.97和57.95 μg/g,相对误差分别缩小了0.95和1.6百分点,解决了统计模型对少数边际点预测效果差的问题,提高了统计模型的泛化能力。     

支持向量机方法在储层预测中的应用

传统储层预测学习方法大都基于经验风险最小化准则，预测效果不理想。而基于结构化风险最小化准则的支持向量机方法，通过对推广误差（风险）上界的最小化达到最大的泛化能力和全局最优，具有可靠的预测能力。对支持向量机法的方法原理，即非线性模式识别法和非线性函数估计法进行了讨论，并采用不同的样本数，将其与神经网络法作对比，结果表明，2种方法的训练结果精度都较高，但对sinc函数的估计结果，支持向量机法更可靠。在胜利油田某区块应用了向量机法，以地震波波形作为输入向量进行了砂体孔隙度和含油性预测，预测结果与已知结果吻合较好。     

径向基函数神经网络在启动压力梯度预测中的应用

启动压力梯度直接影响着低渗透油田的开采量以及油藏压力的预测精度。它与流体粘度、密度、渗透率、孔隙度等影响因素呈非线性关系。而人工神经网络具有表示任意非线性关系和学习的能力，是解决复杂非线性、不确定性和时变性问题的新思想和新方法。利用径向基函数(RBF)人工神经网络对启动压力梯度进行预测，并结合岩心的启动压力梯度的实际测定结果进行研究，结果表明：RBF人工神经网络是一种较为有效的预测方法，具有较高的精度．该方法可以为低渗油田的开发提供可靠的基础数据，节省了人力、物力。     

对《预测油气田产量的一种新模型》一文的质疑

产量预测是油藏工程研究的核心问题之一,而简单、实用、可靠的预测方法也一直是人们追求的目标。《预测油气田产量的一种新模型》一文提出了Wang-Li产量模型,又相继在专著中对此模型广为介绍。但研究表明,Wang-Li产量模型存在着数学原理错误,严格地讲是不能成立的,原文作者给出的应用实例结果也是不可信的。为使预测研究深入发展,将一些有针对性的看法整理成文,以期引起业内人士的关注。     

预测油气田产量的一种新模型

在研究以往产量预测模型的基础上，提出了一种新的油气田累积产量增长率微分方程，并由该方程得到了预测油气田年产量、累积产量和可采储量的具体方程。与逻辑斯蒂和胡-陈-张等数学模型比较，该模型的特点是同时考虑了开发时间和地下剩余可采储量对累积产量增长率的影响，从而使模型结构更加严谨、变量之间的相关程度更加显著。该模型可以对油气田开发全过程，其中包括产量上升、达到高峰与产量下降阶段在内的整个开发指标进行拟合与预测。其精度要高于其它各种模型，具确推广价值。     

准噶尔盆地稠油油藏产能预测新方法

对克拉玛依油田西北缘21个稠油层块的原油粘度、有效厚度、孔隙度、渗透率、含油饱和度、油藏埋深和注汽量等7 项参数与产能之间的灰色关联度进行了分析, 指出各参数与产能具有较好的关联度。它们之间存在着复杂的非线性关系。在此基础上, 应用柯布-道格拉斯方程成功拟合了二者关系, 建立了基于油藏地质参数直接预测稠油产能的产能方程, 应用该方程对克拉玛依油田3个稠油层块进行了产能预测, 取得效果良好。     

聚合物驱产量预测的组合优化模型

选择了14个非线性模型建立模型库,并根据这些模型在一段时间内的预测误差分析,选取最优的非线性模型。采用了一阶指数平滑模型、神经网络模型进行聚合物驱产量的预测和比较分析;引入了目标函数的评优算法来确定前述的预测方法的最佳组合策略。结果表明,神经网络模型和组合优化模型的预测结果都能较好地逼近实际曲线,在绝大部分区段优于非线性优化模型和一次指数平滑模型的预测结果。这是因为这两种模型都综合考虑了多种产量影响因素,使预测结果更符合实际聚合物驱开采规律;而组合优化预测模型是建立在最大信息利用的基础上,它集结了单一模型所包含的信息,有着更好的预测效果。     

新型预测地层破裂压力模型及其应用

新的预测地层破裂压力模型与国内外现有的模型不同,它是采用静力学分析建立的;考虑了上覆岩层压力、地层孔隙压力、构造应力和岩石抗拉强度等因素对地层破裂压力的影响。但是,必须将动态弹性参数转换成静态弹性参数,才能用测井资料估算地层破裂压力。     

地质统计学方法在储层预测中的应用--以莫北油气田莫北9井区为例

本文通过对储层参数的预测,肯定了地质统计学方法即克里金技术比传统的数理统计方法具有优越性,在油气田勘探开发中利用地质统计学方法指导实际生产工作,取得了成功,带来了很好的经济效益,显现了该技术的应用前景.     

一种预测聚合物驱开发动态的模型

在分析聚合物驱与水驱驱替机理差异的基础上,对水驱预测的经验公式进行改进,建立了适用于聚合物驱的预测模型。预测模型可考虑聚合物溶液黏度、注入PV数及最大残余阻力系数等参数对聚合物驱效果的影响。预测模型预测大庆喇南和喇北东块的聚合物驱含水率曲线与实际含水动态吻合,预测提高采收率误差小于8%,结果可靠。预测模型所需参数简单、计算简便,可用于聚合物驱动态预测、效果评价及潜力分析。     

老井重复压裂后产能预测新模型及其应用

致密油藏由于其自然禀赋较差,需要对已压裂过的层段进行二次或更多次压裂,才能维持期望的产量。在重复压裂期间,漏失的部分压裂液会通过渗吸作用将储层中的致密油置换出来,从而提高采收率。目前,考虑渗吸作用对产能影响的研究较少。文章将致密油井控制区域划分为三个渗流区域,基于达西定律,以渗流力学理论为基础,考虑启动压力梯度、重力和毛管力的作用影响,建立了考虑渗吸作用的致密油藏老井重复压裂后产能预测新模型;选取某地区致密油储层10口重复压裂井进行单井产能计算,计算结果与实际生产结果较接近、误差较小;渗吸作用对油井产能影响比较大,渗吸占比在2.97%～12.77%之间,平均值为6.87%。本文研究结果为致密油压裂后产能预测和压裂效果评价提供了参考。     

模糊逻辑和神经网络及其在含油饱和度预测中的应用

对人工智能技术在油田开发中的应用做了简要回顾.介绍了模糊逻辑理论中的模糊排队算法和人工智能中的BP神经网络模型.将模糊排队算法和BP神经网络相结合,以新疆油田某井的实际测井曲线为例,用模糊曲线分析方法确定全局相关性强的输入变量(测井曲线),建立BP神经网络含油饱和度预测模型,并对含油饱和度做了预测,利用模型的预测结果和计算值相比较具有较高的吻合度,证明该方法在实际储层参数预测中具有良好的实用性.     

产能预测、试井设计参数优选方法

以科学编制试油地质设计、取全取准试油资料为目的,统计整理了1990年以来的探井资料600多层30余种数据,主要应用了大庆探区已有的岩心、井壁取心、钻井液、钻时、测井及试油等技术,根据以上各种技术所取得的参数及试井软件解释得到的地层参数之间的相关性,建立了产能预测、试井设计参数优选动态方法及图版,通过现场应用,取得了较好效果。