以相对渗透率预测器为基础的人工神经网络

• 作者: 汪先珍
• 来源期刊: 石油石化节能
• 关键词: 人工神经网络 多相流 岩石特性 流体性质 相对渗透率 模型研究
• 年，卷（期）: 2005,（4）
• 所属期刊栏目: 计算机应用
• 页码范围: 26-30
• 页数: 5页
• 分类号: TP3
• 语种: 中文
• DOI: 10.3969/j.issn.2095-1493.2005.04.009

摘要

相对渗透率是多相流油藏中复杂而又重要的岩石-流体性质.实验室用油藏取心测量相对渗透率是一项复杂、费时、劳动强度大的工作.以岩石和流体性质为基础的相对渗透率的数学模拟取得的成果有限,因为我们无法模拟地层非线性控制机理.人工神经网络(ANNs)提供了一个潜在的途径使控制机理与参数在模型中巧妙地结合起来,该模型可作为预测相对渗透率的有效工具.本文描述的方法使人工神经网络在测定两相(油、水)相对渗透率方面发挥了独特的作用.人工神经网络是进行非线性、多维内插法处理的通用近似法.在人工神经网络模型研究阶段,从文献资料中收集了大量的油-水相对渗透率数据组来建立模型.在人工神经网络结构中,显然只有容易得到的岩石和流体性质(终点饱和度、孔隙度、渗透率、黏度和界面张力)已建立起来.模型的预测能力用经验数据集检验,而不用建模时的数据集,结果与实验报告数据非常吻合.推荐模型对几个油藏性质表现出敏感性.推荐的人工神经网络模型具有动态建模基础,使之推广到新数据集成为可能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	汪先珍	江汉油田分公司勘探开发研究院	10	16	2.0	3.0