基于人工神经网络的注水开发油藏产量预测

• 作者: NEGASH Berihun Mamo YAW Atta Dennis
• 来源期刊: 石油勘探与开发
• 学科: 工学
• 关键词: 人工神经网络 机器学习 特征提取 贝叶斯正则化算法 产量预测 注水开发
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 油气田开发
• 页码范围: 357-365
• 页数: 9页
• 分类号: TE328
• 字数: 6667字
• 语种: 中文
• DOI: 10.11698/PED.2020.02.14

摘要

针对传统注水开发油藏产量预测方法存在的问题,提出了基于人工神经网络的预测模型,阐述了模拟工作流程,并进行了算例分析.提出了基于流体物理学和测量数据随机组合的特征提取方法,以提高模型的预测效果.优选贝叶斯正则化算法作为模型的训练算法,该算法一般耗时较长,但能对产油量、产气量、产水量等嘈杂数据集进行良好泛化.通过计算均方误差及决定系数、绘制误差分布直方图及模拟数据-验证数据交会图等方式进行模型评价.用90％的历史数据训练、验证、测试目标模型结构,然后用其余10％数据进行盲测.研究表明,提出的流体产量预测模型决定系数超过0.9,模拟结果与实际数据吻合程度高,输入信息少,计算成本低.