基于灰色网络组合优化的年增油量预测

• 作者: 乐平 刘浩瀚 殷艳玲 闵令元 颜永勤
• 来源期刊: 西南石油大学学报（自然科学版）
• 学科: 工学
• 关键词: 措施有效井 年增油量 灰色预测 BP神经网络 最优控制
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 油气田人工智能技术与应用专刊
• 页码范围: 89-96
• 页数: 8页
• 分类号: TE121.1
• 语种: 中文
• DOI: 10.11885/j.issn.1674-5086.2020.06.05.01

摘要

老井措施增油成为油田稳产、降低油田区块开发成本的必然选择.针对多项式回归预测的局限性、灰色理论不能反映影响因素特征、神经网络需求数据多且数据敏感性差等特征,通过建立最优控制模型,实现GM(1,1)灰色理论与神经网络的高精度组合预测.以某油田区块2011-2018年的措施增油为例,对影响措施增油量的因素进行识别,建立了最优控制灰色神经网络模型对老井措施年增油量进行预测,相比多项式回归预测、GM(1,1)预测及BP神经网络预测方法,新模型模拟效果更好,预测精度更高.新方法对2018年措施年增油量的预测精度达97.34％.基于最优控制的灰色神经网络模型可以作为一种人工智能组合最优化模型预测措施年增油量,为准确预测措施增油效果,指导油田开发决策提供了新的思路.