20块原油产量神经网络预测.ppt
辽河兴隆台马20块原油产量的神经网络预测,学 生：张 阳 阳,2.马20块的地质特征,3.BP神经网络原理,4.BP神经网络仿真分析,5.结论与认识,1.论文的目的及意义,汇报内容,1,1.课题的目的及意义,在油田开发中，确保高产稳产，是油田开发生产的中心任务。如何对油田的未来产量等进行有效、准确的预测，并以此为依据，指导油田的整体开发，对于油田开发方案的合理编制以及经济效益的提高都具有十分重要作用。本文以辽河兴隆台马20块的地质特征为例，采用BP神经网络模型，对非线性、不确定和开发特性的多变量系统原油产量进行预测，目的是能进行简便、快速、精度高的预测方法。,2,1.课题的目的及意义,BP神经网络预测比一般技术具有如下优点：,3,BP神经网络比一般技术的优点,自学习能力,实现任何复杂非线性映射功能,不需要进行模拟实验,推广、概括能力,汇报内容,4,2.马20块的地质特征,3.BP神经网络原理,4.BP神经网络仿真分析,5.结论与认识,1.课题的目的及意义,2.1地质特征2.2原油产量影响因素,2.1地质特征,马20块油层为一套近物源，短河流，沉降速度快的扇三角洲前缘沉积体系。该断块含油面积4.1km2，油层有效厚度32.2m，地质储量1160104t，油层埋藏深度为21502300m。马20区块原油性质较好，其特点是比重低、粘度低、凝固点高、含蜡量高。,5,2.1地质特征,该区块为S1下储层物性较好，为高孔高渗透层。孔隙度平均21.6%，空气渗透率平均为277010-3 m2。该块S1下油层岩性为粗粒砂岩、含砾砂岩、砂砾岩与深灰、灰绿色泥岩夹钙质页岩组合，是一套粗碎屑为主的沉积。,6,2.2原油产量影响因素,原 油 产 量,含水率,油气比,采油速度,静压,动液面,开油井数,膨胀石油体积、降低液柱压力、易自喷,P油P水，油井含水正比于产油量，反之,年产油与地质储量比值,分析油层产能重要措施,打开产油井数,增高泵的充满程度、增大泵效、增加产量,7,汇报内容,8,2.马20块的地质特征,3.BP神经网络原理,4.BP神经网络仿真分析,5.结论与认识,1.课题的目的及意义,3.1BP神经网络结构3.2BP神经网络算法,3.1 BP神经网络结构,BP网络是一种具有三层或三层以上的神经元的神经网络，包括输入层、中间层（隐层）以及输出层。BP神经网络是前向网络的核心部分，体现了神经网络中最精华、最完美的内容。BP网络结构简单，可调参数多，训练算法多，可操控性好，BP神经网络获得了广泛的应用。,9,3.1 BP神经网络结构,BP算法的基本思想是学习过程有信号的正向传播和误差的反向传播两个过程组成如左图：,Y,X1,X2,Xn,正向传播,反向传播,Xi,10,输入层,输出层,中间层,3.2 BP神经网络算法,3.2 BP神经网络算法,汇报内容,2.马20块的地质特征,3.BP神经网络原理,4.BP神经网络仿真分析,5.结论与认识,1.课题的目的及意义,4.1BP网络程序4.2预测原油产量分析4.3影响因素分析,13,4.1 BP网络程序,通过查找资料，根据学者经验和公式确定网络结构为6101的模式。程序如右图：,P=p1 p2 p3pn;T=t1 t2 t3tn;net=newff(minmax(P),6,10,1,logsig,logsig,logsig,traingdm);net=init(net);net.trainParam.epochs=10000;net.trainParam.goal=0.001;net=train(net,P,T);A=sim(net,P);E=T-A;MSE=mse(E);P_test=P1 P2 P3Pn;Out=sim(net,P_test),14,4.2 预测原油产量分析,横轴训练步数，纵轴训练误差,TRAINGDM,Epoch 9075/10000,MSE 0.00100263/0.001,Gradient 0.00464846/1e-010TRAINGDM,Epoch 9088/10000,MSE 0.000999826/0.001,Gradient 0.00463684/1e-010TRAINGDM,Performance goal met.out=6.3752 7.0785 6.9427 6.6351 6.2340 5.8984,训练结果图,15,4.2 预测原油产量分析,实际产量6.42 6.99 6.85 6.49 6.08 5.71,预测产量6.3752 7.0785 6.9427 6.6351 6.2340 5.8984,16,0.0448,0.1884,4.3 影响因素分析,预测原油产量随着油气比平缓减小而后迅速减小，总的说随增加而减少的，并且一个油气比对应一个原油产量，说明影响原油产量。,预测原油产量与油气比关系图,17,4.3 影响因素分析,预测原油产量与采油速度关系,预测原油产量随采油速度增加而增加，并且是一一对应的关系，说明采油速度影响着原油产量。,18,4.3 影响因素分析,静压与油井生产时测得的流压差值为生产压差。某一方面P生产压差越大，产量越多。基本上预测产量随着静压的增大而增大。,预测原油产量与静压关系图,19,4.3 影响因素分析,含水率是油藏动态分析、注采井组分析重要指标。预测产量在单一含水率影响下，随着其增加基本上降低趋势，说明此时P油P水。,预测原油产量与含水率关系图,20,4.3 影响因素分析,通常情况下动液面越高，泵的充满程度也越高，泵效越高产量越高，预测产量基本上随着动液面增高而增大趋势。,预测原油产量与动液面关系图,21,4.3 影响因素分析,预测产量基本上随着开油井数的增加而增大，开油井数在一定范围内影响产量。,预测原油产量与开油井关系图,22,汇报内容,2.马20块的地质特征,3.BP神经网络原理,4.BP神经网络仿真分析,5.结论与认识,1.课题的目的及意义,23,5 结论与认识,神经网络是一种非线性的动态模拟，不需要进行模拟实验就可以预测原油产量，并且适应强，预测辽河马20块从2005年至2010年的原油产量与实际产量的最大误差为0.1884，最小为0.0448。BP神经网络比一般技术精度高，在实际预测中只需要记录数据，方便、快捷。,24,5 结论与认识,根据马20块地质特征总结的影响因素，经过BP模型，得出训练图中随预测原油产量变化而变化，在一定范围内各个因素影响着原油产量，与预先理论估计一样，可进行含水率、压力等预测。通过二者对比的误差(0.0448,0.0885,0.0927,0.1451,0.154,0.1884)可看出随着预测时间增大，误差越大，BP模型短期训练精度高；模型规模和算法如层数、节点数、激发函数确定，得需经过多次训练，找到适合变量。,25,汇报完毕,谢 谢,
