[發明專利]油藏開發效果預測模型的構建方法

有效

• 申請號: 201610187408.3
• 申請日: 2016-03-29
• 公開（公告）號: CN107239845B
• 公開（公告）日: 2021-06-15
• 發明（設計）人: 張慧;劉中春;呂心瑞;朱桂良;鄭松青;程倩
• 申請（專利權）人: 中國石油化工股份有限公司;中國石油化工股份有限公司石油勘探開發研究院
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06N3/08
• 代理公司: 北京聿宏知識產權代理有限公司 11372
• 代理人: 張文娟;朱繪

油藏開發效果預測模型的構建方法，該方法包括：步驟一，利用已知油藏開發數據對初始神經網絡進行K折交叉訓練，得到對應于K組驗證數據的K組網絡參數；步驟二，根據所述K組網絡參數和K組驗證數據，計算對應于K組驗證數據的K組誤差數據；步驟三，根據所述K組誤差數據計算各組網絡參數的權重，并根據所述權重對所述K組網絡參數進行加權平均，得到平均網絡參數，根據所述平均網絡參數確定出優化后的神經網絡，從而構建得到油藏開發效果預測模型。與傳統BP神經網絡算法相比，本方法能夠實現樣本的復用，其能夠充分利用有限的樣本數據，在不同角度實現訓練和估計。

技術領域

本發明涉及油氣勘探開發技術領域，具體地說，涉及油藏開發效果預測模型的構建方法。

背景技術

針對縫洞型油藏進入開發中后期的井，單井注水替油等改善開發效果的方法逐漸失效的現狀，礦場開展了單井注氣提高開發效果的試驗，并取得了一定的效果。截止到目前，沒有任何能夠定量預測縫洞型油藏單井注氣開發效果的方法。這導致不能對選擇哪些油井進行注氣提供較為準確的參考依據。

BP神經網絡是一種按誤差逆傳播算法訓練的多層前饋網絡，是目前應用最廣泛的神經網絡模型之一，被廣泛用作分類、聚類、預測等領域。BP神經網絡在預測油田酸壓效果、儲層產能、地層孔隙度、聚合物驅后增產效果等方面有過成功應用的先例。

然而，傳統的BP神經網絡每次都以隨機數作為網絡初值，不能記錄上次的計算成果，這導致了其訓練結果不穩定，不同訓練結果相差巨大。因此，傳統BP神經網絡需要大量的歷史數據作為支撐。如果訓練樣本數太少，則無法真實有效的刻畫訓練樣本的核心規律。目前縫洞型油藏實施單井注氣礦場試驗的時間短，井數較少，遠遠達不到傳統BP網絡所需的數據量。

發明內容

為解決上述問題，本發明提供了一種油藏開發效果預測模型的構建方法，所述方法包括：

步驟一，利用已知油藏開發數據對初始神經網絡進行K折交叉訓練，得到對應于K組驗證數據的K組網絡參數；

步驟二，根據所述K組網絡參數和K組驗證數據，計算對應于K組驗證數據的K組誤差數據；

步驟三，根據所述K組誤差數據計算各組網絡參數的權重，并根據所述權重對所述K組網絡參數進行加權平均，得到平均網絡參數，根據所述平均網絡參數確定出優化后的神經網絡，從而構建得到油藏開發效果預測模型。

根據本發明的一個實施例，對神經網絡進行K折交叉訓練的步驟包括：

將所述已知油藏開發數據劃分為K組，得到K組數據；

遍歷地將所述K組數據中的其中一組數據作為驗證數據，并將其他K-1組數據作為訓練數據，利用訓練數據對神經網絡進行訓練，得到對應于各組驗證數據的網絡參數。

根據本發明的一個實施例，初始神經網絡的網絡參數為隨機數。

本發明還提供了一種油藏開發效果預測模型的構建方法，所述方法包括：

步驟一，將第i循環的平均網絡參數作為第i+1循環中預設神經網絡的初始網絡參數，并利用已知油藏開發數據對預設神經網絡進行K折交叉訓練，分別計算得到第i+1循環中對應于K組驗證數據的K組臨時網絡參數和K組第一誤差數據；

步驟二，分別將第i+1循環中的K組第一誤差數據與第i循環中的K組第二誤差數據比較，依照比較結果從第i+1循環中的K組臨時網絡參數和所述第i循環中的K組網絡參數確定第i+1循環中對應于K組驗證數據的K組網絡參數；

步驟三，重復上述過程，直至滿足預設迭代終止條件，并根據迭代終止時的K組網絡參數和K組誤差數據計算迭代終止時的平均網絡參數，從而得到優化后的神經網絡，進而構建得到油藏開發效果預測模型。

根據本發明的一個實施例，根據如下表達式計算所述第i循環中各組網絡參數的權重數據：