应用神经网络预测调整井压力技术

论文摘要

钻井液是石油钻井的“血液”。正确合理的进行钻井液密度设计,对于安全钻井和保护油气层至关重要。现阶段随着油田开发的逐步深入,外围低渗透油田均已进入加密调整阶段,由于低渗透油田的地质特点,在设计钻井液密度过程中,按照大庆长垣内部调整井钻关措施进行钻井液密度设计,有许多时候注水井停注放溢后,关井测得的井口稳定压力代表不了实际地层压力的增值,据此设计的钻井液密度很难满足安全钻井和保护油气层的需要。因此,针对外围油田中低孔渗性的地质特点,为解决实际钻井生产难题,提高压力预测的准确性,保证安全钻井,本文主要以宋芳屯油田为实例,应用现代计算机神经网络技术,通过选取并建立基于误差反传学习算法的多层前馈网络模型—即BP模型,根据调整井区区块地质情况及开发情况,从控制地层压力的诸多基本地质参数中,如孔隙度,渗透率,注水量等,筛选出主要控制参数即地层系数、注水量、目的层坐标等,建立起学习样本。通过对学习样本的反复学习,达到所期望的误差范围,并最终建立起神经网络地层压力的动态预测模型。该模型的建立,较成功地解决了外围油田调整井钻井中,钻井液密度设计的基础问题—即地层压力预测,大大提高了预测精度,保证了安全钻井。同时,较大幅度地降低了钻井液使用密度,减少了对油气层的污染,保护了油气层。在钻井生产应用中取得了较好的经济效益。通过实际应用,得出了以下结论即:第一,利用人工神经网络方法建立的地层压力预测模型,为地层压力的预测开辟了新的途径。第二,利用人工神经网络模型对地层压力进行预测,压力预测的精度相对较高,其相对误差在5%以内。因此,神经网络模型是对物理模型的有益补充,可以解决物理模型无法解决的问题。

论文目录

• 摘要
• ABSTRACT
• 创新点摘要
• 前言
• 1. 研究的目的和意义
• 2. 国内外研究现状
• 3. 研究思路
• 第1章 钻井液作用及合理设计钻井液密度重要性
• 1.1 钻井液对油气层的损害
• 1.1.1 钻井过程中钻井液对井底区段岩石的影响
• 1.1.2 钻井液侵入地层受压差影响
• 1.1.3 钻井液对井底渗透层岩石的影响
• 1.1.4 钻井液对地层的不良影响程度
• 1.2 设计合理钻井液密度的重要性
• 1.2.1 平衡地层孔隙压力保证安全钻井
• 1.2.2 高密度钻井液对地层及裂缝破裂压力低区块会形成易漏区
• 1.2.3 高密度钻井液对特低渗透裂缝性油田的影响
• 第2章 区域地质背景
• 2.1 地理简况
• 2.1.1 地理环境
• 2.1.2 气象、水文
• 2.1.3 灾害性地理地质现象
• 2.2 钻井区域基本数据（见表2-1）
• 2.3 构造概况
• 2.3.1 区域构造背景
• 2.3.2 构造基本特征
• 2.4 地层概况
• 2.4.1 地层序列及岩性简述
• 2.4.2 标准层
• 2.4.3 本地区的其它特殊情况
• 2.5 生储层分析及封（堵）盖条件
• 2.5.1 烃源岩
• 2.5.2 储集层
• 2.5.3 盖层（封堵层）
• 2.6 油藏流体性质及油藏类型
• 2.6.1 流体性质
• 2.6.2 油水分布及油藏类型
• 2.7 勘探开发简况
• 第3章 神经网络模型选择
• 3.1 外围油田储层地质特征及注水开发、钻关特点
• 3.1.1 储层地质特征
• 3.1.2 注水开发及钻关特点
• 3.2 神经网络模型选择
• 3.2.1 BP 网络结构
• 3.2.2 BP 网络学习公式推导
• 第4章 BP 模型网络结构的建立及学习算法
• 4.1 调整井压力预测的BP 网络模型的结构
• 4.1.1 隐含层的数目
• 4.1.2 输入层与输出层的节点数
• 4.1.3 隐层节点数的确定
• 4.1.4 构造调整井压力预测BP 神经网络模型的结构
• 4.2 确定调整井地层压力预测的BP 神经网络模型的误差函数
• 4.3 调整井地层压力预测的BP 神经网络模型的学习算法
• 第5章 网络模型的实现及性能评价
• 5.1 模型输入参数的处理
• 5.1.1 相关井的确定
• 5.1.2 输入数据标准化处理
• 5.1.3 不渗透边界的处理
• 5.2 网络模型的计算机实现
• 5.2.1 软件实现
• 5.2.2 网络建立
• 5.3 模拟结果分析与性能评价
• 5.3.1 训练结果分析
• 5.3.2 各输入值权重分析
• 第6章 预测应用及效果分析
• 6.1 预测应用
• 6.1.1 断层遮挡型升51－39
• 6.1.2 有注无采型芳102－130
• 6.1.3 复合型芳110-130
• 6.2 技术应用效果
• 6.2.1 钻井液密度设计及应用
• 6.2.2 降低了复杂事故的发生率
• 6.2.3 减轻了钻井液对油层的污染
• 结论
• 参考文献
• 致谢
• 详细摘要