论文题目: 优选压裂井方法研究
论文类型: 博士论文
论文专业: 油气田开发工程
作者: 吴建发
导师: 赵金洲
关键词: 优选压裂井,模糊数学,人工神经网络,模糊神经网络,遗传算法
文献来源: 西南石油学院
发表年度: 2005
论文摘要: 针对目前压裂选井中存在的盲目性和主观性的技术问题,根据压裂选井时,油田压裂效果受多种因素的影响,各种影响因素与压裂效果之间的关系较为复杂,而且不同的影响因素在不同的层次上对压裂效果有不同程度的影响的特点,运用现代数学方法和计算机技术,从增产潜能、压裂工程条件和地质因素入手,详细研究了各种优选压裂井的方法。主要取得了以下的研究成果: (1) 利用灰色关联分析法和模糊排序法确定出优选压裂井的主要影响因素。通过遗传神经网络结合忽略输入参数法研究输入参数与输出(压后产量)之间的相关关系,从而证明灰色关联分析法和模糊排序法确定的优选压裂井主要影响因素是正确的。 (2) 优选压裂井数据库中的数据记录可能不准确或不完整,不能反映地层真实情况。本文研究了模糊聚类方法结合模糊神经分类系统,筛选出了好的数据记录,在优选压裂井时使用。 (3) 深入研究了优选压裂井的模糊数学模型,包括:优选压裂井的模糊综合评判模型、优选压裂井的模糊决策模型、优选压裂井的模糊分析模型、优选压裂井的模糊综合决策模型、优选压裂井的灰色关联分析模型。应用层次分析法确定了压裂选井主要影响因素的权重。深入探讨了影响压裂成功率的主要因素和权重。 (4) 本文研究改进了神经网络的训练算法并且研究了提高神经网络泛化能力的方法,确定了优选压裂井神经网络的结构和初始参数。利用筛选出的数据集对神经网络进行训练和测试,最终利用该神经网络优选了中原濮城油田沙三中的压裂井。 (5) 对传统的模糊神经网络进行了改进,最终形成准确性较高、全局收敛性较好、解释能力较强、适用范围广的高木—关野模糊神经网络。并成功地用改进的高木—关野模糊神经网络优选了压裂井。 (6) 改进了遗传算法的遗传算子和适应度函数,确定了优化神经网络结构和权值的遗传算法的主要参数,并成功运用改进的遗传算子和适应度函数优化了压裂选井神经网络的结构和权值,利用该神经网络优选了压裂井。计算实例表明,优化了结构和权值的神经网络收敛性能好,泛化能力强,训练时间短,计算精度高。 (7) 将各种优选压裂井的方法进行了对比,分析了其优缺点,以便在不同的需要下使用不同的选井方法。对比结果表明,模糊数学方法简单易用,但权重不易确定,且只能实现部分量化。遗传神经网络泛化能力强,计算时间短、精度高。 应用本文研究的优选压裂井方法优选中原濮城油田沙三中的压裂井,压裂实践证明优选出的压裂井压后增产潜力大,压裂有效率和成功率高。本文的研究成果在油田有一定的实用价值,可以推广使用。
论文目录:
摘要
Abstract
1.绪论
1.1 本文研究目的与意义
1.2 国内外研究现状
1.2.1 优选压裂井方法概况
1.2.2 神经网络的研究与发展历史
1.2.3 遗传算法的研究和发展概述
1.3 本文的主要研究内容
1.4 本文研究的技术路线
1.5 本文的主要研究成果及创新点
1.5.1 本文的主要研究成果
1.5.2 本文的创新点
2.影响压裂选井的因素和数据集筛选
2.1 压裂选井的原则
2.2 影响压裂效果的主要因素分析
2.2.1 灰色关联分析方法计算步骤
2.2.2 灰色关联分析方法优选主要影响因素
2.3 模糊排序确定主要影响因素
2.4 压裂选井数据集的筛选
2.4.1 模糊聚类方法
2.4.2 模糊神经分类系统
3 模糊数学方法优选压裂井
3.1 层次分析法原理
3.2 优选压裂井的模糊综合评判模型
3.3 优选压裂井的模糊决策模型
3.4 优选压裂井的模糊分析模型
3.5 优选压裂井的模糊综合决策模型
3.6 优选压裂井的灰色关联分析模型
3.7 模糊数学方法分析压裂井成功性
4 改进的人工神经网络优选压裂井
4.1 标准的BP人工神经网络
4.2 BP神经网络算法推导过程
4.3 标准BP神经网络的缺点及改进方法
4.3.1 标准BP神经网络的缺点
4.3.2 标准BP神经网络的改进方法
4.4 网络训练优化算法
4.4.1 基于标准梯度下降的方法
4.4.2 附加动量法
4.4.3 自适应学习速率
4.4.4 弹性BP算法
4.5 基于数值优化方法的网络训练算法
4.5.1 拟牛顿法
4.5.2 共轭梯度法
4.5.3 Levenberg-Marquardt法
4.6 神经网络的泛化能力
4.6.1 泛化能力是神经网络的重要技术指标
4.6.2 影响神经网络泛化能力的主要因素
4.6.3 提高神经网络泛化能力的方法
4.7 BP网络结构、参数及训练方法的设计与选择
4.7.1 BP网络的设计
4.7.2 改进的BP神经网络优选压裂井
5 改进的模糊神经网络优选压裂井
5.1 模糊系统和神经网络的融合
5.2 模糊系统模型
5.3 模糊逻辑和BP神经网络结合
5.3.1.模糊逻辑的基本理论
5.3.2.模糊逻辑和BP神经网络结合的方式
5.4.常见的模糊神经网络
5.4.1 正规化模糊神经网络
5.4.2 传统的高木—关野模糊神经网络
5.4.3 改进的高木—关野模糊神经网络
5.5 改进的高木—关野模糊神经网络的训练及优选压裂井
5.5.1 改进的高木—关野模糊神经网络的训练
5.5.2 改进的高木—关野模糊神经网络优选压裂井
6 改进的遗传神经网络优选压裂井
6.1 遗传算法的基本理论
6.1.1 参数编码和初始群体的生成
6.1.2 适应度函数及其尺度变换
6.1.3 遗传算法的三个主要遗传算子
6.2 遗传算法面临的问题及改进方法
6.2.1 简单保留最优值的遗传算法
6.2.2 选择算子的改进
6.2.3 交叉算子的改进
6.2.4 变异算子的改进
6.2.5 自适应遗传算法
6.3 遗传算法与人工神经网络的结合
6.3.1 神经网络连接权的进化
6.3.2 神经网络结构的进化
6.4 遗传算法优化神经网络结构和权值
6.4.1 遗传算法优化神经网络结构
6.4.2 遗传算法优化神经网络权值
6.5 遗传算法优化结构和权值的神经网络优选压裂井
6.5.1 训练数据集与测试数据集分析
6.5.2 遗传神经网络优选压裂井
6.6 各种选井方法对比
6.7 忽略参数法分析影响因素重要性
7 主要结论与建议
7.1 本文的主要结论
7.2 主要建议
致谢
博士期间发表的论文
参考文献
发布时间: 2006-01-11
参考文献
- [1].基于多尺度流动机理的页岩气藏压裂井渗流理论研究[D]. 黄婷.西南石油大学2016
- [2].复杂储层压裂井不稳定渗流模型与试井分析方法研究[D]. 王小鲁.西南石油大学2015
- [3].基于复杂渗流机理的页岩气藏压裂井多尺度不稳定渗流理论研究[D]. 赵玉龙.西南石油大学2015