特高含水水驅(qū)油田操作成本組合預(yù)測方法研究

吳茜茜侯春華，陳武趙小軍余曉鐘胡寶明

（1.西南石油大學(xué)經(jīng)濟(jì)管理學(xué)院，成都610500；2.中國石化勝利油田地質(zhì)科學(xué)研究院，東營257015）

項(xiàng)目評價

特高含水水驅(qū)油田操作成本組合預(yù)測方法研究

吳茜茜1侯春華1，2陳武1趙小軍2余曉鐘1胡寶明2

（1.西南石油大學(xué)經(jīng)濟(jì)管理學(xué)院，成都610500；2.中國石化勝利油田地質(zhì)科學(xué)研究院，東營257015）

操作成本作為油田生產(chǎn)過程中的主要組成部分，直接影響著油田的開發(fā)效益。為了不斷降低操作成本以提高經(jīng)濟(jì)收益，以特高含水水驅(qū)油田為研究背景，通過該類油田操作成本的相關(guān)影響因素建立基于多重因素的兩種預(yù)測模型——線性回歸預(yù)測模型和非線性誤差反傳（BP）神經(jīng)網(wǎng)絡(luò)預(yù)測模型，最后利用組合預(yù)測法，將這兩種預(yù)測模型組合在一起，以提高預(yù)測模型的有效性和可操作性，為特高含水水驅(qū)油田控制成本提供科學(xué)合理的依據(jù)。

特高含水水驅(qū)油田 操作成本 線性回歸預(yù)測 BP神經(jīng)網(wǎng)絡(luò)預(yù)測 組合預(yù)測法

我國石油企業(yè)正在逐步深化體制改革，油田紛紛利用提高采收率、增加產(chǎn)能、降低操作成本等措施作為實(shí)現(xiàn)節(jié)能增效的經(jīng)營策略。目前我國的特高含水水驅(qū)油田已經(jīng)進(jìn)入高含水后期，油藏操作成本居高不下，該類油田企業(yè)整體經(jīng)營成本隨著含水率的增加而逐年增高。在產(chǎn)量遞減的情況下，合理有效地進(jìn)行操作成本預(yù)測，已成為實(shí)現(xiàn)油田可持續(xù)發(fā)展的重要手段之一。

目前國內(nèi)外對組合預(yù)測方法的研究日趨成熟，主要集中在組合預(yù)測方法本身的剖析和改進(jìn)，以及實(shí)際運(yùn)用分析，可是針對油田操作成本的預(yù)測依然缺乏系統(tǒng)的研究。按照變量與成本之間的函數(shù)關(guān)系，可以采用線性和非線性預(yù)測方法，根據(jù)多重變量對成本進(jìn)行預(yù)測。線性回歸和誤差反傳（BP）神經(jīng)網(wǎng)絡(luò)分別作為線性和非線性預(yù)測方法的代表，因此本文將以這兩種預(yù)測方法為基礎(chǔ)，進(jìn)行組合預(yù)測。

1 特高含水水驅(qū)油田開發(fā)特點(diǎn)及操作成本影響因素

1.1 特高含水水驅(qū)油田開發(fā)特點(diǎn)

目前我國含水水驅(qū)油田已經(jīng)進(jìn)入特高含水期，含水率均已達(dá)到90%以上，是典型的開發(fā)后期油田。其特點(diǎn)是采用注水開發(fā)方式進(jìn)行驅(qū)油，采油成本比注氣等方式的成本低，且可采儲量采出程度較高。但是特高含水水驅(qū)油田所面臨的困境也較為突出，除了具有一般老油田所具備的油藏品位低、開發(fā)環(huán)境日趨惡劣、井網(wǎng)嚴(yán)重老化、產(chǎn)量銳減、成本不斷攀升、開發(fā)效益差、油田經(jīng)營困難、管理壓力大等一系列普遍存在的問題以外，還存在著油水分布紊亂復(fù)雜，耗水量大等特有問題，且由于地質(zhì)破壞嚴(yán)重、開采技術(shù)落后以及含水率的上升，造成許多無效注采循環(huán)，采油率下降，從而導(dǎo)致成本控制難度進(jìn)一步加大。

1.2 操作成本的影響因素

油田的操作成本影響因素有很多，包括油田自身、技術(shù)、管理、價格、政策及宏觀環(huán)境等方面。之前的學(xué)者主要從2個方面研究：一是將操作成本先進(jìn)行分類，然后逐步分析各分項(xiàng)成本的影響因素；二是從油田及成本本身的特點(diǎn)及其環(huán)境出發(fā)，利用相關(guān)分析方法或模型來對影響因素進(jìn)行研究。文章基于內(nèi)外環(huán)境，綜合考慮了以下幾個較為重要的操作成本影響因素。

1.2.1 內(nèi)部環(huán)境分析

（1）含水率。作為特高含水水驅(qū)油田特性的代表性指標(biāo)之一，對油田噸油基本運(yùn)行費(fèi)有著很大的影響［1］，而噸油基本運(yùn)行費(fèi)是油田操作成本中基本運(yùn)行費(fèi)的重要組成部分。含水率達(dá)到90%，反映了油井所處的開發(fā)階段已經(jīng)進(jìn)入特高含水期，作為文章研究的對象，含水率是必不可少的建模參數(shù)。

（2）產(chǎn)液量。指產(chǎn)出的油水體積之和，是油田生產(chǎn)控制方面的代表指標(biāo)之一。產(chǎn)液量是油氣處理費(fèi)的重要影響因素，也間接地對操作成本產(chǎn)生影響。

1.2.2 外部環(huán)境分析

（1）工業(yè)品購進(jìn)價格指數(shù)作為外部影響因素之一，是油田生產(chǎn)運(yùn)營中必須考慮的因素。其中，原材料、燃料、動力購進(jìn)價格指數(shù)是反映企業(yè)中間投入產(chǎn)品的價格變動趨勢和變動幅度的統(tǒng)計(jì)指標(biāo)，同時也是工業(yè)產(chǎn)品進(jìn)入生產(chǎn)、流通領(lǐng)域時的價格指數(shù)或生產(chǎn)、流通企業(yè)購買價格指數(shù)，是油田計(jì)算單位生產(chǎn)成本的主要成分。

（2）電力價格作為另一個重要外部影響因素，對動力費(fèi)用等需要機(jī)器設(shè)備操作的成本也具有一定的影響力。油田企業(yè)中油氣提升成本、驅(qū)油物注入成本、井下作業(yè)成本、稠油熱采成本、油氣處理成本、輕烴回收成本、測井試井成本、輸油輸氣成本、油區(qū)維護(hù)費(fèi)、制造費(fèi)用等均涉及到電費(fèi)的變動。

根據(jù)以上分析，將含水率、產(chǎn)液量、工業(yè)品購進(jìn)價格指數(shù)和電力價格作為接下來操作成本預(yù)測模型建立的參數(shù)指標(biāo)。

2 特高含水水驅(qū)油田操作成本預(yù)測方法

由于操作成本的變動受多方因素共同影響，在基于單一指標(biāo)對成本進(jìn)行預(yù)測時，會出現(xiàn)預(yù)測曲線擬合優(yōu)度（R2）偏低或者精度檢驗(yàn)結(jié)果不理想的情況，因此為了增強(qiáng)操作成本預(yù)測模型的可操作性，以內(nèi)外多重影響因素為建?；A(chǔ)，研究特高含水水驅(qū)油田的操作成本預(yù)測方法。

2.1 多元線性回歸模型

在預(yù)測油田操作成本的過程中，多元線性回歸模型利用了線性回歸原理，通過歷史成本數(shù)據(jù)和相關(guān)計(jì)算工具軟件建立多個成本影響因素變量和操作成本的線性關(guān)系模型，進(jìn)而通過未來的計(jì)劃自變量來計(jì)算未來操作成本的預(yù)測值。在建立多元線性回歸預(yù)測模型之前，應(yīng)該先觀察各影響因素及操作成本之間的相關(guān)性并檢驗(yàn)自變量之間的共線性，當(dāng)共線性程度較高時，可能會出現(xiàn)預(yù)測模型不穩(wěn)定，以及參數(shù)估計(jì)值的標(biāo)準(zhǔn)誤差偏大等問題。因此，若存在共線性程度較高，應(yīng)先處理共線性的問題。

嶺回歸分析法最早是在1962年由A.E.Hoerl針對共線性的問題首次提出［2］，它是一種專門處理共線性有偏估計(jì)的回歸方法，實(shí)質(zhì)上是最小二乘估計(jì)法的改良版，通過放棄最小二乘法的無偏性，以損失部分信息、降低精度為代價獲得更符合實(shí)際、更可靠的回歸因子的一種回歸方法。其核心思想是當(dāng)遇到多重共線的情況時，即說明的特征根中至少有一個是接近于0，從而使得多元線性回歸模型中參數(shù)的最小二乘估計(jì)值很不穩(wěn)定，此時若在變量樣本相關(guān)矩陣（XTX）的基礎(chǔ)上增加一個正常數(shù)矩陣K I（K＞0，I為單矩陣），這時候的矩陣比之前的矩陣等于零的幾率要小得多，而新矩陣的特征根接近0的情況也得到改善。因此，在多元線性回歸模型的基礎(chǔ)上利用嶺回歸分析定義偏回歸因子的嶺估計(jì)（K）。

K——嶺參數(shù)；

X——自變量的矩陣；

Y——因變量的矩陣；

XT——矩陣的轉(zhuǎn)置。

利用統(tǒng)計(jì)產(chǎn)品與服務(wù)解決方案（SPSS）軟件計(jì)算出模型參數(shù)，即樣本回歸函數(shù)后，還需要進(jìn)行精度檢驗(yàn)，通過R2和顯著性的檢驗(yàn)以及置信區(qū)間估計(jì)等進(jìn)一步確定多元線性回歸預(yù)測模型的可行性。

多元回歸線性預(yù)測方法適用于樣本數(shù)據(jù)比較規(guī)律的預(yù)測，但在油田實(shí)際生產(chǎn)運(yùn)營中，成本及各影響因素的變化并非總是呈現(xiàn)良好的規(guī)律性。因此在這種情況下，線性預(yù)測方法就有很大的局限性。

2.2 BP神經(jīng)網(wǎng)絡(luò)預(yù)測法

神經(jīng)網(wǎng)絡(luò)是一種人工系統(tǒng)，以神經(jīng)元為中心進(jìn)行建模并將其連接，其實(shí)質(zhì)是模擬人腦神經(jīng)系統(tǒng)的功能，具有學(xué)習(xí)、聯(lián)想、記憶等智能信息處理功能。而BP網(wǎng)絡(luò)是能實(shí)現(xiàn)映射變換的前饋神經(jīng)網(wǎng)絡(luò)，從結(jié)構(gòu)上講，三層BP神經(jīng)網(wǎng)絡(luò)是一個典型的半線性前饋神經(jīng)網(wǎng)絡(luò)，一般的BP神經(jīng)網(wǎng)絡(luò)由三層或者三層以上神經(jīng)元組成，分別是輸入層、中間層（或隱含層）和輸出層。同層節(jié)點(diǎn)間無關(guān)聯(lián)，而異層（前后）節(jié)點(diǎn)間是完全連接的。其中，輸入層節(jié)點(diǎn)數(shù)對應(yīng)于BP網(wǎng)絡(luò)可感知的輸入個數(shù)，輸出層節(jié)點(diǎn)數(shù)則與BP網(wǎng)絡(luò)的輸出個數(shù)相對應(yīng)，中間層節(jié)點(diǎn)的數(shù)目可根據(jù)需要設(shè)置［3］。

通過BP神經(jīng)網(wǎng)絡(luò)方法，可觀察到實(shí)際操作成本與預(yù)測成本之間的差距，也可進(jìn)行操作成本的精度檢驗(yàn)，一定程度上解決了實(shí)際成本及相關(guān)數(shù)據(jù)呈非線性規(guī)律的問題，但是BP神經(jīng)網(wǎng)絡(luò)通過軟件編程來實(shí)現(xiàn)計(jì)算，其結(jié)果不能詳細(xì)說明推理過程和依據(jù)，且當(dāng)數(shù)據(jù)不充分時，神經(jīng)網(wǎng)絡(luò)也不能進(jìn)行預(yù)測。因此，利用組合預(yù)測法的優(yōu)勢，可規(guī)避多元線性回歸預(yù)測法和BP神經(jīng)網(wǎng)絡(luò)預(yù)測法的缺陷，使得預(yù)測更加完善。

2.3 組合預(yù)測法

組合預(yù)測是在各種單一預(yù)測模型建立后，利用一定的方式進(jìn)行組合以求出最優(yōu)預(yù)測結(jié)果的方法。通過以上的分析研究，在多元線性回歸和BP神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上采用組合模型，綜合各種方法所提供的有效信息，排除片面性，提高預(yù)測精度。

組合預(yù)測權(quán)重是組合預(yù)測法中最為關(guān)鍵的部分，它決定著采取各種預(yù)測方法的比例，同時也決定著最終的預(yù)測精度。權(quán)重的確定一般有方差倒數(shù)、線性回歸和最優(yōu)加權(quán)法等，方差倒數(shù)是對方差較小的方法賦予較高的權(quán)重，具有合理性和簡易性，因此本節(jié)將采用方差倒數(shù)法確定組合預(yù)測權(quán)重，其公式為：

式中：wi——第i種方法的組合預(yù)測權(quán)重因子；

Di——偏差的方差。

偏差的方差Di的計(jì)算公式為：

式中：Yt——操作成本的樣本值；

t——時間，a。

3 實(shí)例分析

以東部某特高含水水驅(qū)油田（A油田）為例，利用上述方法來驗(yàn)證建立的預(yù)測模型是否可行有效，表1是A油田2006—2012年的操作成本及相關(guān)數(shù)據(jù)。

表1 A油田多重變量與操作成本的數(shù)據(jù)統(tǒng)計(jì)

3.1 多元線性回歸預(yù)測

利用SPSS軟件以多元線性回歸方法來預(yù)測操作成本，首先觀察各影響因素及操作成本之間的相關(guān)性并檢驗(yàn)自變量之間的共線性，其結(jié)果見表2和表3。

表2 A油田多重因素相關(guān)性檢驗(yàn)

由表2可知：產(chǎn)液量、含水率、物價指數(shù)和電力價格分別與操作成本有較強(qiáng)的相關(guān)性，說明這些因素對操作成本的影響程度較高，因此可作為多元線性回歸預(yù)測模型的自變量參數(shù)。

表3 A油田多重因素共線性檢驗(yàn)

由表3可知：特征值中大部分都趨近于0，且第3、4、5維的條件索引數(shù)值已經(jīng)超過30，一般情況下條件索引值超過30即代表自變量之間存在很強(qiáng)的共線性，因此這里需要利用嶺回歸分析法先處理共線性問題。同樣通過SPSS軟件編程進(jìn)行嶺回歸分析，結(jié)果見圖1。

圖1 嶺回歸分析

圖1從上到下的4條趨勢線分別代表了電力價格、產(chǎn)液量、含水率和物價指數(shù)的嶺跡曲線，說明了在嶺回歸分析中，當(dāng)K在0.47以后，4個自變量均趨近于平緩，這就表明當(dāng)K為0.47時，可使得共線性問題得到最優(yōu)的處理，由此將產(chǎn)生經(jīng)嶺回歸分析后的非共線性的自變量因子。

最終通過SPSS軟件的計(jì)算，建立的多元回歸預(yù)測模型為：

式中：Y——操作成本，萬元；

X1——含水率，%；

X2——產(chǎn)液量，kt；

X3——電力價格，元／kWh；

X4——物價指數(shù)，%。

根據(jù)式（4）可知：含水率、產(chǎn)液量、電力價格和物價指數(shù)與操作成本之間均呈正相關(guān)。含水率每上升1個百分點(diǎn)，操作成本就增加2 267.75萬元；產(chǎn)液量每上升1 kt，操作成本就增加3.512萬元；電力價格每上升0.01元／kWh，操作成本就增加22.01萬元；而物價指數(shù)每上升1個百分點(diǎn)，操作成本就增加95.53萬元。由此可知：對于A油田來說，在這幾個影響因素中，含水率的變動對操作成本的影響是最大的。

3.2 BP神經(jīng)網(wǎng)絡(luò)預(yù)測

將A油田2006—2012年的各項(xiàng)影響因素的數(shù)據(jù)作為培訓(xùn)樣本，操作成本作為輸出變量，同樣要對初始數(shù)據(jù)通過激活函數(shù)的處理實(shí)現(xiàn)量綱歸一化，在此基礎(chǔ)上建立一個三層的BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，再利用軟件計(jì)算并確定隱含層的節(jié)點(diǎn)數(shù)，并對量綱化的矩陣進(jìn)行網(wǎng)絡(luò)訓(xùn)練，通過神經(jīng)網(wǎng)絡(luò)算法對2006—2012年的操作成本進(jìn)行基于內(nèi)外多重變量的預(yù)測，其最終預(yù)測結(jié)果中，實(shí)際操作成本與預(yù)測操作成本的數(shù)據(jù)和走向基本一致，證明基于內(nèi)外多重變量對操作成本預(yù)測的結(jié)果令人滿意。

3.3 組合預(yù)測法

為了提高預(yù)測模型的精確度，這里將前面的多元線性回歸預(yù)測和BP神經(jīng)網(wǎng)絡(luò)預(yù)測組合在一起，預(yù)計(jì)可以形成線性和非線性預(yù)測方法的有效結(jié)合，組合預(yù)測分析見表4。

表4 A油田操作成本組合預(yù)測分析 萬元

由表4可知：多元線性回歸預(yù)測法的偏差明顯大于BP神經(jīng)網(wǎng)絡(luò)的偏差，這說明對于A油田來說，BP神經(jīng)網(wǎng)絡(luò)的非線性預(yù)測方法要比多元線性回歸預(yù)測方法的預(yù)測效果好。為了進(jìn)一步確定未來的操作成本估計(jì)值，這里還需通過組合預(yù)測法來確定兩種方法的權(quán)重。采取偏差倒數(shù)的方法確定兩種模型的權(quán)重，結(jié)果見表5。

表5 A油田操作成本組合預(yù)測權(quán)重

表5充分證明了表4的分析結(jié)論，由于BP神經(jīng)網(wǎng)絡(luò)法的偏差明顯小于多元線性回歸法的偏差，最終通過方差倒數(shù)的計(jì)算所確定的權(quán)重也相差懸殊。權(quán)重確定后，就可以利用組合預(yù)測進(jìn)行未來的預(yù)測值計(jì)算。這里以A油田2013年的操作成本預(yù)測為例，輸入計(jì)劃的含水率、產(chǎn)液量、物價指數(shù)和電力價格，預(yù)測2013年的操作成本，組合預(yù)測最終結(jié)果見表6。

表6 2013年A油田成本組合預(yù)測最終結(jié)果 萬元

最終預(yù)測A油田2013年的操作成本為38 358.03萬元，與兩者的預(yù)測平均值的相對誤差在0.5%左右，說明組合預(yù)測效果比較滿意，達(dá)到了提高預(yù)測精度的目標(biāo)。

4 結(jié)語

在基于內(nèi)外多重變量預(yù)測特高含水水驅(qū)油田操作成本的前提下，從線性和非線性這兩個方面分別建立預(yù)測模型，最后通過組合預(yù)測法將這兩種方法組合在一起對未來的操作成本進(jìn)行預(yù)測，以體現(xiàn)預(yù)測方法的全面性并提高預(yù)測的精確度。以東部某一特高含水水驅(qū)油田為例進(jìn)行預(yù)測方法的演算，結(jié)果充分證明了該預(yù)測思路可行且效果滿意。

［1］ 陳武，鐘水清，唐洪俊，等.油氣操作成本預(yù)測方法研究［J］.鉆采工藝，2006，29（5）：73－76.

［2］ 尹康.常用統(tǒng)計(jì)軟件關(guān)于嶺回歸計(jì)算原理的比較分析［J］.統(tǒng)計(jì)研究，2013，30（2）：109－112.

［3］ 龔安，王霞，姜煥軍.基于遺傳算法的BP神經(jīng)網(wǎng)絡(luò)在油田措施規(guī)劃預(yù)測中的應(yīng)用［J］.計(jì)算機(jī)系統(tǒng)應(yīng)用，2006（11）：21－24.

［4］ 周超，王秀芝.組合預(yù)測在油氣操作成本預(yù)測中的應(yīng)用研究［J］.天然氣勘探與開發(fā)，2009，32（4）：78－80.

Study on Combined Forecast M ethod for Operating Cost of High W ater－cut W ater Flooded Oilfield

Wu Xixi1，Hou Chunhua1，2，Chen Wu1，Zhao Xiaojun2，Yu Xiaozhong1，Hu Baoming2
（1．Economic Management College，Southwest Petroleum University，Chengdu 610500；2．SINOPEC Shengli Oilfield Research Institute of Geological Sciences，Dongying 257015）

As themain part in production process of oilfield，operational cost directly affects the benefits of oilfield development.In order to continuously reduce operational cost and improve economic benefit，with high watercutwater flooder oilfield as background，two forecastingmodels were set up based on various factors affecting operational cost of such kind of oilfields，which are linear regression forecasting model and non－linear BP neural network forecastingmodel.The twomodelswere combined with combined forecastingmethod to improve the effectiveness and operability of themodel so as to provide basis formaking plan on operational cost of high water－cutwater flooded oilfields.

high water－cut water flooded oilfield，operational cost，linear regression forecast，BP neural network forecast，combined forecastingmethod

1674－1099 （2014）06－0005－05

TE319

A

2014－10－28。

吳茜茜，女，1990年出生，西南石油大學(xué)經(jīng)濟(jì)管理學(xué)院碩士研究生在讀，研究方向?yàn)槭凸こ坦芾怼?/p>