BP神經(jīng)網(wǎng)絡(luò)用于某油田的生產(chǎn)動(dòng)態(tài)分析

唐惠康 李翔宇

1河南職業(yè)技術(shù)學(xué)院2北華大學(xué)木質(zhì)材料科學(xué)工程省重點(diǎn)實(shí)驗(yàn)室

BP神經(jīng)網(wǎng)絡(luò)用于某油田的生產(chǎn)動(dòng)態(tài)分析

唐惠康1李翔宇2

1河南職業(yè)技術(shù)學(xué)院2北華大學(xué)木質(zhì)材料科學(xué)工程省重點(diǎn)實(shí)驗(yàn)室

將BP神經(jīng)網(wǎng)絡(luò)用于油田生產(chǎn)動(dòng)態(tài)分析，是指收集現(xiàn)有油田生產(chǎn)、測(cè)井、試油試采數(shù)據(jù)并將其用于建立生產(chǎn)動(dòng)態(tài)分析預(yù)測(cè)模型，使其為生產(chǎn)實(shí)踐服務(wù)。該方法對(duì)原始數(shù)據(jù)要求不高，彌補(bǔ)了傳統(tǒng)分析方法計(jì)算量大、耗時(shí)費(fèi)力的缺陷，而且此方法不受油田開發(fā)階段和生產(chǎn)方式的影響，適用性強(qiáng)，應(yīng)用范圍廣。BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)由輸入層、隱層、輸出層三部分組成。以某油田區(qū)塊3號(hào)井為例，驗(yàn)證BP神經(jīng)網(wǎng)絡(luò)在生產(chǎn)動(dòng)態(tài)分析方面的應(yīng)用效果。對(duì)比該井12個(gè)月內(nèi)實(shí)際產(chǎn)油速度與分析預(yù)測(cè)產(chǎn)油速度的差異，結(jié)果表明兩者數(shù)值差異不大，分析預(yù)測(cè)誤差被限制在6%以下。

BP神經(jīng)網(wǎng)絡(luò)；動(dòng)態(tài)分析；數(shù)據(jù)集；網(wǎng)格訓(xùn)練；模型

目前，國內(nèi)外油田生產(chǎn)動(dòng)態(tài)分析方法按照對(duì)油田生產(chǎn)數(shù)據(jù)的使用情況分為兩類：無需油田生產(chǎn)數(shù)據(jù)的方法和需要油田生產(chǎn)數(shù)據(jù)的方法。無需油田生產(chǎn)數(shù)據(jù)的方法主要包括類比法、實(shí)驗(yàn)法、經(jīng)驗(yàn)公式和圖版法、水動(dòng)力學(xué)概算法等；需要油田生產(chǎn)數(shù)據(jù)的方法主要包括油田數(shù)值模擬法、特征曲線法、產(chǎn)量遞減法、物質(zhì)平衡法等[1]。雖然以上方法在油田生產(chǎn)中得到了較為廣泛的應(yīng)用，但是各種方法的局限性較為突出，使得其難以很好地滿足油田開發(fā)人員的要求。

將BP（Back Propagation）神經(jīng)網(wǎng)絡(luò)用于油田生產(chǎn)動(dòng)態(tài)分析，是指收集現(xiàn)有油田生產(chǎn)、測(cè)井、試油試采數(shù)據(jù)并將其用于建立生產(chǎn)動(dòng)態(tài)分析預(yù)測(cè)模型，使其為生產(chǎn)實(shí)踐服務(wù)。該方法對(duì)原始數(shù)據(jù)要求不高，彌補(bǔ)了傳統(tǒng)分析方法計(jì)算量大、耗時(shí)費(fèi)力的缺陷，而且此方法不受油田開發(fā)階段和生產(chǎn)方式的影響，適用性強(qiáng)，應(yīng)用范圍廣。

1BP神經(jīng)網(wǎng)絡(luò)模型的建立

BP神經(jīng)網(wǎng)絡(luò)作為人工神經(jīng)網(wǎng)絡(luò)的種類之一，它是一種向后傳播的網(wǎng)絡(luò)模式，可完成各種非線性連續(xù)映射的任意近似，對(duì)于識(shí)別作業(yè)模式、診斷施工方式方法有較好的應(yīng)用效果。BP神經(jīng)網(wǎng)絡(luò)基于改良的Delta規(guī)則，運(yùn)用最小誤差學(xué)習(xí)法，使其適應(yīng)多層次網(wǎng)絡(luò)結(jié)構(gòu)。BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)一般由輸入層、隱層、輸出層三部分組成。輸入層單元一般與隱層單元分別連接，而輸入層單元之間相互不需連接；隱層單元與輸出層單元連接，隱層單元之間也不需連接[2]，如圖1所示。

圖1BP神經(jīng)網(wǎng)絡(luò)模型

BP神經(jīng)網(wǎng)絡(luò)多采用S型函數(shù)作為各層處理單元之間的傳遞橋梁，使其易于收斂。BP神經(jīng)網(wǎng)絡(luò)是一種學(xué)習(xí)型網(wǎng)絡(luò)，在使用其進(jìn)行實(shí)際預(yù)測(cè)之前，必須向其輸入多組成對(duì)的輸入層和輸出層數(shù)據(jù)，使其在已有數(shù)據(jù)中得到訓(xùn)練，從而建立模型，運(yùn)用到系統(tǒng)的后續(xù)計(jì)算中。BP神經(jīng)網(wǎng)絡(luò)具有以下優(yōu)點(diǎn)：①收斂性強(qiáng)；②學(xué)習(xí)能力強(qiáng)，可適應(yīng)多種工作需求；③并行處理能力強(qiáng)，速度快，穩(wěn)定性好；④容錯(cuò)改錯(cuò)能力強(qiáng)，處理結(jié)果可靠性強(qiáng)。

2 油田生產(chǎn)動(dòng)態(tài)分析

將BP神經(jīng)網(wǎng)絡(luò)用于油田生產(chǎn)動(dòng)態(tài)分析需要進(jìn)行一系列的系統(tǒng)工作。首先，分析處理現(xiàn)有測(cè)井、生產(chǎn)數(shù)據(jù)等油田資料，劃分網(wǎng)格并取得泄油面積，將其再與測(cè)井、生產(chǎn)數(shù)據(jù)結(jié)合，形成數(shù)據(jù)集；其次，建立基于BP神經(jīng)網(wǎng)絡(luò)的函數(shù)逼近器，作為網(wǎng)絡(luò)模型，并使用數(shù)據(jù)集現(xiàn)有資料訓(xùn)練這一系列的網(wǎng)絡(luò)模型；第三，融合網(wǎng)絡(luò)使之有機(jī)結(jié)合在一起，建立油田范圍內(nèi)的處理模型；最后，運(yùn)用已建立的模型進(jìn)行生產(chǎn)動(dòng)態(tài)分析預(yù)測(cè)。

2.1 建立數(shù)據(jù)集

數(shù)據(jù)集主要是指油田處理目的井與其相鄰井的各種數(shù)據(jù)集合，主要包括油田靜態(tài)生產(chǎn)數(shù)據(jù)、動(dòng)態(tài)生產(chǎn)數(shù)據(jù)以及兩者之間的時(shí)間、空間內(nèi)的相關(guān)性。油田靜態(tài)數(shù)據(jù)是指與生產(chǎn)無關(guān)的油田固有參數(shù)，生產(chǎn)動(dòng)態(tài)數(shù)據(jù)是指生產(chǎn)井投入生產(chǎn)時(shí)獲得的油田動(dòng)態(tài)數(shù)據(jù)參數(shù)，二者均包含豐富的油田數(shù)據(jù)信息，將二者有機(jī)結(jié)合起來，即可獲得較完整的油田數(shù)據(jù)。油田靜態(tài)和動(dòng)態(tài)數(shù)據(jù)之間有明顯的時(shí)間、空間相關(guān)性。時(shí)間相關(guān)性是指目標(biāo)井及其鄰井當(dāng)前與過去各項(xiàng)參數(shù)的相互關(guān)系，利用數(shù)據(jù)集錄入新老井的生產(chǎn)參數(shù)可獲得其相關(guān)關(guān)系；空間相關(guān)性是指目標(biāo)井與鄰井的數(shù)據(jù)差異以及油井參數(shù)的非均質(zhì)性，利用數(shù)據(jù)集錄入井距和泄油面積等參數(shù)可獲得此項(xiàng)相關(guān)關(guān)系。

數(shù)據(jù)集生產(chǎn)信息以月為時(shí)間單位進(jìn)行記錄，每口井每月均按時(shí)錄入一條相關(guān)數(shù)據(jù)信息至數(shù)據(jù)集中，當(dāng)數(shù)據(jù)集中累計(jì)數(shù)據(jù)條目達(dá)到神經(jīng)網(wǎng)格訓(xùn)練的基本數(shù)量要求時(shí)，即可開始后續(xù)網(wǎng)格訓(xùn)練作業(yè)。

2.2 訓(xùn)練網(wǎng)格

運(yùn)用Voronoi網(wǎng)格劃分方法，根據(jù)數(shù)據(jù)集內(nèi)井參數(shù)和每口井的泄油面積劃分處理網(wǎng)格。通過反向傳播算法進(jìn)行神經(jīng)網(wǎng)格訓(xùn)練，將數(shù)據(jù)樣本劃分為三類[3]：

（1）基礎(chǔ)樣本?；A(chǔ)樣本是三類樣本中比例最大的部分，是神經(jīng)網(wǎng)格訓(xùn)練的數(shù)據(jù)基礎(chǔ)。

（2）校正樣本。校正樣本是選取的所有樣本中分析預(yù)測(cè)數(shù)據(jù)誤差最小的樣本集合，通過校正樣本可對(duì)網(wǎng)格訓(xùn)練中的樣本進(jìn)行校正，規(guī)避訓(xùn)練中出現(xiàn)樣本計(jì)算量過大的問題。

（3）驗(yàn)證樣本。驗(yàn)證樣本用來對(duì)神經(jīng)網(wǎng)格訓(xùn)練結(jié)果進(jìn)行驗(yàn)證，檢驗(yàn)訓(xùn)練結(jié)果。

2.3 建立模型

以生產(chǎn)速度為輸出參數(shù)建立分析預(yù)測(cè)模型。分析影響油井生產(chǎn)速度（產(chǎn)油速度、產(chǎn)水速度、產(chǎn)氣速度）的因素，對(duì)目標(biāo)井及其鄰井各種影響因素進(jìn)行評(píng)價(jià)，確定輸入?yún)?shù)。新井生產(chǎn)速度分析預(yù)測(cè)也可通過此模型獲得，將第一個(gè)月新井的各項(xiàng)生產(chǎn)數(shù)據(jù)錄入數(shù)據(jù)集，第二個(gè)月即可獲得生產(chǎn)情況分析預(yù)測(cè)數(shù)據(jù)，由此建立相應(yīng)模型，多井模型結(jié)合后即可獲得整個(gè)油田的生產(chǎn)動(dòng)態(tài)分析預(yù)測(cè)模型。

3 應(yīng)用實(shí)例

以某油田區(qū)塊3號(hào)井為例，驗(yàn)證BP神經(jīng)網(wǎng)絡(luò)在生產(chǎn)動(dòng)態(tài)分析方面的應(yīng)用效果。該區(qū)塊共有15口井，生產(chǎn)時(shí)長(zhǎng)12個(gè)月，共收集數(shù)據(jù)樣本15×12= 180條。將數(shù)據(jù)樣本分為三類：基礎(chǔ)樣本140例、校正樣本20例、驗(yàn)證樣本20例。以目前油田區(qū)塊產(chǎn)油速度為輸出參數(shù)，以生產(chǎn)壓差、孔滲飽和率等參數(shù)為輸入?yún)?shù)建立生產(chǎn)動(dòng)態(tài)分析預(yù)測(cè)模型。網(wǎng)格訓(xùn)練誤差不超過0.5%，誤差均值在0.37%左右。

運(yùn)用該模型進(jìn)行產(chǎn)油速度分析預(yù)測(cè)，以區(qū)塊3號(hào)井為例，對(duì)比該井12個(gè)月內(nèi)實(shí)際產(chǎn)油速度與分析預(yù)測(cè)產(chǎn)油速度的差異，結(jié)果表明兩者數(shù)值差異不大，分析預(yù)測(cè)誤差被限制在6%以下，如圖2所示。

圖2 分析預(yù)測(cè)產(chǎn)油速度與實(shí)際產(chǎn)油速度對(duì)比

除了分析預(yù)測(cè)油田產(chǎn)油速度外，還可運(yùn)用此方法分析預(yù)測(cè)油田生產(chǎn)動(dòng)態(tài)中的各項(xiàng)參數(shù)，如產(chǎn)水和產(chǎn)氣速度、溶解氣含量、井底流壓等。

4 結(jié)語

（1）將BP神經(jīng)網(wǎng)絡(luò)用于油田生產(chǎn)動(dòng)態(tài)分析預(yù)測(cè)，預(yù)測(cè)模型的方法適用范圍廣、穩(wěn)定性強(qiáng)、誤差小，節(jié)約時(shí)間和人力成本。

（2）神經(jīng)網(wǎng)絡(luò)訓(xùn)練前將數(shù)據(jù)劃分為基礎(chǔ)、校正、驗(yàn)證三大類型是保障神經(jīng)網(wǎng)格高效記憶、學(xué)習(xí)的重要基礎(chǔ)。

（3）應(yīng)用實(shí)踐證明，BP神經(jīng)網(wǎng)絡(luò)在油田生產(chǎn)動(dòng)態(tài)分析中表現(xiàn)優(yōu)良，除分析預(yù)測(cè)產(chǎn)油速度等參數(shù)外，還可延伸其分析預(yù)測(cè)范圍。

[1]王天宇．BP神經(jīng)網(wǎng)絡(luò)用于石油工程的項(xiàng)目管理[J]．油氣田地面工程，2014，33（2）：3-4．

[2]董長(zhǎng)虹．Matlab神經(jīng)網(wǎng)絡(luò)與應(yīng)用[M]．北京：國防工業(yè)出版社，2007．

[3]劉林，楊宇，楊彥軍．基于R/S分析的BP網(wǎng)絡(luò)方法預(yù)測(cè)氣井產(chǎn)量[J]．?dāng)鄩K油氣田，2006，13（4）：24-26．

（欄目主持楊軍）

10.3969/j.issn.1006-6896.2015.4.010