基于试井资料分析的煤储层渗透率定量预测模型

为了探讨煤储层渗透预测的方法,基于工区的试井资料,对煤储层渗透率的主控因素进行了分析,认为煤层埋深、储层压力、地应力和有效地应力与煤储层渗透率具有较强的相关性;以工区的试井资料为依据,选取相应的参数,利用多元线性逐步回归分析和非线性的BP神经网络两种方法,对煤储层渗透率进行了预测分析.预测结果和实测资料对比分析表明:预测的煤储层渗透率与实测的煤储层渗透率之间的误差较小,且非线性的BP神经网络方法预测结果明显优于线性回归预测的结果;基于试井资料建立煤储层渗透率预测模型具有可行性,其预测结果是可靠.     

基于GA-BP神经网络的长宁地区页岩气水平井产能预测技术

准确预测页岩体积压裂井的产能是确定合理开发决策的重要前提。目前页岩气井产能预测主要基于理论模型,需要理想化假设条件和不易得到的参数,导致体积压裂前的产量预测精度不高。为此,通过数据挖掘技术直接从影响产能的参数入手,突破传统理论模型的局限,首先利用灰色关联度确定影响长宁地区57口页岩气水平井压后产量的主控因素及权重,然后基于遗传算法优化的误差反向传播(back propagation,BP)神经网络方法,建立页岩气水平井体积压裂产能预测模型。基于该模型,针对长宁地区已生产井数据开展现场应用。应用结果表明:工程参数主要影响页岩气水平井的初期产量,总有机碳含量(total organic carbon,TOC)、单井百米液量、单井百米砂量、脆性矿物指数等工程参数是影响页岩气水平井测试产量和3个月累产气量的主控因素;TOC、I类储层钻遇长度、孔隙度、含气量等地质参数是影响页岩气水平井1年累产气量的主控因素;基于长宁地区已生产井数据建立的页岩气水平井体积压裂测试产量预测模型的平均误差为8.76%,预测误差同比多元回归模型预测降低了47.79%;基于遗传算法-误差反向传播(genetic algorithm-back propagation,GA-BP)神经网络的产能预测技术具有操作灵活和预测精度高的特点。利用大数据分析和产能预测方法为长宁地区页岩气井的产能预测提供一种新思路,提高了产能预测效率,并有效地指导现场施工。     

页岩气藏开发的关键因素

 页岩气藏是一种非常规气藏,属连续型气藏,其储层结构复杂,为低孔、低渗型,对开发技术要求很高。本文简述国内外页岩气开发现状,对北美页岩气藏开展研究并总结其勘探开发成功经验,认为其有效开发的关键是甜点区优选及储层压裂改造,综合地质评价是页岩气资源投入开发的基础,储层改造技术是动用页岩气储量的核心。介绍了开发目标区优选的主要地质参数及钻完井优化的主要内容,同时结合中国页岩气井地质及工程参数实际对比,提出了页岩气成功开发的工作思路,即在水平段储层评价基础上,进行有针对性压裂射孔设计,采用适合工程参数以增大缝网改造体积和效率,进而提高单井产量。     

机器学习方法对砂砾岩岩屑成分的预测——以西北缘X723井百口泉组为例

选择凝灰岩岩屑作为预测对象,对测井数据进行标准化处理,对砂砾岩储层薄片鉴定结果和测井数据进行相关性分析,优选对岩屑敏感的CNL、GR、RT、RI、SP测井参数作为训练学习的对象;分别利用SVM、BP神经网络、CART、BP神经网络-Bagging、CART-Bagging、随机森林等机器学习方法建立岩屑预测模型,对西北缘X723井百口泉组岩屑成分进行预测、对比和分析。结果表明:单个机器学习方法预测效果不佳,而经集成学习方法优化的BP神经网络-Bagging、随机森林取得较好的实验结果,尤其是随机森林的预测效果最好,平均相对误差绝对值为17.17%,证实机器学习方法在本工区预测岩屑成分是有效的,可以进行推广。     

基于RBF神经网络的页岩气丰度预测

对页岩气成藏条件进行分析认为,机质含量、类型、成熟度、储层厚度、埋藏深度和孔隙度等为影响页岩气成藏的主要因素;依据四川盆地和北美页岩气形成的地质条件的相似性和所收集的大量页岩气数据,利用RBF神经网络构建了各主要因素与资源量丰度的网络模型,并用MATLAB对网络模型进行训练。对Ohio和龙马溪组页岩资源丰度进行了预测,预测误差分别为27.5%和3.5%,表明RBF神经网络模型可较好预测页岩气产量,对页岩气开采和勘探具有参考价值。     

BP神经网络在碳酸盐岩储层参数测井解释中的应用

由于碳酸盐岩储层具有严重的非均质性特点,运用传统的测井解释方法对该类储层进行储层参数分析得到的计算结果往往存在较大误差。为提高储层参数测井解释精度,应用BP神经网络方法,在岩心分析和地质、测井等资料的基础上,对碳酸盐岩储层进行岩心深度归位、测井数据标准化、归一化等预处理工作,挑选合适的学习样本,建立储层参数预测模型,用交会图法、叠合图法和误差统计法对预测效果进行评价并与传统计算结果对比,结果显示:BP神经网络储层参数预测结果比经验模型法、方程法等传统方法精确度更高。     

页岩气井返排早期气水两相流数学模型研究

目前存在的早期单相流返排的数学模型适用于致密油气储层,不适用于页岩气储层,这是因为页岩气井早期返排阶段不存在单相流,而是气水两相流。利用北美某页岩气储层压裂水平井的返排数据分别绘制气水产量随时间的变化曲线和气水比随累积产气量的变化曲线,气水产量曲线在早期返排阶段气水同产,表明裂缝中存在自由气的消耗;而气水比曲线根据斜率的正负将返排分为两个阶段,并针对曲线的"V型"进行原因分析。针对气体早期返排阶段,建立裂缝系统物理模型,运用物质平衡方程和扩散方程,推导得到页岩气井早期两相流返排数学模型,数学方程表明:等效压力与拟时间呈线性关系。应用现场实例对数学模型进行分析,结果表明,该模型能够较好地拟合现场数据,拟合得到的直线斜率可用于估算原始裂缝体积,截距可以给出裂缝半长和裂缝渗透率之间的关系。本文创新性地对返排数据进行调研分析,在此基础上得出适用于现场估算裂缝参数的返排数学方程,从而为认识裂缝特征提供了新的方法。     

粗糙集-改进神经网络落煤瓦斯涌出量预测

为对井下落煤瓦斯涌出量进行预测,采用粗糙集与改进神经网络相结合的方法,在样本数据的筛选上吸取粗糙集数据约简的优点,使选择的数据样本简洁且更具代表性;充分利用BP神经网络的非线性拟合能力,将遗传算法与其相结合,避免BP网络陷入局部最优.利用编写的程序确定隐含层节点数,相比以往经验公式取值更具优势.最后在任家庄煤矿成功应用.研究结果表明:利用粗糙集与改进神经网络相结合模型进行预测,结果准确可靠,克服了以往BP模型的不足.该模型对井下落煤瓦斯涌出量预测具有一定参考价值.     

改进的BP神经网络预测地表沉陷

地表沉陷过程中呈现了众多的复杂性、非线性和破坏性,而用传统的三层BP神经网络预测地表沉陷精度较低,本文通过引进遗传算法来改进BP神经网络,对地表沉陷作了有效预测。     

基于BP神经网络客运量的分析及预测

客运量分析预测是一个复杂的非线性系统，针对传统分析预测方法的不足，采用BP神经网络对客运量进行分析及预测，通过对1990—2002长江三角洲地区社会经济数据与客运量数据的处理，建立了客运量的神经网络预测分析模型，借助MATLAB7．0软件，进行网络学习与训练仿真实验，与线性回归模型分析预测结果进行对比，结果表明应用BP神经网络对客运量的分析预测精度更高、效果更好。     

BP神经网络在储层物性参数预测中的应用——以梁家楼油田沙三中为例

在储层四性特征及其四性关系研究的基础上，应用BP神经网络方法，对梁家楼油田沙三中储层的物性参数（孔隙度、渗透率）进行了预测，并对其预测精度进行了检验。将神经网络解释结果与常规数理统计方法精度对比可见，神经网络法的参数预测精度有较大的提高，显示出BP神经网络法在储层参数预测中的优势与应用潜能。     

基于PCA-BNN的页岩气压裂施工参数优化

国内外学者在已有大量国外页岩压裂样本数据的前提下,开展了基于机器学习的页岩气压裂有效期预测及压裂参数优化的研究。随着近年来中国F气田不断地规模开发,积累了大量的压裂施工、生产动态、解释成果数据。通过利用已有的200口井的压裂施工历史数据及储层物性参数建立贝叶斯神经网络模型来优化压裂施工参数。选取对压裂效果有影响的储层物性参数、完井参数、压裂施工参数,用皮尔逊相关系数法分析11个参数的相关性;用主成分分析法（PCA）进一步降维处理,以降维后的主成分作为贝叶斯神经网络模型的输入参数,以压裂效果评价指标（有效期）为输出参数,引入贝叶斯方法自适应调整正则化系数避免神经网络过拟合,生成三层贝叶斯神经网络预测模型。用200口井中90%的井数据作为训练集,10%的井数据作为测试集,对该模型进行训练,实验结果表明,训练后该模型预测测试集的相对误差均值在5%以内,可以用来优化压裂施工参数。     

页岩气井EUR快速评价新方法

页岩气井通常采用控压进行生产，这既可降低储层应力敏感效应，又可改善气井生产效果，提高气井最终可采储量（EUR）。同时，频繁变更工作制度又会导致气井生产数据波动剧烈，给准确预测气井EUR带来了新的挑战。因此，通过对现有气井生产数据处理方法的综合分析，首先，开展了变工作制度下波动数据降噪方法的研究，结果表明双对数坐标系下的压力规整化产量-物质平衡时间图版能使波动数据得到有效的收敛；然后，基于降噪处理后的数据形态特征，建立了页岩气井EUR评价新模型，提出了一套页岩气井EUR评价新方法。实例分析表明，新方法与经典方法的评价结果相近，确保了新方法的可靠性；同时，新方法操作更简便，计算更高效，避免了经典方法中参数多、拟合难的问题，可更加快速地完成页岩气井EUR评价。     

基于Chebyshev神经网络的非线性动态系统预测

针对非线性动态系统的预测常受到噪声或其他过程的耦合影响,使得规律变得难以发现的问题,提出了以一组Chebyshev正交基函数作为神经网络中各隐神经元的激励函数的新型的Chebyshev基函数神经网络预测模型.将该模型作为非线性动态系统预测模型,并采用基于粒子群和模拟退火组成的文化基因算法优化神经网络的权值,可以达到很高的预测精度和很好的预测结果.Chebyshev神经网络与传统的BP(back propagation)神经网络相比,工作量大大减少,加快了收敛性.文化基因算法用于确定权值的Chebyshev神经网络分别与粒子群和模拟退火优化的Chebyshev神经网络相比具有更好的拟合效果.     

基于改进残差的神经网络方法预测页岩气甜点

北美页岩气革命取得的巨大成功对全球能源格局产生了深远的影响,并引起了工业及学术界的广泛关注。甜点预测是提高页岩气钻井成功率、保障压后产能的一项关键技术。目前传统方法预测页岩气甜点区存在误差较大的问题。以加拿大商业开发成功的页岩气产区Fox Creek地区为例,对控制该区页岩气甜点的地质及工程因素进行详细剖析,在此基础上,提出一种改进残差的神经网络方法来分析页岩气甜点主控因素,并建立甜点区预测模型。结果表明,影响研究区页岩气甜点区的主控因素为孔隙度、渗透率、泥质含量、埋深、地层压力、脆性指数和压裂施工参数（水平段长度、压裂段数、支撑剂注入质量和压裂液注入体积）。改进残差神经网络算法在测试及训练的产气量数据预测方面吻合度分别达到0.94和0.85,展现出很好的预测效果。基于改进残差神经网络的预测模型表明,西部和南部Duvernay边界处发育页岩甜点区,向东北部逐渐变差。该页岩气甜点预测模型为该地区页岩气的后续高效开发提供了可靠的基础。     

最小二乘支持向量机在API预测中的应用

传统的空气污染指数预测模型大多是以影响空气污染指数的重要气象因子作为输入,使用BP神经网络进行建模,模型的预测精度低且收敛速度慢.针对空气污染指数时间序列的非线性及多分辨率特性,提出了一种空气污染指数的最小二乘支持向量机预测模型.首先利用小波变换对原始的空气污染指数时间序列进行多尺度分解,以各尺度上的小波单支重构序列和重要的气象因子作为输入,然后使用该模型对兰州地区的空气污染指数进行了预测,最后讨论了模型参数的优化方法并使用网格法对两个参数进行了优化.仿真结果表明,与传统的BP神经网络预测模型相比,该模型具有更高的预测精度、更快的收敛速度及更好的稳定性.     

基于BP神经网络的交流输电线路可听噪声预测模型

可听噪声属于输电线路电磁环境的影响因子之一,其常规预测模型均存在使用条件受约束或预测误差偏大的问题.根据间接预测法的思想,以可听噪声通用表达式中的4个因素为输入变量,可听噪声值为输出变量,建立了三层结构的BP神经网络交流输电线路可听噪声预测模型.以国外多条输电线路可听噪声数据为样本,通过BP神经网络对样本进行训练,运用得到的模型对预测集线路的可听噪声值进行了预测.结果表明,与常规GE公式相比,采用BP神经网络预测模型的预测平均绝对误差要小1.641 4 d B(A).     

中国粮食多因子灰色关联神经网络预测研究

针对BP神经网络多变量输入难以确定的缺点，提出了采用灰色关联分析法确定主要影响因子输入的多因子灰色关联分析神经网络预测模型，并给出了灰色关联神经网络BP预测模型的建立方法，对我国粮食生产影响因子多因子预测实证研究结果表明，用该网络建立的模型经过训练后，可得到影响粮食产出的主要影响因子及其之间的非线性关系，网络模型新颖，具有较好的预测精度及较好的预测效果，可广泛应用于各种预测研究，有较高的推广价值。     

弹性BP神经网络识别油气储层类型的研究

从油气储层类型识别的现状出发,提出采用弹性BP神经网络进行油气储层类型识别的原理、方法。与试油试水资料比对的结果表明,弹性BP神经网络可在不增加额外测井数据的情况下,对储层类型进行较准确的判别,相对于常规BP网络,可在减少网络训练时间的同时,提高网络预测的正确性。     

基于深度学习的页岩储层总有机碳含量预测方法

页岩储层总有机碳（Total Organic Carbon,TOC ）含量的地震预测普遍采用密度回归拟合法,仅考虑了单因素的线性关系,预测结果误差较大。针对常规方法的不足,提出基于深度学习的TOC含量预测方法。首先,从测井资料中优选出与TOC含量曲线相关度相对较高的多个弹性参数曲线作为样本集输入数据,TOC含量曲线作为样本集输出数据,构建针对TOC含量预测的深度前馈神经网络模型;然后,调试网络模型结构,并利用共轭梯度法进行网络参数寻优;最后,将叠前振幅随偏移距变化（Amplitude Versus Offset,AVO ）反演得到的弹性参数数据体输入到深度前馈神经网络模型,预测得到最终的TOC含量数据体。通过四川盆地页岩储层实际测井、地震资料的应用,对比了该方法相对于常规回归拟合法的优越性,验证了方法的实用性和可行性,为页岩储层TOC含量预测提供了新思路。