基于样本优化的神经网络方法在储层裂缝识别中的应用

常规测井资料解释应用于非常规储层裂缝识别时,存在裂缝识别率低,储层评价不准确等问题;而成像测井方法(FMI)识别效果好,但成本过高。为了提高常规测井裂缝识别的准确率,首先采用BP(back propagation)神经网络方法,建立常规测井参数与裂缝发育程度之间的非线性关系。在神经网络样本选取上,引入K-means聚类算法,依据不同样本特征对其进行优化分类。最后,利用聚类结果分别建立更为精细的神经网络模型,并用于实际裂缝预测。将该方法应用于塔河油田碳酸盐岩储层A探井,识别结果表明:基于样本优化方法的裂缝密度曲线拟合效果(相关系数R分别为0.84、0.89、0.76)明显优于未考虑样本优化方法(R为0.58),验证了本文方法的优越性,可以将其作为一种识别储层裂缝发育程度的新方法。     

基于变尺度混沌优化策略的混合遗传算法及在神经网络中的应用

讨论了遗传算法优化神经网络连接权的优点及存在的局限性.应用变尺度混沌搜索策略,建立了一种新的混合遗传算法——混沌遗传算法.将改进后的遗传算法结合前馈型神经网络应用于储层油气预测,取得了较好的效果.     

川东沙坪场气田石炭系储集层特征及预测

沙坪场气田石炭系黄龙组主要储集空间为孔隙和裂缝,属于低孔低渗型储层,裂缝发育程度决定着低渗储层的渗流和产出能力,裂缝在改善储层渗透率方面发挥着重要的作用。以测井信息为基础,利用神经网络算法对该区未取芯井储层的孔隙度、渗透率、含水饱和度参数及裂缝发育程度进行了预测。使用误差统计法对储层参数预测模型效果进行评价,其预测效果满足本区所需储层参数计算的精度要求。证明了神经网络算法是在测井信息较少的情况下预测储层物性的有效手段,也为其他地区储层预测研究提供了参考。     

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。     

地球物理测井多参数综合识别储层流体类型的新型神经网络

建立了一种基于引力的新型神经网络模型 ,引入了合力作用机制 ,解决了储层流体类型划分的判定半径问题 ,克服了以往神经网络对任何输入数据都要产生响应 ,并给出一个分类结果的缺陷。改进了传统的距离计算方法 ,克服了传统方法易受单个参数突变的影响而引起误判的缺点。利用新型神经网络方法并结合测井资料 ,对某油田的储层流体性质及类型进行了识别 ,获得了很高的识别率。与径向基神经网络的判别结果相比 ,该神经网络的识别率明显提高。     

重磁反演的拟人工神经网络BP算法及其应用

将神经网络反推算法（ＢＰ算法）引入重、磁场反演，建立了基于神经网络原理描述反演过程的模型，并在通用数字计算机上实现了一种拟ＢＰ算法，实践表明，拟ＢＰ算法作重磁资料反演，具有快速，大维数，容错能力强和便于充分利用已知信息等特点，用ＢＰ算法对湘南地区作重磁参数反演，给出了本区的磁性，密度三维分布特征，进而对本区地壳结构和地质构造得出了新的认识，取得较好效果，神经网络算法的引入，可能带来地球物理场反演方法的革新。     

一种可用于储层参数预测的基于神经网络的遗传算法

储层物性参数的展布一直是油藏描述的关键问题和难点。在遗传算法与神经网络结构模型相结合的基础上,设计了一种用遗传算法训练神经网络权值的方法,并把这种方法用于储层参数的预测。实验表明该神经网络具有较强的预测能力和实用性。     

地球物理测井多参数综合识别储层流体类型的新型神经网络

建立了一种基于引力的新型神经网络模型，引入了合力作用机制，解决了储层流体类型划分的判定半径问题，克服了以往神经网络对任何输入数据都要产生响应，并给出一个分类结果的缺陷。改进了传统的距离计算方法，克服了传统方法易受单个参数突变的影响而引起误判的缺点。利用新型神经网络方法并结合测井资料，对某油田的储层流体性质及类型进行了识别，获得了很高的识别率。与径向基神经网络的判别结果相比，该神经网络的识别率明显提高。     

CRIS 储层描述综合解释系统软件设计和研制

ＣＲＩＳ储层描述综合解释系统是一个具有多种储层信息提取、储层参数反演和油气综合预测等功能的人机交互储层解释软件系统，该系统目前已开始在大庆油田应用于生产。本文从软件工程角度介绍该系统的主要功能、软件系统设计思想、系统组成和结构特点以及一些开发经验。     

基于正交背传算法的电力系统静态安全性分析

本文将神经网络中的正交背传算法应用于电力系统静态安全性分析，提出了一种神经网络型并行计算方法，仿真研究算例表明这种方法具有较好的收敛特性。     

神经网络模式识别技术在井间储层参数预测中的应用

用地震资料和少量测井资料预测储层参数的横向变化,是储层评价和油气勘探开发的重要研究课题。地震资料中蕴含着丰富的储层物性信息,若能建立起地震参数与储层物性参数之间的关系,则可利用地震资料进行储层参数的横向预测。文中提出了一种神经网络模式识别方法,用地震反射资料进行井间储层参数预测。应用结果表明,用网络法对井间孔隙度做出的估算值是准确的,用网络自动建立起来的非线性映射关系可能较好地反映井间孔隙度的分布。     

微粒群优化神经网络算法的研究

介绍了微粒群算法的基本原理、特点,分析了常用的BP网络结构,提出了微粒群优化神经网络算法,实验结构表明,该算法优化了神经网络结构,从而提高了神经网络的模式分类性能。     

裂缝-孔隙型碳酸盐岩储层孔隙度下限的求解研究

裂缝-孔隙型碳酸盐岩储层具有复杂的孔隙结构和严重的非均质性,如何准确确定其物性下限值是目前储层研究的难题之一.作者以蜀南地区下三叠统嘉陵江组裂缝-孔隙型碳酸盐岩储层为例,选取与储层的储集能力和产能密切相关的喉道半径和含水饱和度两个参数,利用压汞和相渗透率资料,采用相关公式法求得了其孔隙度下限值,并进行了验证.结果表明,区内嘉陵江组裂缝-孔隙型碳酸盐岩储层的绝对下限为1.98%,产出下限为2.3%.这个计算结果与其他方法得到的孔隙度下限值是吻合的.     

鄂尔多斯盆地长7储层致密油水平井CO2补充能量与吞吐参数优化

长7储层是鄂尔多斯盆地主要的致密区块,近一半的致密油分布其中。针对长7储层开采渗透率低、开采难度大、依靠弹性开采产能较低、能量衰竭较快等问题,通过数值模拟的方法,构建水平井分段压裂数值模拟模型,首先对比不同吞吐方式对油田产能的影响,优选出CO₂吞吐为首选的补充能量方式。其次对井网形式、井网参数及吞吐参数进行优化研究。最终优选出合适的吞吐方案,达到提高生产效率的目的。结果表明,该储层的最优注采吞吐参数为：周期注入量为2 673 t、注入压力为21 MPa、注入速度为90 t/d、焖井时间为10 d。研究对鄂尔多斯盆地长7储层提高采收率具有一定的参考意义。     

基于深度学习的分数阶Nernst-Plank方程求解

摘要：在这篇文章中,我们构建了一个物理机制神经网络PINNs求解时间分数阶Nernst-Plank方程。PINNs是近年来基于深度学习求解偏微分方程新的方法。PINNs采用标准的前馈神经网络,将偏微分方程编码进神经网络中并构造损失函数,通过最小化损失函数学习网络的参数,在得到最优的网络参数的同时偏微分方程的解也被求出。分数阶物理机制神经网络fPINN是在PINNs基础上提出的用于求解分数阶偏微分方程的新方法。本文用fPINNs求解时间分数阶Nernst-Plank方程,并对其解决时间分数阶N-P的正问题与反问题的准确性和有效性进行了说明。在这基础上,我们分析了离散化时间分数阶算子所导致的离散误差、采样误差、神经网络优化误差对最终求解的影响。我们也分析了离散误差与取样误差的关系,并发现当固定离散误差后存在最好的训练点集大小使得求解误差最低。最后我们展示了神经网络求解反问题的准确性与效率。     

鲕粒碳酸盐岩储层的测井识别研究

从鲕粒碳酸盐岩层的测井响应特征出发,在提取岩性特征测井参数和建立电相—岩相库统计模式的基础上,采用极值方差聚类法实现自动分层,以灰色关联法识别单井剖面的鲕粒碳酸盐岩地层,并结合储层物性参数的精细解释建立了鲕粒储层测井识别模式,编制了相应的处理程序。应用表明,该套方法具有较高的分辨力,能识别出单井剖面中0.5 m以上的鲕粒储层,提高了鲕滩储层的纵横向预测精度。     

基于神经网络推理的故障诊断专家系统

本文利用神经网络(NN)的知识并行处理、自学习及联想记忆等功能，建立了基于神经网络推理的专家系统论述了NN的结构、算法参数的确定、系统知识获取和离线／在线自学习功能，提出了NN数值推理和ES深层逻辑概念相结合的输入／输出转换机制与NN推理的解释机制．研究表明系统具有良好的实用性。     

孤南131断块油藏高含水后期剩余油挖潜

为提高孤南 1 31断块油藏的采收率 ,在加强油藏精细研究、深化油藏认识、搞清剩余油分布规律的基础上 ,通过应用复合解堵工艺、水力割缝技术、完善注采井网、优化生产参数等进行调整挖潜 .经矿场实验后 ,水驱开发效果得到了明显改善 ,采收率由 2 4 .8%提高到 2 9.0 % .该油田的成功经验对类似油田的后期开发具有一定的借鉴作用     

基于自构建RBF神经网络的内模控制

针对复杂的非线性被控过程,本文提出一种基于自构建RBF神经网络的内模控制方法。该方法中,神经网络的自构建学习算法包括结构学习和参数学习。结构学习采用最近邻聚类法使网络能够自适应地在线增加和删减神经元以达到理想的网络结构。神经网络的参数学习采用梯度下降法。将该神经网络用于内模控制,使得辨识被控远程内部模型和控制器模型的神经网络的神经元个数可以根据激励强度动态改变,进而改善了控制系统的动态性能和鲁棒性。仿真结果表明了所提方法的有效性。     

各向异性油藏菱形反九点井网合理井排距研究

油藏的各向异性对油田开发过程中的井网布置和油井产能具有重要影响,常规规则井网不能很好地适应各向异性油藏,渗透率主方向油井见水时间短,而渗透率侧方向储层水驱效果不佳或油井未见效。为解决该问题,突破传统的常规规则井网形式,根据水驱油的流管法原理和物质平衡方程,构建平面各向异性油藏菱形反九点井网。当边井和角井见水时间相等时,各向异性油藏可以达到均衡驱替的效果。根据各向异性油藏的基本特征,建立了各向异性油藏菱形反九点井网合理注采单元几何参数的定量计算公式,并通过实例对所建立公式进行了验证。在各向异性油藏中,短轴角井井距随着长轴角井井距的增加而增加,随各向异性系数的增加而迅速降低,在各向异性系数为10时,短轴角井井距的减小趋于平缓。新的菱形反九点井网提高了油藏的采出程度和注入水的波及效率,为平面各向异性油藏构建合理的九点井网提供了理论依据。