logo
专注油气领域
与独立思考者同行

采收率算不准?来试试人工神经网络模型(上)

采收率算不准?来试试人工神经网络模型(上)

摘要:人工神经网络(ANN)是目前最为炙手可热的建模方法,如何用它来计算采收率?效果又会如何呢?本文将为您介绍ANN原油采收率模型的详细内容。

编译:TOM

人工神经网络(ANN)是一种信息处理系统,可模仿出人脑的思考过程。基于训练模式或大量数据,ANN能够进行机器学习。这些系统擅长于模式匹配、分类、数据聚类以及预测。ANN非常适合于复杂的非线性关系建模,例如水驱油藏中原油采收率的建模。

Neuro3是首个专为石油行业设计的、公开的通用人工神经网络,于2001年由美国能源部发布。虽然它只是个雏形,但仍然受到了广泛的关注。

神经网络生成的预测模型是一个多维函数,其中包含多个参数可调的元素。ANN模型中最重要的元素是神经元,它们包含在一个“隐藏层”中,如下图所示。神经元以数值输入的形式接收信息。然后,将这些信息与神经网络中的一组参数组合起来,以数值输出的形式生成结果。

采收率算不准?来试试人工神经网络模型(上)

ANN模型最常用的方法是反向传播、前馈与神经网络系统。其计算过程是前馈的,换句话说,也就是从输入层到隐藏层再到输出层。反向传播一般用于训练阶段。在该阶段,将计算输出值与期望值进行比较,然后输入误差值,以修改ANN中用于下一次迭代的权重。

神经网络的参数由两部分组成:一个是“组合函数”,它接受所有输入,并通过使用权重因子与偏差,来计算每个神经元的组合,最终形成一组净输入值;另一个是“传递函数”,它产生神经元输出。下图为单个神经元的前馈神经网络过程,其中Σ是组合函数,∫是传递函数。值得注意的是,预测神经网络中最常见的传递函数是双曲正切函数。

采收率算不准?来试试人工神经网络模型(上)

功能齐全的神经网络软件通常会与遗传算法、统计/线性回归、模糊逻辑相结合,以自动找到问题的最佳或接近最佳的解决方案。

任何ANN模型的有效性都取决于系统的训练程度。通常情况下,使用数据质量高的大型数据集进行训练,模型建立后,再使用不同的数据集来进行盲测试。ANN系统将训练数据集细分为训练集与验证子集。这与使用数据集来进行盲测试是不同的。验证子集仍然是训练数据集的一部分,并将之用于反向传播算法,因此它不是模型的独立测试。

开发一个神经网络通常有两个步骤:训练建立网络结构与权重因子,然后再进行预测。一旦经过训练,ANN就可用于预测新输入的数据。

原油采收率

人工神经网络特别适合于复杂非线性关系的建模,而传统的线性回归方法很难完成复杂非线性关系的建模。SPE发表了大量有关神经网络应用于石油行业的论文。在www.onepetro.org网站上搜索关键词“神经网络”,可以得到超过3900条参考文献。

利用开源的ANN系统,构建ANN原油采收率模型。市面上那些免费以及商业的ANN软件,都是基于名为OpenANN的开源ANN系统。该系统是由自由分布的神经网络库组成。

建立神经网络原油采收率模型。目前已经公布了几种用于预测采收率的经验公式。最常用的是API采收率小组委员会发布的采收率计算公式,该公式是基于70个水驱油藏的统计研究而得出的。该API采收率经验公式是针对水驱油藏,利用孔隙度、含水饱和度、地层体积系数、渗透率、水粘度、原油粘度、初始压力与枯竭压力等参数来计算采收率。

基于通用的油藏与采油工程原理,选用以下参数来建立ANN原油采收率模型:砂岩油藏、水驱、原始储量、孔隙度、渗透率、原油粘度、原油比重、产层有效厚度。虽然这些参数不是影响采收率的唯一参数,但这些参数被认为是影响油藏长期产量与采收率的主要因素。

在砂岩储层的ANN原油采收率模型中,拥有264个砂岩/碎屑岩、水驱/混合驱的油藏。这些油藏都拥有完整的数据集,包括采收率。将随机46个储层子集从完整数据集中删除,用作为盲测试。在剩余的218个油藏中,20%被用作为训练的验证数据。

显而易见,这些数据较为分散,范围太广。考虑到油藏采收率的影响因素,这并不出人意料。若要推导出具有普适性的原油采收率关系式,离散性是必须要面对的难题之一。离散性主要是储层平均参数与数据准确性所造成的。

为了使数据更有利于神经网络的使用,ANN的实际输入参数是:Log(原始储量)、Log(渗透率-深度)、Log(粘度)、Log(孔隙度-深度)以及原油API比重。将输入的数据进行对数处理,利用对数值确定出数据的线性范围,保证最大值与最小值在合理范围内。在数据应用于ANN之前,先进行数据的预处理或使数据线性化。

如下图所示,每个输入数据集在采收率方面都呈现出近似线性趋势。这些明显的趋势有助于神经网络系统找到最佳解决方案。原始的数据集中包含有38个碳酸盐岩/白云岩油藏,后来将它们从302个油藏的总数据集中剔除出来。因为碳酸盐岩油藏的采收率,始终是ANN模型中的异常值。这是由于碳酸盐岩油藏含有大量天然裂缝,会影响油藏的最终采收率。

采收率算不准?来试试人工神经网络模型(上)

明天的文章将为大家带来ANN砂岩油藏采收率的建模方法与参数选择,敬请期待!

For English, Please click here (展开/收缩)

未经允许,不得转载本站任何文章:

评论 抢沙发