bp神经网络在煤层气井产量预测中的应用

《bp神经网络在煤层气井产量预测中的应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、BP神经网络在煤层气井产量预测中的应用：BP学习算法是一种单向传播的多层前向X络，Matlab中的神经X络工具箱以人工神经X络理论为基础。本文基于Matlab的工具箱，结合沁水樊庄区块晋试1-6井和TL003井的抽排实验数据对煤层气井产量进行预测，验证了BP神经X络在沁水樊庄区块预测煤层气井产量的可行性，且BP算法收敛速度快，误差小，值得推广。　　关键词：BP神经X络煤层气井产量预测　　　　1.引言　　人工神经X络(ArtificialNeuralNetelhart等在1986年提出的。它是一种

2、单向传播的多层前向X络，一般具有三层或三层以上的神经X络，包括输入层、中间层(隐层)和输出层[1]，其模型见图1所示。　　Matlab中的神经X络工具箱是以人工神经X络理论为基础，利用Matlab语言构造出许多典型神经X络的传递函数、X络权值修正规则和X络训练方法。X络的设计者可根据自己的需要调用工具箱中有关神经X络的设计与训练的程序，免去了繁琐的编程过程。　　沁水煤层气田划分为樊庄、潘庄、郑庄3个区块，总面积3630km2，煤层气总资源量4500×108m3，其中中石油登记区总含气面积为109

3、0.87km2，煤层气总资源量为2655.98×108m3。樊庄区块总含气面积为398.23km2，煤层气总资源量为1043.3×108m3，已探明352.26×108m3[2]。截止2008年，樊庄-郑庄区块已经完成59口探井、评价井和48口水平井以及638口开发井的钻探。根据煤层气井产气量对不同井进行组X是经济有效的进行采气作业的好办法，那么在开采之前对煤层气井产气量进行预测就十分必要。本文利用晋试1-6井的参数，以煤层埋深、煤层厚度、含气量、渗透率和含气饱和度作为输入因子，日产气量为输出因

4、子，选择合适的隐层，构建影响沁水樊庄区块煤层气井日产气量的BPX络模型，运用Matlab软件进行预测。　　2.BP神经X络设计的基本方法　　Matlab的NNbox提供了建立神经X络的专用函数ne、traingdx、trainbfg、trainlm等，缺省为trainlm；BLF表示字符串变量，为X络的学习函数名，缺省为learngdm；BF表示字符串变量，为X络的性能函数，缺省为均方差“mse”。　　2.1X络层数　　BPX络可以包含不同的隐层，但理论上已经证明，在不限制隐层节点数的情况下，两

5、层(只有一个隐层)的BPX络可以实现任意非线性映射。本文所建立的模型拟采用三层的BPX络。　　2.2输入层节点数　　输入层起缓冲存储器的作用，它接受外部的输入数据，因此其节点数取决于输入矢量的维数。本论文输入因子为煤层埋深、煤层厚度、含气量、渗透率和含气饱和度，即输入层的输入矢量的维数为5，故输入层节点数为5。　　2.3输出层节点数　　输出层节点数取决于两个方面，输出数据类型和表示该类型所需的数据大小。在设计输人层和输出层时，应该尽可能的减小系统规模，使系统的学习时间和复杂性减小。结合预测要求本

6、论文设计输出层为产气量一个输出因子。　　2.4隐层节点数　　一个具有无限隐层节点的两层BPX络可以实现任意从输入到输出的非线性映射。但对于有限个输入模式到输出模式的映射，并不需要无限个隐层节点，这就涉及到如何选择隐层节点数的问题，至今为止，尚未找到一个很好的解析式，隐层节点数往往根据前人设计所得的经验和自己进行试验来确定。一般认为，隐层节点数与求解问题的要求、输入输出单元数多少都有直接的关系。另外，隐层节点数太多会导致学习时间过长；而隐层节点数太少，容错性差，识别未经学习的样本能力低，所以必须综

7、合多方面的因素进行设计。　　隐层节点数的初始值可先由以下两个公式中的其中之一来确定[4,5]。　　+a(1)　　或(2)　　式中，m、n分别为输入结点数目与输出结点数目，a为1～10之间的常数。　　2.5数据归一化　　因为原始数据幅值大小不一，有时候还相差比较悬殊。如果直接投人使用，测量值大的波动就垄断了神经X络的学习过程，使其不能反映小的测量值的变化。所以，在X络训练之前，输人数据和目标矢量都要经过归一化处理。根据公式可将数据“归一化”，即限定在[0.1,0.9]区间内。归一化公式为：　　×0

8、.8+0.1(3)　　3.BP算法及预测模型的建立　　3.1BP算法　　1)初始化X络及学习参数；　　2)从训练样本集合中取一个样本，并作为输入向量送入X络；　　3)正向传播过程，对给定的输入样本，通过X络计算得到输出样本，并把得到的输出样本与期望的样本比较，如有误差超出限定范围，则执行第4步；否则返回第2步，输入下一个样本；　　4)反向传播过程，即从输出层反向计算到第一隐层，修正各神经元的连接权值，使用误差减小。　　3.2煤层气井日产气量预测模型　　为了预测煤层气井日产气量，需要关注很多因素，