资源描述：
《利用不稳定试井分析中参数识别的神经网络方法》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、第19卷第4期西南石油学院学报Vol.19No.41997年11月JournalofSouthwestPetroleumInstituteNov1997不稳定试井分析中参数识别的X神经网络方法胡泽(西南石油学院石油工程系,四川南充637001)摘要在不稳定试井分析中,调整试井解释参数往往花费解释人员大量的时间。特别,当试井解释参数较多时,进行参数调整就更为困难,有时得不到一个合理的参数识别结果。因此,研究新的试井解释参数识别方法势在必行。目前,典型曲线的自动拟合方法是其研究成果之一,但由于数值计算方法的局限,使得该方法难于推广。文中研
2、究了基于神经网络的系统辨识方法在不稳定试井分析参数识别中的应用。通过神经网络对一实际的油气藏系统进行建模和辨识,从而由新的神经网络模型可以获得参数识别结果。着重讨论了均质地层和双重介质地层的压力不稳定测试的参数识别问题,一个实例的分析显示了该识别算法的特性。主题词试井解释;参数识别;系统辨识;神经网络中图分类号TE353.2前言试井资料的解释包括定义一个适当的解释模型(内边界,地层,外边界),调整油藏模型参数来获得油田数据与理论数据的最佳拟合。先前的典型曲线分析都是通过手工计算油藏压力响应,然后与理论模型的压力响应相拟合,从而获得系统
3、的参数识别,这种方法受人的主观性影响。机辅典型曲线的自动拟合能够消除主观性的影响,而且在分析变流量史的测试,处理不充分或根本不存在典型曲线的复杂油藏模型(水平井,边界系统)方面有突出的优点。当仅用压力进行分析时,可避免噪声对压力导数的影响。目前的典型曲线自动拟合方法均是建立在回归分析基础上。尽管这种非线性回归分析似乎比传统的典型曲线拟合更适用,但它却遭受到非唯一解的影响,不同的初始估计值可能会得到不同的结果,况且对某些初始值,可能会发散。近几年来,神经网络技术发展迅速,已经应用在各个方面。对系统辨识而言,非线性系统的辨识一直难于找到相
4、应的数学方法,神经网络因其学习能力和非线性特性,在这方面具有很大的潜力。因此本文提出了试井分析参数识别的神经网络方法,旨在研究基于神经网络的非建模式,非算法式的油藏不稳定测试的系统辨识问题,进而由所辨识的系统来识别不稳定试井中的参数。这种参数识别方法不仅消除了人的主观性的影响,同时也克服了典型曲线自动拟合中的非唯一性问题。X1997—01—26修改稿国家863项目(863-306-04-03-1A)部分研究内容胡泽,男,1966年生,博士,主要从事信号处理、神经网络、专家系统、试井分析研究58西南石油学院学报1997年1文献回顾在已知
5、试井解释模型的前提下,进行参数识别,目前文献中一般采用三种方法。1.1常规试井分析方法即压力降落试井为半对数分析方法,压力恢复试井为Horner分析方法,根据径向流动阶段井底压力与时间的对数成直线的关系,可以在实测压力半对数曲线上找出直线段,求其斜率以及偏离直线段的大致时间等特征值,从而可获得地层渗透率,表皮系数,平均地层压力,井距边界的距离等。1.2现代试井分析方法即双对数分析方法。根据典型曲线图版可以划分流动段,充分利用试井资料。现代试井分析方法便于计算机的应用。[1]1.3典型曲线的自动拟合方法使用非线性回归来分析压力不稳定测试
6、数据的基本目的是确定系统参数α的优化解,从而尽可能地使测试数据与理论模型数据一致。最普通的方法是求n个测量点残差平方和的最小值。ei=yi-Fi(αˆ)=Pmeas,i-PModel,iei表示第i个测量点的残差,Yi表示第i个测量点的压力,Fi(αˆ)表示由理论模型产生的压力响应。平方和(L2-norm):n2E2(αˆ)=∑eii=1对均质油藏:αˆ={k,s,C,d}(d是与边界有关的参数。)对双重介质油藏:αˆ={k,s,C,λ,ω,d}(d是与边界有关的参数。)求目标函数的最小值的必要条件是:5E25E25E25E25E25
7、E2=====5k5s5C5λ5ω5d目前关于minE2(αˆ)的解法均是基于线性系统理论的,不可避免地存在着线性系统理论解非线性问题的各种缺陷。[2]2基于神经网络的系统辨识过去几十年来,对线性,非时变和具有不确定参数的对象进行辨识的研究已取得了很大的进展,但这些研究中辨识器的结构选取和保证整个系统全局稳定的自适应规律等,都是建立在线性系统理论基础上的,对非线性系统的辨识问题却一直难于找到相应的数学方法,人工神经网络因其学习能力和非线性特性,在这方面具有很大的潜力。2.1神经网络辨识的内涵L.AZadeh给辨识下过这样的定义“:辨识
8、就是在输入和输出数据的基础上,从一组给第4期胡泽:不稳定试井分析中参数识别的神经网络方法59定的模型中,确定一个与所测系统等价的模型。”这个定义明确了辨识的三个基本要素:(1)输入/输出数据———指能够量测到的系统的输入
