基于循环神经网络的缝洞型油藏油井产量预测

doi:10.19596/j.cnki.1001-246x.7754

计算物理 ›› 2018, Vol. 35 ›› Issue (6): 668-674.DOI: 10.19596/j.cnki.1001-246x.7754

基于循环神经网络的缝洞型油藏油井产量预测

周于皓, 刘慧卿, 祁鹏, 赵萌, 陈宇

中国石油大学(北京) 石油工程学院, 北京 102249

收稿日期:2017-09-04 修回日期:2017-10-16 出版日期:2018-11-25 发布日期:2018-11-25
作者简介:周于皓(1992-),男(汉),北京昌平,在读硕士,主要从事油气田开发大数据、人工智能,油气数值模拟研究,E-mail:zhou1220128@163.com

Forecast of Oil Production in Fractured-Vuggy Reservoir by Using Recurrent Neural Networks

ZHOU Yuhao, LIU Huiqing, QI Peng, ZHAO Meng, CHEN Yu

Petroleum Engineering Institute, China University of Petroleum(Beijing), Beijing 102249, China

Received:2017-09-04 Revised:2017-10-16 Online:2018-11-25 Published:2018-11-25

摘要/Abstract

摘要： 利用神经网络的强大非线性映射和拟合能力，构建神经网络产量预测模型，并针对油田生产数据的高误差、易缺省等特性和曲线拟合预测不易收敛的情况，提出了训练数据集扩充方法和改良的均方误差损失函数.在拟合油井产量方面取得了显著的效果.

关键词: 缝洞型油藏, 产量预测, 循环神经网络, 反向传播算法

Abstract: With powerful nonlinear mapping and fitting ability of neural network, a production predicting neural network model is constructed. In view of high error, easy to default and other characteristics of oil field production data or data fitting and prediction is not easy to converge, a method of extended training data set and improved mean square error loss function are presented to get remarkable results in oil production fitting.

Key words: fractured-vuggy reservoir, production predict, recurrent neural networks, back propagation algorithm

中图分类号:

TE344

周于皓, 刘慧卿, 祁鹏, 赵萌, 陈宇. 基于循环神经网络的缝洞型油藏油井产量预测[J]. 计算物理, 2018, 35(6): 668-674.

ZHOU Yuhao, LIU Huiqing, QI Peng, ZHAO Meng, CHEN Yu. Forecast of Oil Production in Fractured-Vuggy Reservoir by Using Recurrent Neural Networks[J]. CHINESE JOURNAL OF COMPUTATIONAL PHYSICS, 2018, 35(6): 668-674.

参考文献

[1] 李溢龙, 吴锋, 李晓平,等. 塔河缝洞型油藏产量变化预测模型研究[J]. 石油地质与工程, 2016, 30(6):26-29.
[2] 王禹川, 王怒涛, 袁晓满,等. 碳酸盐岩缝洞型油藏产能评价方法探讨[J]. 断块油气田, 2011, 18(5):637-640.
[3] 杨瑀, 何志雄, 陈旭,等. 缝洞型油藏油井产能分析[J]. 断块油气田, 2014, 21(6):746-749.
[4] 康志江, 李江龙, 张冬丽,等. 塔河缝洞型碳酸盐岩油藏渗流特征[J]. 石油与天然气地质, 2005, 26(5):634-640.
[5] 邓力, 俞栋, 谢磊. 深度学习[M]. 北京:机械工业出版社, 2016.
[6] 张广杰, 刘明新, 武若霞. 神经网络在油田动态预测方面的应用[J]. 石油学报, 1997, 18(4):70-75.
[7] 杨志浩,李治平. 基于BP神经网络的底水油藏控水压裂选段新方法[J]. 地质与勘探,2017,53(4):818-824. DOI:10.13712/j.cnki.dzykt.2017.04.023.
[8] 倪红梅. 基于智能计算的蒸汽驱开发效果预测与参数优化方法研究[D].东北石油大学,2016.
[9] 李铁宁. 基于动态神经网络的油田开发数据分析和预测模型研究[D].东北石油大学,2016.
[10] 张学磊,沈楠,樊茹,张守良,唐玮. 神经网络技术在复杂断块油藏水淹层评价中的应用[J]. 复杂油气藏,2015,8(3):55-58+70. DOI:10.16181/j.cnki.fzyqc.2015.03.012.
[11] GRAVES A. Generating sequences with recurrent neural networks[J]. Computer Science, 2013.
[12] CHAKRA N C, SONG K Y, GUPTA M M, et al. An innovative neural forecast of cumulative oil production from a petroleum reservoir employing higher-order neural networks (HONNs)[J]. Journal of Petroleum Science & Engineering, 2013, 106(106):18-33.
[13] CHAKRANC C, SONG K Y, SARAF N D, et al. Production forecasting of petroleum reservoir applying higher-order neural network (HONN) with limited reservoir data[J]. International Journal of Computer Applications, 2013, 72(2):23-35.
[14] KINGMA D P, BA J. Adam:A method for stochastic optimization[J]. Computer Science, 2014.

基于循环神经网络的缝洞型油藏油井产量预测

Forecast of Oil Production in Fractured-Vuggy Reservoir by Using Recurrent Neural Networks

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 2

编辑推荐

Metrics

作者中心

审稿中心

期刊浏览

期刊介绍

[1]	黄灿, 田冷, 王恒力, 王嘉新, 蒋丽丽. 基于条件生成式对抗网络的油藏单井产量预测模型[J]. 计算物理, 2022, 39(4): 465-478.
[2]	刘化普, 刘慧卿, 王敬. 分形低渗透缝洞型油藏非线性渗流规律[J]. 计算物理, 2018, 35(1): 55-63.