基于神经网络的剩余油分布预测及注采参数优化

发布时间：2024-03-14 02:12

　　针对注水开发过程中注采参数的优化问题,提出采用神经网络代替数值模拟对剩余油分布进行预测,并结合无梯度差分进化算法对注采参数进行优化。该模型不仅建立了注采参数与目标函数的非线性关系,还能准确预测不同生产阶段剩余油分布。其预测原理是将注采参数和生产时间视为剩余油分布图像的高级特征,利用卷积层提取特征、转置卷积层进行上采样,通过多个卷积与转置卷积的组合逐级恢复原图像,从而达到准确预测的效果。在神经网络构建过程中,选择多个3×3的小卷积核来代替大卷积核,在不影响感受野的情况下减少了参数量,节约了计算成本,有效提高了模型训练时的迭代效率。以某区块4口注入井、5口生产井的五点井网为例,将不同阶段生产井的井底压力、注入井的注入量以及生产时间作为输入参数,建立了基于神经网络的预测模型,以净现值作为目标函数,通过差分优化算法对4个阶段的注采参数进行了优化。相比于基础方案,优化后的方案净现值提高了约21%。

【文章页数】：9 页

【文章目录】：
1 神经网络理论基础
    1.1 卷积层
    1.2 转置卷积层
2 数据处理及预测模型构建
    2.1 输入数据处理
    2.2 数据归一化处理
    2.3 神经网络预测模型构建
3 注采参数优化
    3.1 目标函数
    3.2 差分进化算法
4 应用实例
    4.1 预测模型训练
    4.2 差分进化算法寻优
    4.3 优化结果对比
5 结论



本文编号：3927909