logo
專注油氣領域
與獨立思考者同行

采收率算不準?來試試人工神經網絡模型(上)

采收率算不準?來試試人工神經網絡模型(上)

摘要:人工神經網絡(ANN)是目前最為炙手可熱的建模方法,如何用它來計算采收率?效果又會如何呢?本文将為您介紹ANN原油采收率模型的詳細内容。

編譯:TOM

人工神經網絡(ANN)是一種信息處理系統,可模仿出人腦的思考過程。基于訓練模式或大量數據,ANN能夠進行機器學習。這些系統擅長于模式匹配、分類、數據聚類以及預測。ANN非常适合于複雜的非線性關系建模,例如水驅油藏中原油采收率的建模。

Neuro3是首個專為石油行業設計的、公開的通用人工神經網絡,于2001年由美國能源部發布。雖然它隻是個雛形,但仍然受到了廣泛的關注。

神經網絡生成的預測模型是一個多維函數,其中包含多個參數可調的元素。ANN模型中最重要的元素是神經元,它們包含在一個“隐藏層”中,如下圖所示。神經元以數值輸入的形式接收信息。然後,将這些信息與神經網絡中的一組參數組合起來,以數值輸出的形式生成結果。

采收率算不準?來試試人工神經網絡模型(上)

ANN模型最常用的方法是反向傳播、前饋與神經網絡系統。其計算過程是前饋的,換句話說,也就是從輸入層到隐藏層再到輸出層。反向傳播一般用于訓練階段。在該階段,将計算輸出值與期望值進行比較,然後輸入誤差值,以修改ANN中用于下一次疊代的權重。

神經網絡的參數由兩部分組成:一個是“組合函數”,它接受所有輸入,并通過使用權重因子與偏差,來計算每個神經元的組合,最終形成一組淨輸入值;另一個是“傳遞函數”,它産生神經元輸出。下圖為單個神經元的前饋神經網絡過程,其中Σ是組合函數,∫是傳遞函數。值得注意的是,預測神經網絡中最常見的傳遞函數是雙曲正切函數。

采收率算不準?來試試人工神經網絡模型(上)

功能齊全的神經網絡軟件通常會與遺傳算法、統計/線性回歸、模糊邏輯相結合,以自動找到問題的最佳或接近最佳的解決方案。

任何ANN模型的有效性都取決于系統的訓練程度。通常情況下,使用數據質量高的大型數據集進行訓練,模型建立後,再使用不同的數據集來進行盲測試。ANN系統将訓練數據集細分為訓練集與驗證子集。這與使用數據集來進行盲測試是不同的。驗證子集仍然是訓練數據集的一部分,并将之用于反向傳播算法,因此它不是模型的獨立測試。

開發一個神經網絡通常有兩個步驟:訓練建立網絡結構與權重因子,然後再進行預測。一旦經過訓練,ANN就可用于預測新輸入的數據。

原油采收率

人工神經網絡特别适合于複雜非線性關系的建模,而傳統的線性回歸方法很難完成複雜非線性關系的建模。SPE發表了大量有關神經網絡應用于石油行業的論文。在www.onepetro.org網站上搜索關鍵詞“神經網絡”,可以得到超過3900條參考文獻。

利用開源的ANN系統,構建ANN原油采收率模型。市面上那些免費以及商業的ANN軟件,都是基于名為OpenANN的開源ANN系統。該系統是由自由分布的神經網絡庫組成。

建立神經網絡原油采收率模型。目前已經公布了幾種用于預測采收率的經驗公式。最常用的是API采收率小組委員會發布的采收率計算公式,該公式是基于70個水驅油藏的統計研究而得出的。該API采收率經驗公式是針對水驅油藏,利用孔隙度、含水飽和度、地層體積系數、滲透率、水粘度、原油粘度、初始壓力與枯竭壓力等參數來計算采收率。

基于通用的油藏與采油工程原理,選用以下參數來建立ANN原油采收率模型:砂岩油藏、水驅、原始儲量、孔隙度、滲透率、原油粘度、原油比重、産層有效厚度。雖然這些參數不是影響采收率的唯一參數,但這些參數被認為是影響油藏長期産量與采收率的主要因素。

在砂岩儲層的ANN原油采收率模型中,擁有264個砂岩/碎屑岩、水驅/混合驅的油藏。這些油藏都擁有完整的數據集,包括采收率。将随機46個儲層子集從完整數據集中删除,用作為盲測試。在剩餘的218個油藏中,20%被用作為訓練的驗證數據。

顯而易見,這些數據較為分散,範圍太廣。考慮到油藏采收率的影響因素,這并不出人意料。若要推導出具有普适性的原油采收率關系式,離散性是必須要面對的難題之一。離散性主要是儲層平均參數與數據準确性所造成的。

為了使數據更有利于神經網絡的使用,ANN的實際輸入參數是:Log(原始儲量)、Log(滲透率-深度)、Log(粘度)、Log(孔隙度-深度)以及原油API比重。将輸入的數據進行對數處理,利用對數值确定出數據的線性範圍,保證最大值與最小值在合理範圍内。在數據應用于ANN之前,先進行數據的預處理或使數據線性化。

如下圖所示,每個輸入數據集在采收率方面都呈現出近似線性趨勢。這些明顯的趨勢有助于神經網絡系統找到最佳解決方案。原始的數據集中包含有38個碳酸鹽岩/白雲岩油藏,後來将它們從302個油藏的總數據集中剔除出來。因為碳酸鹽岩油藏的采收率,始終是ANN模型中的異常值。這是由于碳酸鹽岩油藏含有大量天然裂縫,會影響油藏的最終采收率。

采收率算不準?來試試人工神經網絡模型(上)

明天的文章将為大家帶來ANN砂岩油藏采收率的建模方法與參數選擇,敬請期待!

For English, Please click here (展開/收縮)

未經允許,不得轉載本站任何文章:

評論 搶沙發