基于BP神经网络的低渗透底水油藏油井见水模式预测模型

摘要

注水开发使得低渗透底水油藏油井见水模式更加复杂，需要进一步明确及预测油井见水模式来针对性地指导水淹治理措施。神经网络模型具备处理多元回归问题和计算速度快等优势，可被用于分析地质工程多因素参数与油井见水模式的内在关系，构建见水模式预测模型。在油井见水模式划分的基础上，通过灰色关联理论和神经网络算法对BCL低渗透底水油藏油井见水模式的主控因素和预测模型进行了研究。发现水层厚度、隔夹层数、隔夹层长度和避水高度是该类油藏注水开发下影响油井见水模式的主控因素。基于主控因素结合神经网络算法建立了油井见水模式预测模型。通过对18组测试数据进行验证，平均预测误差1.4%，获得了较好的预测精度。通过易于获取的主控因素快速预测注水开发低渗透底水油藏油井的见水模式，为该类油藏的高含水针对性治理提供基础依据。

关键词

神经网络 / 预测模型 / 见水模式 / 主控因素 / 低渗透底水油藏

基金资助

国家自然科学基金重点项目“黏度可控的原位增黏体系构建及高效驱油机理研究”（U19B2010）