儲層損害預測算法的研究與設計

摘 要：通過調研分析現有儲層損害數據，結合計算機技術，研究一套能準確預測儲層敏感性變化的軟件，能提高油氣開采率。研究重點是設計油氣層損害診斷的診斷方法及對應的數學模型，并結合軟件工程的思想，設計并實現一套計算機軟件。以用于快速、準確的計算儲層變化趨勢，為預防儲層損害提供有力的科學依據。

關鍵詞：神經網絡算法；混合編程；儲層損害

1 引言

隨著科技的進步，信息產業發展迅速，計算機行業發生日新月異的變化，計算機軟件伴隨生產實踐的需要都在逐漸成長。利用計算機技術實現一種能預測儲層發生損害變化的軟件，使得人們能對儲層變化有著及時的防備，提高油氣采收率，對增能促產有著極為重要的作用。本研究利用神經網絡算法模型設計一套具有預測功能的軟件，以預防儲層的損害。神經網絡由輸入層、隱藏層、輸出層等三層構成，如圖1所示。

神經網絡模型能根據現有數據進行統計分析，預測將來要發生的結果。因此研究神經網絡算法模型，設計一套具備預測功能的軟件是可行的。

2 儲層損害預測算法設計

2.1 神經網絡預測算法的推導設計過程

設定ωij為輸入層第i個神經元和中間隱藏層第j個神經元之間的連接權值，υkj為隱藏層第j個神經元和輸出層第k個神經元之間的連接權值。設計輸入層的單元i輸出值Oi等于其輸入值xi；隱藏層：對于第j個隱單元，其輸入值netj為其前一層各單元Oi的加權系數為netj=ωjiOi+θi，其對應的輸出值為aj=f（netj），f為Sigmoid函數，即f（netj）=。輸出層：因為輸出層單元的作用函數為線性，所以輸出值為輸入值的加權和，對于第k個輸出單元，輸出值yk為：yk=υkjaj。

2.2具體算法模型的建立

3 算法的設計與實現

根據前面的設計算法，結合計算機技術，設計其實現流程如圖2所示。

4 結束語

利用前面設計的模型，對某油田14口井的水敏數據進行預測分析，得到如圖3所示結果數據。

通過圖3可知，該預測系統預測的結果與實測結果進行比對，其最大誤差為0.175839%，精度達到了99%以上。說明該神經網絡預測模型具有一定的使用價值，能為儲層損害預測起到防治作用。

參考文獻

[1]Wenguang Song， Qiongqin Jiang， Tianyan Li. The Research of One Self-Adapt Wireless Sensor Network Rate Flow Control.NSWCTC 2009 Table of Contents Volume - 2[EIISTP]2009.

[2]高述濤.小波消噪和神經網絡的網絡流量混沌預測[J].計算機工程與應用，2012.

[3]Wenguang Song、Haimin Guo、Jun Wang，The BP Algorithm Used in Reservoir Damage Prediction of Speed-Sensitive by Improved，Proceedings of the 2011 2nd International Conference on Information Technology and Scientific Management[ISTP] Volumn o1，P： 58-61.

[4]宋文廣，李應軍，丁文波.BP神經網絡在唇裂手術修復預測中的應用[J].長江大學學報（自然科學版）理工卷，2010.

作者簡介：李建蓉（1965，4-） ，女，漢族，1986年本科畢業，工程碩士學位，副教授，研究方向：流體傳動及控制。