基于改进BP神经网络的油井流入动态研究

英文篇名：Study on the inflow performance of oil wells based on improved BP neural network
中文刊名：复杂油气藏
英文刊名：Complex Hydrocarbon Reservoirs
作者：李虎
英文作者：Li Hu(College of Petroleum Engineering ; China University of Petroleum(East China) ; Dongying ; Shandong 257061)
中文关键词：油井流入动态 ; BP神经网络 ; LM算法 ; 贝叶斯正则化算法 ; Vogel方程
英文关键词：oil well inflow performance ; BP neural network ; LM algorithm ; Bayesian regularization algorithm ; Vogel model
出版日期：2011-09-25
机构：中国石油大学(华东)石油工程学院;
年：2011
期：03
出版单位：复杂油气藏

摘要

针对传统流入动态研究方法误差较大等问题,提出利用改进的BP神经网络进行油井流入动态研究。通过采用LM算法和贝叶斯正则化算法,改进了常规BP神经网络收敛速度慢、泛化能力差等缺点,并探讨了通过优化网络结构来提高网络泛化能力的方法。实例计算结果表明,采用LM算法和贝叶斯正则化算法的改进BP神经网络用于油井流入动态研究是可行的,且优于传统的流入动态研究方法,具有精度高、收敛速度快、泛化能力强等特点。
To reduce the errors in traditional research methods for inflow performance relationship(IPR),a new approach was proposed to predict IPR of oil wells by using the improved BP neural network.In this new method,the LM algorithm and the Bayesian regularization algorithm were adopted to solve some problems in general BP algorithm,such as slow convergence speed and poor generalization performance.And the generalization performance was improved by optimizing network structure.The Example computed result showed that the new method has high precision,fast convergence speed and strong generalization performance.It is superior to traditional methods.

引文

[1]Ahmed T.油藏工程手册[M].冉新权,何江川,译.北京:石油工业出版社,2002:301-326.
    [2]Elias M,Ahmed H,Fattah K A,等.New Inflow Performance Relationship for Solution-Gas Drive Oil Reservoirs[J].SPE124041,2009:1-6.
    [3]刘加岭,李明,李文权.几种常见的油井流入动态方法分析及应用[J].内蒙古石油化工,2007,33(5):235-238.
    [4]陈军斌,张荣军,孟庭宇.利用BP网络技术进行油井流入动态分析方法研究[J].西安石油学院学报(自然科学版),2002,17(6):35-38.
    [5]王凤,黄力宇,张宇翔.基于MATLAB的BP预测模型在地震前兆预测中的应用研究[J].华北地震科学,2009,27(1):48-51.
    [6]聂晴晴,张秉森,李含春,等.贝叶斯改进BP神经网络在织物染色配色中的应用[J].青岛大学学报(工程技术版),2008,23(4):45-49.
    [7]董长虹.MATLAB神经网络与应用[M].北京:国防工业出版社,2007:92-106.
    [8]Golan M,Whitson C H.油气井动态分析(第二版)[M].陈钟祥,许政纲,译.北京:石油工业出版社,1992:25-28.