油藏开发效果预测模型的构建方法技术

油藏开发效果预测模型的构建方法，该方法包括：步骤一，利用已知油藏开发数据对初始神经网络进行K折交叉训练，得到对应于K组验证数据的K组网络参数；步骤二，根据所述K组网络参数和K组验证数据，计算对应于K组验证数据的K组误差数据；步骤三，根据所述K组误差数据计算各组网络参数的权重，并根据所述权重对所述K组网络参数进行加权平均，得到平均网络参数，根据所述平均网络参数确定出优化后的神经网络，从而构建得到油藏开发效果预测模型。与传统BP神经网络算法相比，本方法能够实现样本的复用，其能够充分利用有限的样本数据，在不同角度实现训练和估计。

Method for constructing prediction model of reservoir development effect

The construction method of the reservoir development effect prediction model, the method comprises the steps of: A, K fold cross training on neural network initial development and utilization data of known reservoir, K group network parameters corresponding to the K validation data; step two, according to the K group and K group network parameter validation data, error data of K group the calculation corresponds to the K validation data; step three, the weights were calculated according to the network parameters error data of the K group, according to the weighted average weights of parameters of the K group network, average network parameters based on neural network the average network parameters determined after optimization, in order to build get the reservoir development effect prediction model. Compared with the traditional BP neural network algorithm, this method can realize the reuse of samples. It can make full use of limited sample data, and achieve training and estimation from different angles.

【技术实现步骤摘要】
油藏开发效果预测模型的构建方法
本专利技术涉及油气勘探开发
，具体地说，涉及油藏开发效果预测模型的构建方法。
技术介绍
针对缝洞型油藏进入开发中后期的井，单井注水替油等改善开发效果的方法逐渐失效的现状，矿场开展了单井注气提高开发效果的试验，并取得了一定的效果。截止到目前，没有任何能够定量预测缝洞型油藏单井注气开发效果的方法。这导致不能对选择哪些油井进行注气提供较为准确的参考依据。BP神经网络是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一，被广泛用作分类、聚类、预测等领域。BP神经网络在预测油田酸压效果、储层产能、地层孔隙度、聚合物驱后增产效果等方面有过成功应用的先例。然而，传统的BP神经网络每次都以随机数作为网络初值，不能记录上次的计算成果，这导致了其训练结果不稳定，不同训练结果相差巨大。因此，传统BP神经网络需要大量的历史数据作为支撑。如果训练样本数太少，则无法真实有效的刻画训练样本的核心规律。目前缝洞型油藏实施单井注气矿场试验的时间短，井数较少，远远达不到传统BP网络所需的数据量。
技术实现思路
为解决上述问题，本专利技术提供了一种油藏开发效果预测本文档来自技高网...

【技术保护点】
一种油藏开发效果预测模型的构建方法，其特征在于，所述方法包括：步骤一，利用已知油藏开发数据对初始神经网络进行K折交叉训练，得到对应于K组验证数据的K组网络参数；步骤二，根据所述K组网络参数和K组验证数据，计算对应于K组验证数据的K组误差数据；步骤三，根据所述K组误差数据计算各组网络参数的权重，并根据所述权重对所述K组网络参数进行加权平均，得到平均网络参数，根据所述平均网络参数确定出优化后的神经网络，从而构建得到油藏开发效果预测模型。

【技术特征摘要】
1.一种油藏开发效果预测模型的构建方法，其特征在于，所述方法包括：步骤一，利用已知油藏开发数据对初始神经网络进行K折交叉训练，得到对应于K组验证数据的K组网络参数；步骤二，根据所述K组网络参数和K组验证数据，计算对应于K组验证数据的K组误差数据；步骤三，根据所述K组误差数据计算各组网络参数的权重，并根据所述权重对所述K组网络参数进行加权平均，得到平均网络参数，根据所述平均网络参数确定出优化后的神经网络，从而构建得到油藏开发效果预测模型。2.如权利要求1所述的方法，其特征在于，对神经网络进行K折交叉训练的步骤包括：将所述已知油藏开发数据划分为K组，得到K组数据；遍历地将所述K组数据中的其中一组数据作为验证数据，并将其他K-1组数据作为训练数据，利用训练数据对神经网络进行训练，得到对应于各组验证数据的网络参数。3.如权利要求1或2所述的方法，其特征在于，初始神经网络的网络参数为随机数。4.一种油藏开发效果预测模型的构建方法，其特征在于，所述方法包括：步骤一，将第i循环的平均网络参数作为第i+1循环中预设神经网络的初始网络参数，并利用已知油藏开发数据对预设神经网络进行K折交叉训练，分别计算得到第i+1循环中对应于K组验证数据的K组临时网络参数和K组第一误差数据；步骤二，分别将第i+1循环中的K组第一误差数据与第i循环中的K组第二误差数据比较，依照比较结果从第i+1循环中的K组临时网络参数和所述第i循环中的K组网络参数确定第i+1循环中对应于K组验证数据的K组网络参数；步骤三，重复上述过程，直至满足预设迭代终止条件，并...

【专利技术属性】
技术研发人员：张慧，刘中春，吕心瑞，朱桂良，郑松青，程倩，
申请(专利权)人：中国石油化工股份有限公司，中国石油化工股份有限公司石油勘探开发研究院，
类型：发明
国别省市：北京,11