【技术实现步骤摘要】
本专利技术涉及油气田开发，具体地说，涉及一种深层断溶体油气藏产能评估及预测方法。
技术介绍
1、深层断溶体油气藏的开发是目前国内外油气藏开发的一个新兴领域。顺北油气田位于塔里木盆地顺托果勒低隆北部，属断控岩溶背景的缝洞型碳酸盐岩油气藏。该油气藏超深层断溶体储集层特征、连通性等具有较强的非均质性，储层发育主要受走滑断裂带控制，油气沿断裂带富集。油气藏多期充注调整成藏、油气水分布复杂，流体性质复杂，含硫化氢、高含蜡，且天然气中co2、h2s含量由北向南逐渐增高。
2、顺北油气储层具有较强的非均质性，储层有利发育规律、储集体结构、连通模式、有利地震反射特征模式、流体分布规律、储量规模、开发潜力、开发方式、合理产能等研究较少，国内外尚未有此类油气藏开发经验。
3、结合顺北断溶体油气藏地质特征，具有埋藏深、原始地层压力高、天然能量充足等特点，同时凝析油含量为中含凝析油，最大反凝析液量为2％，目前主要是依靠天然能量衰竭开发，产能预测主要依据试井和开发动态资料。由于目标工区受地质资料限制，降低了使用建模数模预测手段的精度，况且储层内流体流动不符合达西渗流规律，使得该类油气田开发无法借鉴碎屑岩成熟的开发理论和技术，目前产能预测手段较单一，方法局限性大。
4、因此，本专利技术提供了一种深层断溶体油气藏产能评估及预测方法。
技术实现思路
1、针对现有技术的不足，本专利技术提供了一种深层断溶体油气藏产能评估及预测方法，所述方法包含：
2、s1、确定影响目标
3、s2、将所述主控因素及权重作为输入，利用产能预测神经网络对目标油气藏的产量进行预测，输出目标油气藏的预测产量数据；
4、s3、对所述产能预测神经网络进行训练时，通过训练函数设置所述产能预测神经网络的初始权值与阈值。
5、根据本专利技术的一个实施例，步骤s1包含：
6、考虑目标油气藏的孔洞、洞穴、断裂模型，利用灰色模型确定影响目标油气藏产量的主控因素及权重，其中，所述主控因素包括但不限于：地质因素、工程因素、流体因素。
7、根据本专利技术的一个实施例，通过以下步骤对所述产能预测神经网络进行训练：
8、建立包含输入层、隐含层以及输出层的所述产能预测神经网络；
9、针对所述产能预测神经网络，按照正向传播路径，输入训练用输入层数据，通过输入层到隐含层的转换函数计算隐含层中的隐含层数据，通过隐含层到输出层的转换函数得到输出层数据；
10、基于训练用输出层数据以及损失函数，计算所述输出层数据的误差以及输出层的权值，若误差满足预设要求，输出当前权值以及当前阈值；若误差不满足所述预设要求，进行反向传播路径。
11、根据本专利技术的一个实施例，对所述产能预测神经网络进行训练时：
12、确定目标油气藏所在区域的试井模型；
13、定义所述损失函数为数据误差与试井模型项之和，其中，所述数据误差为所述训练用输出层数据与所述输出层数据的误差值，所述试井模型项为将所述试井模型反演的流动特征和流场参数代入所述产能预测神经网络后的预测数据与实际数据的误差。
14、根据本专利技术的一个实施例，所述反向传播路径包含：
15、a、根据所述数据误差的误差矩阵调整隐含层到输出层的转换函数；
16、b、执行正向传播路径；
17、c、若当前误差矩阵满足所述预设要求，则输出当前权值以及当前阈值；若误差矩阵不满足所述预设要求，则返回步骤a。
18、根据本专利技术的一个实施例，所述方法包含：
19、以影响目标油气藏所在区域产量的主控因素及权重作为所述训练用输入层数据；
20、以目标油气藏所在区域的实际产量数据作为所述训练用输出层数据。
21、根据本专利技术的一个实施例，选取粒子群算法作为所述训练函数。
22、根据本专利技术的一个实施例，步骤s3包含：
23、基于所述训练函数，建立预测产量数据与实际测试产量数据二者之间的适应度函数，对粒子种群位置和速率进行初始化，同时给定参数值进行粒子适应度数值；
24、根据所述粒子适应度数值更新粒子个体极值与全局极值；
25、将所述粒子适应度值与粒子单体所得最优值对照，若所述粒子适应度值优于所述粒子单体所得最优值，将所述粒子适应度值替代为单体最优值；
26、将所述粒子适应度值与粒子群体所得最优值对照，若所述粒子适应度值优于所述粒子群体所得最优值，将所述粒子适应度值替代为群体最优值；
27、输出结果并得到所述产能预测神经网络的初始权值与阈值。
28、根据本专利技术的另一个方面，还提供了一种存储介质，其包含用于执行如上任一项所述的方法步骤的一系列指令。
29、根据本专利技术的另一个方面，还提供了一种深层断溶体油气藏产能评估及预测系统，执行如上任一项所述的方法，所述系统包含：
30、主控因素模块，其用于确定影响目标油气藏产量的主控因素及权重；
31、预测产量模块，其用于将所述主控因素及权重作为输入，利用产能预测神经网络对目标油气藏的产量进行预测，输出目标油气藏的预测产量数据；
32、初始权值模块，其用于对所述产能预测神经网络进行训练时，通过训练函数设置所述产能预测神经网络的初始权值与阈值。
33、本专利技术提供的一种深层断溶体油气藏产能评估及预测方法，相比较于现有技术，具备以下优势：本专利技术能够将试井模型约束与机器学习大数据方法成功结合，同时利用工程约束使预测结果更加贴近真实情况，对比分析实际生产数据或者试井模型产量预测数据，精度较高，为深层油气藏开发产量规划、方案部署奠定基础。经过实例的验证，确定了基于神经网络的粒子群算法在深层断溶体油气藏中产量预测的可行性，为下一步产能建设、方案规划等奠定了基础。
34、本专利技术的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术而了解。本专利技术的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
本文档来自技高网...【技术保护点】
1.一种深层断溶体油气藏产能评估及预测方法，其特征在于，所述方法包含：
2.如权利要求1所述的一种深层断溶体油气藏产能评估及预测方法，其特征在于，步骤S1包含：
3.如权利要求1或2所述的一种深层断溶体油气藏产能评估及预测方法，其特征在于，通过以下步骤对所述产能预测神经网络进行训练：
4.如权利要求3所述的一种深层断溶体油气藏产能评估及预测方法，其特征在于，对所述产能预测神经网络进行训练时：
5.如权利要求3或4所述的一种深层断溶体油气藏产能评估及预测方法，其特征在于，所述反向传播路径包含：
6.如权利要求3-5中任一项所述的一种深层断溶体油气藏产能评估及预测方法，其特征在于，所述方法包含：
7.如权利要求1-6中任一项所述的一种深层断溶体油气藏产能评估及预测方法，其特征在于，选取粒子群算法作为所述训练函数。
8.如权利要求7所述的一种深层断溶体油气藏产能评估及预测方法，其特征在于，步骤S3包含：
9.一种存储介质，其特征在于，其包含用于执行如权利要求1-8中任一项所述的方法步骤的一系
10.一种深层断溶体油气藏产能评估及预测系统，其特征在于，执行如权利要求1-8中任一项所述的方法，所述系统包含：
...【技术特征摘要】
1.一种深层断溶体油气藏产能评估及预测方法，其特征在于，所述方法包含：
2.如权利要求1所述的一种深层断溶体油气藏产能评估及预测方法，其特征在于，步骤s1包含：
3.如权利要求1或2所述的一种深层断溶体油气藏产能评估及预测方法，其特征在于，通过以下步骤对所述产能预测神经网络进行训练：
4.如权利要求3所述的一种深层断溶体油气藏产能评估及预测方法，其特征在于，对所述产能预测神经网络进行训练时：
5.如权利要求3或4所述的一种深层断溶体油气藏产能评估及预测方法，其特征在于，所述反向传播路径包含：
6.如...
【专利技术属性】
技术研发人员：廖海婴，徐婷，刘昀枫，王锐，杨书，方欣，
申请(专利权)人：中国石油化工股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。