压裂选井选层的智能决策分析

摘要

以苏里格气田苏6井区为例，从地质和工程两大方面研究了对压裂效果可能有影响的各个因素，总体上压后无阻流量与各个因素呈现一定的关系，但用常规方法难以建立压裂效果与各影响因素之间的有效关系。为了优化压裂选井选层，并实现智能决策，利用逐步回归分析方法确定了该井区影响压裂选井选层的主要因素是储层厚度、孔隙度、渗透率、含气饱和度和累计产气量。工程因素虽然对压裂效果也有影响，但由于各井的施工参数相近，故对压裂效果的影响并不明显。在此基础上，通过对智能决策方法的剖析，建立了遗传神经(GA-BP)网络模型，用以预测压后效果。用Visual Basic 6.0语言编写了压裂选井选层的智能决策分析软件，利用15口压裂井资料，进行实测数据的验算，平均误差8.973％。因此所选压裂选井选层的主要参数与无阻流量预测模型是可靠的，有实际应用价值。

目录

文摘

英文文摘

声明

第一章绪论

1.1研究目的和意义

1.2国内外现状

1.2.1压裂选井选层方法研究现状

1.2.2神经网络的研究与发展

1.2.3遗传算法的研究和发展

1.3本文研究内容与方法

1.4本文完成的主要工作

第二章影响压裂效果的因素分析

2.1影响压裂效果的地质因素分析

2.1.1储层厚度

2.1.2孔隙度

2.1.3渗透率

2.1.4含气饱和度

2.1.5泥质含量

2.1.6累计产计量

2.1.7生产压差

2.1.8对影响压裂效果的静态地质因素综合评价

2.2影响压裂效果的施工因素分析

2.2.1前置液量

2.2.2排量

2.2.3砂比

2.2.4加砂量

第三章影响压裂选井选层的因素筛选

3.1压裂选井选层的原则

3.2影响压裂效果的主要因素分析

3.2.1逐步回归方法计算步骤

3.2.2逐步回归方法选择主要影响因素

第四章压裂选井选层方法研究

4.1模糊数学方法

4.2人工神经网络方法

4.2.1标准的BP人工神经网络

4.2.2 BP算法存在的问题及改进方法

4.3遗传算法与人工神经网络结合方法

4.3.1遗传算法

4.3.2遗传算法的特点

4.3.3遗传算法与人工神经网络的结合

4.4压裂选井选层方法的选择

第五章压裂选井选层的GA-BP网络模型

5.1神经网络结构类型的选择

5.2 BP网络结构的确定

5.2.1输入和输出节点数的确定

5.2.2网络层数的确定

5.2.3隐含层的确定

5.2.4每层激活函数的确定

5.3用遗传算法优化BP网络的初始权重

5.3.1遗传算法控制参数的设定

5.3.2权重编码

5.3.3群体的初始化

5.3.4适应度函数的设计

5.3.5群体选择继承

5.3.6交叉操作

5.3.7变异操作

5.4模型应用

5.4.1样本数据

5.4.2软件开发

5.4.3模型评价

第六章结论与建议

致谢

参考文献

攻读学位期间发表的论文