神经网络算法在致密油压裂后产能预测中的应用

摘要

开展致密油压裂后产能预测方法研究,指导采油工程方案中压裂施工参数优选。传统方法主要是应用解析公式或数值模拟方法进行产能分析与评价,存在求解公式繁琐、参数获取困难、计算过程复杂等问题。为此,引入灰色关联分析、遗传算法改进神经网络,建立致密油压裂后产能预测模型。收集99口直井缝网压裂井的测井参数、压裂施工参数及压裂后第一年累计产油量,建立样本数据集。利用灰色关联分析算法,明确影响产能的地质因素和工程因素。应用遗传算法优化神经网络的层间权值和层内阈值,构建3层神经网络模型,测试样本产能预测相对误差为7.25%,满足工程应用的精度要求。模型应用结果表明,基于神经网络算法预测致密油压裂后产能是可行的,能够定量优化压裂施工参数,在采油工程方案编制中具有一定的实用性和推广性。