生产井分层注水量智能预测方法研究

摘要

随着油田开采难度的增加,对分层注水的技术要求也越来越高.在我国现阶段的分层注水研究中,准确计算分层注水量是亟待解决的难题.为此建立基于BP神经网络的分层注水量预测模型,选取厚度、有效厚度、 地层系数、 有效渗透率、 地层压力、 孔隙度、 注入压力共7个影响因素进行分层注水量的预测,以80组数据作训练,20组数据作测试,并采用油田现场数据进行训练与验证.结果表明,实验结果的平均误差在2％左右,预测最大误差为10％,优于动态方程法的15％,明显低于目前应用注水量预测方法的预测误差,为油田精确分层注水奠定了基础.另外,通过对仿真结果的分析,证实BP神经网络在分层注水量预测方面有很好的适用性.