基于量纲分析的优化神经网络模型预测GAGD非混相开发油藏采收率

摘要

与传统的注气方式相比,气体辅助重力驱作为新兴发展起来的提高采收率手段以其独特的驱替优势越来越受到国内各大油田的重视。目前国内外有关GAGD非混相开发油藏采收率的预测模型有很多,但模型大多是简单的非线性关系,普遍存在预测精度差的问题。近年来机器学习作为一种新兴手段已经广泛的用于石油工程行业,其中人工神经网络已成为处理复杂非线性回归问题最具潜力的方法。本文基于量纲分析,提出了一种可以有效预测GAGD非混相开发油藏采收率的人工神经网络模型。针对其他文献中鲜有考虑油藏倾角的问题,对量纲参数之一的邦德数利用油藏倾角进行了修正。在此基础上分别利用遗传算法和粒子群算法对模型参数进行优化,得到预测精度最高的优化模型。测试结果表明优化后的预测模型对于数值模拟、物理模拟以及实际油田的采收率预测精度均高于常规的非线性函数预测模型。