申请/专利权人：中国石油化工股份有限公司;中国石油化工股份有限公司西南油气分公司

申请日：2020-08-27

公开（公告）日：2024-04-16

公开（公告）号：CN112257892B

主分类号：G06Q10/04

分类号：G06Q10/04;G06Q50/02;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2021.02.09#实质审查的生效;2021.01.22#公开

摘要：本发明公开了一种复杂气藏排水采气工艺制度优化方法，包括下列技术措施：步骤1.以区域内已开展排水采气工艺的气井数据为基础，采用灰色关联分析法获得影响气井排水采气工艺的特征因子；步骤2.按关联度将获得的特征因子排序；步骤3.建立基于排水采气工艺有效性识别的神经网络模型；步骤4.以特征因子贡献率为目标，开展特征因子逐次分析，优化神经网络模型；步骤5.去除导致训练样本识别错误率增大的特征因子；建立区域性气藏排水采气工艺的预测模型。本发明能够可靠地提高排水采气工艺在复杂气藏气井内应用的预测有效性，从而能够有效保障排水采气工艺在复杂气藏气井内的实施成功率，进而显著的提高采收率、有效降低气井维护成本。

主权项：1.一种复杂气藏排水采气工艺制度优化方法，其特征在于，所述优化方法包括下列技术措施：步骤1.以区域内已开展排水采气工艺的气井数据为基础，采用灰色关联分析法获得影响气井排水采气工艺的特征因子；对特征因子的获得是以气井为基本单元，以该气井的排水采气工艺实施效果数据为灰色关联分析法的参考数列，以该气井的地质数据、工程数据及排水采气工艺类别数据为灰色关联分析法的对比数列；按如下灰色关联分析法模型对影响气井排水采气工艺的特征因子进行分析评价： 式中，为对比数列；x为特征因子；i为气井序数；k为特征因子序数；xik为第i口井的第k个特征因子；m为气井总数；n为特征因子总数； 为参考数列；y为排水采气工艺措施效果评定结果；ym为第m口井的排水采气工艺措施效果评定结果；yk为第k口井的排水采气工艺措施效果评定结果；将上式中的参考数列和对比数列通过归一化、求差序列、求两级最大差和两级最小差、求关系系数的处理，获得影响气井排水采气工艺的特征因子；步骤2.按照关联度由高到低的顺序将获得的特征因子排序，去除关联度低的特征因子，优选出关联度高的特征因子；步骤3.建立基于排水采气工艺有效性识别的神经网络模型，包括输入层、隐含层及输出层；具体的，包括如下技术措施：步骤①.设定神经网络模型的误差参数与迭代次数；步骤②.对训练参数进行样本空间分析与统计，开展预测样本的空间分析与统计；进行模式识别；步骤4.以特征因子贡献率为目标，按步骤2中的排序在步骤3的神经网络模型中开展特征因子逐次分析，优化神经网络模型；所述神经网络模型的优化包括如下具体的技术措施：步骤①.初始化神经网络模型中的权值和偏置项，分别记为：w0，b10，v0，b201；式中，w0为隐藏单元的权值；b10为隐藏单元的偏置项；v0为输出单元的权值；b20为输出单元的偏置项；步骤②.激活前向传播，得到各层输出和损失函数的期望值： 式中，θ为参数集合；yji为真实值； 为预测值；n为数据的输出维数；m为数据组数；步骤③.根据损失函数，计算输出单元的误差项和隐藏单元的误差项；输出单元的误差项为计算损失函数关于输出单元的梯度值或偏导数，链式法则为： 式中，为损失函数关于输出单元的权值的梯度值；δE为期望变化量；δv为输出单元权值的变化量；δnet2为输出单元中间节点值变化量； 为预测值变化量； 为损失函数关于输出单元的偏置项的梯度值；δb2为输出单元偏置项的变化量；隐藏单元的误差项为计算损失函数关于隐藏单元的梯度值或偏导数，链式法则为： 式中，为损失函数关于隐藏单元的权值的梯度值；δw为隐藏单元权值变化量；δnet1为隐藏单元中间节点值变化量；δh为隐藏单元连接值变化量； 为损失函数关于隐藏单元的偏置项的梯度值；δb1为隐藏单元偏置项的变化量；步骤④.更新神经网络模型中的权值和偏置项；输出单元参数更新为： 隐藏单元参数更新为： 式中，v为输出单元的权值；δv为输出单元权值的变化量； 为第k次计算后输出单元的偏置项；w为隐藏单元的权值； 为第k次计算后隐藏单元的偏置项；η为学习率；k＝1，2，…，n为更新次数或迭代次数，k＝1为第一次更新，以此类推；步骤⑤.重复步骤②～④，直至损失函数小于给定阈值或迭代次数用完，输出此时的参数为神经网络模型的当前最佳参数；步骤5.去除导致训练样本识别错误率增大的特征因子；所述去除训练样本导致识别错误率增大的特征因子是按照如下技术措施实施：选择训练样本，同时将训练样本的特征因子集作为预测样本，设前i个特征因子训练错误率为outi，加入第i+1个训练因子后，训练错误率为outi+1，设定误差阀值为δ，若outi+1outi＞δ，则第i+1个特征因子判定为剔除性特征因子；按此循环开展各对应特征因子剔除性分析，实现预测模型的输入优化；建立区域性气藏排水采气工艺的预测模型；所述预测模型的建立是，将去除训练样本导致识别错误率增大的特征因子以后的剩余特征因子组成新的样本空间，以新的样本空间为训练样本对步骤4中优化后的神经网络模型进行模型训练而获得。

全文数据：

权利要求：

百度查询： 中国石油化工股份有限公司;中国石油化工股份有限公司西南油气分公司 一种复杂气藏排水采气工艺制度优化方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD