詹泽东 郭 科 胥德平 谢 爽 臧文亚

(1.成都理工大学 a.管理科学学院,b.能源学院,成都 610059;2.四川省数学地质重点实验室,成都610059)

油气的产量预测是石油勘探管理中的一项重要内容,好的预测结果不仅可以带来较好的经济效益,而且可以带来较好的社会效益。预测储层产能的传统方法是建立“每米采油指数”与“储层渗透率”之间的一元函数关系数学模型,但它过于简化。如欧阳健等人提出用岩石渗透率和含水饱和度来评价油气层产能指数[1];Cheng等人则用原状底层电阻率和冲洗带电阻率表征储层流体流动能力,进而评价储层产能[2],预测效果并不非常理想[3]。为此,人们提出了基于BP算法来预测油气储层产能[4],但单一的神经网络功能模块具有一定的局限性,不仅精度受到限制,而且泛化问题[5,6]也难以得到有效的解决。本文利用BP神经网络各个单一模块的功能的优点,尤其在模式识别[7]与函数模拟上的优点,用于嵌套神经网络模型的实例化,形成嵌套BP神经网络,采用从整体识别到局部拟合的思想,由单一神经网络功能模块过渡到神经网络功能体,极大地提高了预测精度,也在一定程度上有效地抑制了“泛化”问题带来的不足,应用于实例中取得了良好的效果。

1 建立嵌套BP神经网络模型

嵌套神经网络模型是以多个神经网络功能模块为基本单元嵌套组合而成的可以解决复杂问题的神经网络体系构架。将BP神经网络作为嵌套神经网络的基本功能单元则形成嵌套BP神经网络体系构架,该神经网络体系构架不仅延伸了BP神经网络的优势,而且扩展了BP神经网络处理更加复杂问题的能力,文中将结合其在油气产能预测中的应用作相关介绍。……