一种基于SOM网络预测剩余油分布的方法
2016-03-22鄢栋云
鄢栋云

摘要:该文针对基于地球物理的勘探方法不能有效地定量预测剩余油,提出了一种基于SOM网络的方法来预测剩余油。本文阐述了SOM网络的工作过程、算法的训练过程以及SOM网络聚类的方法。通过对含油饱和度敏感的属性进行聚类分析,可以及时预测剩余油的分布,对提高石油产量具有非常重要的现实意义。
关键词:剩余油;SOM网络;聚类分析
中图分类号:TP393 文献标识码:A 文章编号:1009-3044(2016)02-0161-02
Abstract: This paper is aimed at the exploration methods which are based on geophysics can not predict the remaining oil accurately and quantitatively, a method which is based on SOM network is approached to predict the remaining oil. The paper briefly introduces SOM network work process, algorithm training process and cluster method. Through the sensitive attribute of oil saturation for clustering analysis, can predict the distribution of remaining oil in time which has very important practical significance to improve the oil production.
Key words: Remaining Oil; SOM Network; Clustering Analysis
随着经济的发展,生活水平的提高,人们越来越离不开石油。在常规的油田预测中,一般用井中地震数据随时间的变化研究油田的动态变化,如油田中剩余油的变化。常规油田监测方法有一定局限性, 它无法获得大量井间信息。现阶段我国各大油田较易开采的工区几乎被开采殆尽,较难开采的工区仍然有大量石油剩余。国家历来重视较难开采工区剩余油的分布作出测,一些传统的勘探方法无法有效定量预测工区中剩余 的石油,这一直是地质工作者和专家关注的焦点。因此,迫切需要一些新的方法对较难开采的工区中剩余油进行预测,以便提高石油采收率,从而增加石油油产量,为国民经济发展作出贡献。近来越来越多基于神经网络的方法应用到剩余油预测的领域中,这些方法在一定程度上获得不错的效果。因此本文引入自SOM网络,利用其学习和自适应能力强的优点,并利用SOM聚类的方法实现对剩余油的分布作出预测。该方法不仅能够对剩余油进行定量分析,而且还可获取剩余油的分布情况。……
