提出一種基于卷積神經(jīng)網(wǎng)絡(luò)的徑向復(fù)合油藏自動(dòng)試井解釋方法,并利用現(xiàn)場(chǎng)實(shí)測(cè)數(shù)據(jù)驗(yàn)證其有效性和準(zhǔn)確性。采用對(duì)數(shù)函數(shù)進(jìn)行數(shù)據(jù)變換,采用均方誤差作為損失函數(shù),利用"dropout"方法避免過(guò)擬合,通過(guò)不斷減小損失函數(shù)進(jìn)行網(wǎng)絡(luò)優(yōu)化,得到最優(yōu)的卷積神經(jīng)網(wǎng)絡(luò)。訓(xùn)練好的最優(yōu)網(wǎng)絡(luò)可直接用于解釋徑向復(fù)合油藏中井的壓力恢復(fù)或壓力降落數(shù)據(jù),將給定的實(shí)測(cè)壓力變化及其導(dǎo)數(shù)數(shù)據(jù)的雙對(duì)數(shù)圖輸入到網(wǎng)絡(luò)中,即可輸出對(duì)應(yīng)的油藏參數(shù)(流度比、儲(chǔ)容比、無(wú)因次復(fù)合半徑以及表征井儲(chǔ)和表皮效應(yīng)的無(wú)因次組),從而實(shí)現(xiàn)了試井參數(shù)解釋的自動(dòng)初擬合。利用大慶油田現(xiàn)場(chǎng)實(shí)測(cè)數(shù)據(jù)對(duì)該方法進(jìn)行了驗(yàn)證,研究表明,該方法具有很高的解釋精度,且優(yōu)于解析法和最小二乘法。圖12表6參29

【文章頁(yè)數(shù)】：9 頁(yè)

【部分圖文】：

圖3 樣本Test2的原始曲線和截取曲線

從表3可以看出，對(duì)于6個(gè)樣本，本文提出的卷積神經(jīng)網(wǎng)絡(luò)解釋的參數(shù)與真實(shí)參數(shù)的誤差整體上較小。然而樣本Val2的lg(F)，樣本Val3的lg(M)及l(fā)g(CDe2S)，樣本Test2的lg(M),lg(F)和lg(CDe2S)的解釋值的誤差較大，其中l(wèi)g(M)和lg(F)解釋值誤差....

圖4 樣本Test2的解釋值與真實(shí)值對(duì)比（只截圖了前半部分）

圖3樣本Test2的原始曲線和截取曲線2.3現(xiàn)場(chǎng)實(shí)例分析

圖5 實(shí)例1本文方法與解析法計(jì)算結(jié)果對(duì)比

此外，通過(guò)與解析法對(duì)比發(fā)現(xiàn)，本文方法解釋結(jié)果與解析法解釋結(jié)果差距較小，兩種方法都可以得到很好的解釋結(jié)果。但是，解析法需要專業(yè)的試井人員操作完成，耗費(fèi)大量的人力和時(shí)間。而本文方法可自動(dòng)解釋，只需將實(shí)測(cè)數(shù)據(jù)轉(zhuǎn)化為矩陣輸入到訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)中，輸出即為所需解釋的參數(shù)，即使是不具備專....

圖6 實(shí)例2本文方法與解析法計(jì)算結(jié)果對(duì)比

圖5實(shí)例1本文方法與解析法計(jì)算結(jié)果對(duì)比圖7實(shí)例3本文方法與解析法計(jì)算結(jié)果對(duì)比

本文編號(hào)：4028606