基于遗传神经网络的储层敏感性预测方法研究

合集下载

储层预测技术详解

LPM 储层预测技术LPM 是斯伦贝谢公司GeoFrame 地震解释系统中最新推出的储层预测软件，利用地震属性体来指导储层参数（如砂岩厚度）在平面的展布，以此来实现储层参数的准确预测。

LPM 预测储层砂体可分两步进行：首先，它是将提取的地震属性特征参数与井孔处的砂岩厚度、有效厚度进行数据分析，将对储层预测起关键作用的地震属性特征参数优选出来，根据线性相关程度的大小，建立线性或非线性方程。

线性方程的建立主要采用多元线性回归方法；非线性方程的建立主要采用神经网络方法；其次，根据建立的方程，利用网格化的地震属性体来指导储层参数（如砂岩厚度）在平面的成图。

4.1.1多元线性回归基本原理设因变量y 与自变量x 1， x 2 ，…，x m 有线性关系，那么建立y 的ｍ元线性回归模型：ξβββ++++=m m x x y 110其中β0，β1，…，βm 为回归系数；ξ是遵从正态分布N(0，σ2)的随机误差。

在实际问题中，对y 与x 1， x 2 ，…，x m 作n 次观测，即x 1t ， x 2t ，…，x mt ，即有：t mt m t t x x y ξβββ++++= 110建立多元回归方程的基本方法是：(1)由观测值确定回归系数β0，β1，…，βm 的估计b 0，b 1， …，b m 得到y t 对x 1t ，x 2t ，…，x mt ；的线性回归方程：t mt m t t e x x y ++++=βββ 110其中t y 表示t y 的估计；t e 是误差估计或称为残差。

(2)对回归效果进行统计检验。

(3)利用回归方程进行预报。

回归系数的最小二乘法估计根据最小二乘法，要选择这样的回归系数b 0，b 1， …，b m 使∑∑∑===----=-==nt n t mt m t t t t n t tx b x b b y y y e Q 11211012)()( 达到极小。

为此，将Q 分别对b 0，b 1， …，b m 求偏导数，并令0=∂∂bQ ，经化简整理可以得到b 0，b 1， …，b m ，必须满足下列正规方程组：⎪⎪⎩⎪⎪⎨⎧=+++=+++=+++my m mm m m y m m y m m S b S b S b S S b S b S b S S b S b S b S22112222212111212111 m m x b x b x b y b ----= 22110其中∑==nt t y n y 11 m i x n x nt it i ,,2,111==∑= ),,2,1())((1))((1111m i x x n x x x x x x S S nt n t jt it jt n t it j jt i n t it ji ij =-=--==∑∑∑∑==== ),,2,1())((1))((1111m i y x n y x y y x x S nt n t t it n t t it t i n t it iy =-=--=∑∑∑∑====解线性方程组，即可求得回归系数i b ，将i b 代入式可求出常数项0b 。

基于Matlab下神经网络技术预测储层敏感性

征引起的油层伤害仅占３。由于影响储层敏感性的Ｏ
因素众多，机理复杂，并且从岩石学分析、岩石物性分析等方面得到的数据往往具有模糊性、随机性等特点，因
此对敏感性的评价采用传统的数学方法来建立精确的数学模型是非常困难的。使用神经网络方法的优点在于可较好地解决非线性问题的定量预测问题，有良好具的自适应性、自组织性、容错性和较强的学习、忆、记联想、识别等功能。人工神经网络能够在输人参数较少的情况下给出一个可靠的数值结果，为因素干扰较少，人
维普资讯
６８
西部探矿工程
２００７年第９期
基于Ｍａｌｂ下神经网络技术预测储层敏感性ｔａ
江厚顺，宝锋孙珀。李建军，孟，，张元冉建立，
（．１中国石油勘探开发研究院，北京１０８￣．江大学石油工程学院，００３２长湖北荆州４４２￣３０３３新疆油田公司采油一厂，疆克拉玛依８４０￣．新３００４新疆石油管理局合作开发采油作业区，．新疆克拉玛依８４０￣３００５辽河油田公司质量安全环保处工程质量监督站，宁盘锦１４０）．辽２１０
关键词：感性预测；经网络；ｔｂ敏神Ｍａｌａ中图分类号：１２２文献标识码：文章编号：０４５１（０７０－０６－０ＴＥ２．Ｂ１０－７６２０）９０８２
ｌ概述
石、泥石、蒙混层、蒙混层、绿伊绿碳酸盐含量共１因０种

利用神经网络模型预测油藏储量的研究

利用神经网络模型预测油藏储量的研究近年来，随着技术的不断进步和发展，人工智能已成为各个领域的热点话题。

在能源行业，油藏储量的预测一直是一项持续性的工作，而使用神经网络模型预测油藏储量已经成为了一个新的研究领域。

神经网络模型作为人工智能的核心技术之一，其基本原理是模拟人类大脑神经元之间的相互连接和反馈机制，实现对复杂问题的自主处理和分析。

在油藏储量预测中，神经网络模型可以有效地挖掘各类数据之间的潜在关联性，形成合理的预测模型。

首先，油藏储量预测所需要的数据主要有以下几个方面：地质勘探数据、物性参数数据、生产数据和地下水数据等。

神经网络模型可以将这些数据进行深入分析，并通过模式识别和模型训练等技术进行预测。

例如，利用神经网络模型可以将地质勘探数据中的岩石类型、断裂带等因素与储层储量之间的关系进行建模，从而实现对储量的预测。

其次，神经网络模型可以根据已有数据的特征，自动提取关键特征，从而有效地降低模型的复杂度和不确定性。

在油藏储量预测中，神经网络模型可以利用数据集的统计量等信息进行特征提取，并通过不断的优化，找到最优的特征集合，使得预测效果达到最优。

此外，神经网络模型还可以搭建多层神经网络模型，从而进一步提高预测精度。

在油藏储量预测中，多层神经网络模型可以通过逐层抽象从而实现对不同特征的深度挖掘，进一步提高预测效果。

同时，在多层神经网络模型中，还可以通过添加dropout层等技术来避免过拟合现象，使得模型具有更好的泛化性能。

最后，利用神经网络模型进行油藏储量预测需要注意的几个因素。

首先，数据预处理工作需要精细严谨，包括数据清洗、数据归一化等步骤，以尽可能减少模型的噪声干扰和误差。

其次，需要针对不同类型的数据采用不同的模型结构和算法，例如，对于时间序列数据可以采用循环神经网络（RNN）模型等。

最后，对于神经网络模型的训练和优化过程，需要进行多次实验，调节超参数等，以达到最优的预测效果。

总体来说，利用神经网络模型预测油藏储量的研究具有重要的理论和实践意义。

储层敏感性研究

二、外来流体与岩石的相互作用
1. 粘土矿物的水化膨胀外来流体使地层内一些粘土矿物发生水化、膨胀，堵塞孔喉。 2. 地层内部微粒迁移
外来流体流动速度及压力波动使地层内部微粒发生迁移，堵塞孔喉，使渗透率降低，或疏通孔喉，使渗透率升高。速敏性
3. 酸化过程中的化学沉淀酸化增产措施中，若配方不合适，或措施不当，酸化后可发生再沉淀，堵塞孔喉，使渗透率降低。
膨胀后的水敏矿物：蒙脱石、伊蒙混层胶结不坚固的碎屑微粒：石英、长石等油层酸化处理后释放的碎屑微粒
3. 流体性质对速敏性的影响
盐度、 PH值、分散剂低盐度流体：水敏矿物水化、膨胀和分散，
在较低流速下发生迁移。
高PH值：减弱颗粒与基质间结构力，胶结差的地层微粒
释放到流体中，使地层微粒增加。
（3）油水分层流动的情况
在油流区，水湿微粒受束缚水影响被约束不移动；在水流区水湿微粒会移动。
（由于压力波动，一般不形成稳定的桥堵）
（4）混性润湿微粒在油流中的迁移情况
（当储层中的油流动时，微粒位于束缚水与油的油水界面处，微粒受油的拉力而沿油-水界面运动）
（5）在注入油-水互溶剂时的微粒迁移情况
发生迁移：堵塞孔隙；解堵
加入油-水互溶剂时，会使得本来由于润湿性和界面张力控制而固定的微粒发生迁移作用。相反，发生解堵作用。
三、储层酸敏性
酸化液进入地层后，与地层中的酸敏矿物发生反应，产生沉淀或释放微粒，使地层渗透率下降的现象。酸敏矿物：
HCl: 含铁矿物（绿泥石、铁碳酸盐等）生成Fe(OH)3 SiO2 HF: 高含钙矿物（如方解石、钙长石、沸石等） CaF2 SiO2
与喉道微粒匹配的微粒开始移动，形成“桥堵” 速度大，移动微粒数量骤然增加。

基于深度学习的储层物性参数预测方法研究

基于深度学习的储层物性参数预测方法研究
郑宇哲;叶朝辉;刘西恩;赵龙
【期刊名称】《电子世界》
【年(卷),期】2018(0)4
【摘要】传统的测井解释方法在当今存在一些弊端导致效率不高.本次研究选用已采集的测井数据,使用BP神经网络对其进行储层物性参数预测.训练前的准备包括特征选取、测井数据聚类预处理、确定样本集容量.训练方法上采取了先使用RBM 逐层无监督预训练,再使用小批次梯度下降法有监督调优的策略,并引入了"早停止"准则防止过拟合.最终在全井段上对孔隙度进行了预测,得到的结果和测井数据的相关系数达到0.9788.研究结果证明使用深度学习方法进行储层物性参数预测与传统方法相比具有一定优势,在实际生产中有推广应用的价值.
【总页数】4页(P23-26)
【作者】郑宇哲;叶朝辉;刘西恩;赵龙
【作者单位】清华大学自动化系;清华大学自动化系;中海油田服务股份有限公司;中海油田服务股份有限公司
【正文语种】中文
【相关文献】
1.基于微粒群算法的神经网络储层物性参数预测 [J], 王文娟;曹俊兴;张元标;王小权
2.基于弹性阻抗的储层物性参数预测方法 [J], 印兴耀;崔维;宗兆云;刘晓晶
3.致密砂岩储层物性参数预测方法研究 [J], 时磊; 王璞; 刘俊州; 李景叶; 温立峰; 陈
小宏
4.基于核贝叶斯判别法的储层物性参数预测 [J], 刘兴业;陈小宏;李景叶;周林;郭康康
5.基于迁移学习的地球物理测井储层参数预测方法研究 [J], 邵蓉波;肖立志;廖广志;周军;李国军
因版权原因，仅展示原文概要，查看原文内容请购买。

储层敏感性预测技术研究——以新疆油田准东地区为例

［收稿日期］２１ —００１３—２２［者简介］王松（９４一，男，１８作１６）９５年大学毕业，教授，现主要从事油田化学方面的教学与科研工作。
、Байду номын сангаас
・
１２・２
石油天然气学报（汉石油学院学报）江
神经网络（ａｋＰｏａａｉｎＮｅｒｌｔｏｋ，简称为ＢＢｃ— ｒｐｇｔｕａＮｅｗｒ）ｏＰ网络。标准ＢＰ算法收敛速度慢的重要原因是学习速率选择不当。学习速率选得太小，收敛太慢；学习速率选得太大，则有可能修正过头，导致发散。在实际应用中，一般采用的是改进的学习算法。为了找到合适的Ｂ改进算法，选择了以下４种学习算法：动量梯度下降算法（ｒｉｇｍ）Ｐｔａｄ；ｎ
２１年ｌＯ１Ｏ月
Ｆｅｃｅ— ｅｖｓ扼梯度反向算法（ｒｉｃｆ；自适应学习速率梯度下降算法（ｒｉｇａ；ＩｖｎｅｇｌｈｒＲｅｅ共ｔｔａｎｇ）ｔａｄ）ｅｂｒｎｅＭａｑａｄ算法（ｒｉｌｒｕｒｔｔａｍ）进行优选。ｎ
［要］储层敏感性情况在保护储层的过程中占有很重要的地位，储层敏感性快速预测技术可以节省大量摘
的人力、物力和时间。因此，采用人工神经网络建立模型来对储层敏感性进行预测。为了提高神经网络

《西安石油大学学报（自然科学版）》２０２３年第３８卷（１－６期）总目次

西安石油大学学报（自然科学版）《西安石油大学学报（自然科学版）》２０２３年第３８卷（１—６期）总目次题名作　者期次　页码　●　石油地质与勘探鄂尔多斯盆地南２１２井区长４＋５２储层的非均质性李　平等１１鄂尔多斯盆地延长组长７段页岩油赋存状态及开发特征张　娟等１１０甘泉油田长８油层组储层孔隙发育特征及演化规律陈奕阳等１１９鄂尔多斯盆地西南缘延长组长８段低充注油藏成藏模式———以环西—彭阳地区为例张晓磊等１３１鄂尔多斯盆地毛盖图地区盒８、山１段高含水致密砂岩沉积特征与分布规律王　昊等１４５顺变柱体式光纤微地震检波器研制及实验董小卫等１５２花场气田构造控油气作用及油气藏类型付景龙等２１辽西低凸起ＪＺ油田沙二段古地貌特征及其对沉积的控制作用刘宗宾等２９渤海海域新近系薄互层砂体沉积特征及定量预测曹　龙等２１６地震拓频技术在涠洲６１２油气田薄储层刻画中的应用张　益等２２５吴起北部长６段沉积微相特征及其对储层非均质性的影响赵　辉等２３５南海北部深水区白云凹陷中深层油气成藏过程初探张忠涛等２４３基于梯度惩罚－生成对抗神经网络的页岩三维数字岩心重构李秉科等２５３鄂尔多斯盆地大宁—吉县区块上古生界致密储层孔隙结构特征及其与黏土矿物的关系石　石等３１鄂尔多斯盆地南２１２井区长６２致密砂岩储层特征及其影响因素张俊杰等３１０鄂尔多斯盆地延安地区本溪组—太原组地层及其沉积演化特征崔宏俊等３１９四川盆地侏罗系陆相页岩成熟度与显微组分孔隙发育特征周圆圆等３２７铜川野外露头区延长组裂缝发育特征及形成机理阮勇淇等３３８基于井震的火山岩有利储层综合预测———以银额盆地哈日凹陷为例李慧琼等３４５鄂尔多斯盆地南部石盒子组盒８下段砂岩物源分析马尚伟等４１川东南地区茅口组一段地质特征及天然气富集规律———以南川区块为例李佳欣等４１２临河坳陷变质岩潜山储层形成控制因素及特征胡晨光等４２０白云凹陷超压模拟及成藏研究张力升等４３０碳酸盐岩储层孔隙结构表征及储渗能力研究———以鄂尔多斯盆地靖边气田下古马五１＋２储层为例贾浪波等４３８层间逆冲叠瓦构造—前陆冲断带大气区控藏模式易士威等５１基于多边形孔隙结构模型的砂岩储层总孔隙度预测方法张秉铭等５１２融合随钻核磁共振与机器学习的疏松砂岩储层孔隙结构评价新方法孙　康等５２０川西雷口坡组四段上亚段储层特征及成因机理徐　康等６１玛湖１井区致密砂砾岩储层物性特征及其对流体可动性的影响刘　赛等６１５●　油气田开发与开采不同孔隙结构页岩油储层可动流体分布特征王继超等１５９页岩气多层吸附的分子模拟与理论模型穆中奇等１６９—０４１—２０２３年第３８卷（１—６期）总目次电解质离子对硬脂酸Ｌａｎｇｍｕｉｒ膜稳定性影响机理何宇廷等１７７聚合物交联凝胶堵漏性能评价方法研究进展熊正强等１８５基于核岭回归算法的地层水中ＣＯ２溶解度模型研究龙震宇等１９５石油磺酸盐原料油复配及膜式磺化合成工艺研究范　伟等１１０２微生物修复石油烃污染土壤研究进展杨　博等１１０８集减振、脉冲和冲击于一体的钻井提速工具设计及仿真刘　鹏１１２０高温高盐条件下调剖用酚醛冻胶的研制吕　琦等２６１吉木萨尔页岩水力压裂后渗吸采油潜力分析廖　凯等２６８低流度稠油油藏启动机制及主控因素实验研究张　戈等２７７水驱油藏注采受益关系及注水效果定量评价吴明录等２８４基于机器学习的油水层解释新方法———以新安边油田南部长７油层组为例陶　静等２８９双层套管射孔产能预测模型数值模拟研究幸雪松等２９６注盐酸对致密砂岩气藏微观孔径分布的影响赵金省等３５５断溶体底水油藏不同隔板参数堵水强度影响规律秦　飞等３６２陇东Ｘ平台页岩油水平井减摩降阻配套技术研究与应用李晓明等３７０致密砂岩气藏气水相对渗透率计算方法改进许诗婧等３７５复杂类型储气库多周期注采相渗变化规律唐　康等３８１非均质深层碳酸盐岩气藏衰竭开发规律实验研究陈建勋等４４７耐温耐盐ＣＯ２泡沫体系性能评价汪万飞等５２９海上油田不同溶解程度聚合物在多孔介质中渗流特征及驱油规律罗光杰等５３６稠油热采模拟隔夹层制备与评价梁　旭等５４３苏北盆地溱潼凹陷页岩油ＳＤ１井万吨级ＣＯ２压吞矿场试验及效果评价姚红生等５５０机器学习在油气开发领域的应用及展望谢　坤等５５８ＣＯ２在页岩储层中的绝对吸附量及其影响因素分析张成林等５６８各向异性对页岩地层钻井液安全密度窗口的影响吴德胜等６２４基于残差神经网络模型的高压气井水合物生成预测方法刘广胜等６３３一种基于压汞－吸附法的不规则泥页岩样品孔隙度测定方法徐二社等６３９强冲蚀不规则孔眼封堵规律实验研究王　博等６４６沥青质沉积方式对油水两相渗流特征的影响卢二付等６５４普通稠油油藏多元热流体驱提高采收率实验研究张明龙６６３●　油气储运管道高周腐蚀疲劳损伤模型与数值模拟研究程斌亮等１１２７天然气管网反输工况下的运行优化周　军等１１３５天然气管网动态仿真三种隐式差分法对比研究李春奇等１１４５胶凝原油临界损伤屈服应力计算模型研究肖铁全等２１３５基于动态权重的同桥并行油气管道风险评价吴东容等３１２９海底原油管道电伴热相对热耗率研究王　凯等４５５基于ＳＰＲＴ的水合物生成风险评价方法———应用于火驱尾气集输管道常明亮等４６２天然气管输容量分配优化决策研究何能家等４７１—１４１—西安石油大学学报（自然科学版）基于ＡＩ的油气集输管道安全管控平台构建探究熊　惠４８１长输管道辅助牺牲阳极阴极保护影响因素研究及效果分析李　宁等５７６基于声比拟法的埋地输气管道泄漏数值模拟陈一鸣等５８５基于远程诊断的天然气超声流量计异常综合评估方法尹　恒等５９２双管掺水集油系统碳排放核算与评价研究成庆林等６１００油气管道用埋弧增材三通的性能研究陈越峰等６１０９●　油气田化学工程二氧化碳基聚碳酸酯的化学改性研究进展周　利等１１５０基于深度学习的催化裂化过程建模方法陈　琳等４９４深层页岩气储层耐温抗盐型滑溜水压裂液体系研究问晓勇等４１０４溶液黏度对聚合物强化泡沫性能的影响郭程飞等４１１２环保型生物柴油基钻井液体系研究及应用张　鹏等４１１９基于三角模糊数的中国省会城市土壤重金属污染风险评价陈景辉等４１２７ＨＰ β ＣＤ降低表面活性剂复配体系中ＴＯ５对ＯＰ２０的紫外光谱的干扰及其机理分析吴　浩等４１３６基于计算机模拟的丙酮加氢生产异丙醇工艺节能改造方案研究殷娟娟等６６８稠油热采油藏封汽窜用磺化酚醛树脂冻胶研制游红娟等６７６普通稠油化学驱用表面活性剂研究李隆杰等６８４一种水性聚丙烯酸酯／Ｇｒ－ＭｏＳ２防腐涂层的性能研究麻　冬等６９３●　石油机械设备及自动化基于瞬变电磁偏心阵列的套管开窗侧钻井开窗轨迹与窗口形态检测方法杨　玲等２１０５基于机器学习算法的ＣＯ２腐蚀速率预测彭　龙等２１１３气举柱塞波浪形紊流槽流动性能强化研究崔　璐等２１２２一种中值滤波快速系统的ＦＰＧＡ实现穆向阳等２１２８地震勘探用混叠激发控制系统设计与实现甘志强等３８８基于电气距离分区的配电网动态无功优化武晓朦等３９４井下指令信号的小波－奇异值分解双层滤波降噪霍爱清等３１００泥浆发电机用磁力传动机构的转矩影响因素分析闫文辉等３１０６基于海试的水下采油树力学特征影响因素敏感性分析黄　鑫等３１１３冷流率对大口径涡流管性能影响分析陆　梅等３１２２热敏合金管井壁强化技术力学行为分析秦　星等４８８混频信号数字检波方法在阵列侧向测井中的应用高　怡等５９８偏心探头套管损伤定位校正方法党瑞荣等５１０４ＴＣ４钛合金激光织构表面的润湿性和耐腐蚀性研究张明鲲等５１１１储层分段体积改造下套管接头强度损失预测方法舒明媚等５１１８随钻声波测井井下算法测试系统数据交换接口设计王　伟等６１１８海上双油管气举井筒完整性风险评价研究于志刚等６１２４基于有效牵引力系数的水力振荡器减阻效果评价方法王学迎等６１３３—２４１—。

储层敏感性预测模型中BP网络隐层数的优选及应用

一
ｆ＋０６８ｎ—ｍ）ｎ．１（
ｎ一０６８ｍ —ｎ．１（）
ｎ≥ ｍ
ｎ＜ｍ
其中：ｎ为输入层结点数，输出层结点数。ｍ
２隐层数确定方法３隐层数的优化选择
当训练集确定之后，入层结点数和输出层结输
点数随之而确定，首先遇到的一个十分重要而又困难的问题是如何优化选择隐层结点数。实验表明，如果隐层结点数过少，能训练不出来或网络不强可壮，能识别以前没有见过的样本，错性差，不容网络不具有必要的学习能力和信息处理能力。反之，若过多，不仅会大大增加网络结构的复杂性（一点这对硬件实现的网络尤其重要）网络在学习过程中，更易陷入局部极小点，且会使网络的学习速度变而得很慢。因此，隐层结点数的选择对预测方法的建立至关重要。迄今为止，Ｐ网络隐层结点数的确定尚缺乏严Ｂ格的理论依据指导，主要根据实际所用模型及具体问题来确定。以下是目前各种文献资料中提到的确定
！出模式ｉ禽
储层敏感性潜在损害因素的预测，以对其主要损害可
机理进行科学的诊断，而为钻井液、井液及其它从完工作液的优化设计提供重要依据Ｌ２。Ｂ１ｊＰ神经网络．技术在模式识别方面已表现出了很好的特性，年近来，国内学者利用ＢＰ神经网络预测储层潜在敏感性，已取得较好的效果Ｊ。但对网络中隐层结点数的

基于遗传神经网络的储层敏感性预测方法研究

络模型，一定程度上克服了Ｂ在Ｐ神经网络的缺
点，能够以更快地速度得到更好地预测结果。
神经网络的误差反向传播算法（ｒｏａｋＰｏ — ＥｒｒＢｃｒｐａａｉｎ，ｇｔ）是基于梯度的方法，学习和存储大量ｏ能的输入～输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用
的特性，这种变化会不同程度地损害油层，而导致产能损失或产量下降。如果能在施工之前对从储层的敏感性做出预测，么在进行施工的过程中，可以采取相应的措施，少储层的损害。那就减在储层敏感性进行预测的方法中，Ｐ神经网络是应用最广泛的方法之一，以对储层的各种敏Ｂ可感性进行预测。但这也存在着一些问题，比如局部寻优、敛速度慢等，以在神经网络的基础收所上，入了遗传算法，以对神经网络进行优化，其能最大程度地快速找到全局最优。实践证加可使明，这种方法能够满足目前储层敏感性预测的实际需求。关键词：遗传算法；神经网络；感性；测敏预
（Ｚ１６ＫＳＩ３）
收稿日期：２１１Ｏ０１２８
改回日期：２２０ — ２０１３３
４期
高磊等：基于遗传神经网络的储层敏感性预测方法研究
４７８
法，中Ｂ其Ｐ神经网络是目前应用最广泛的模型之一。

储层主要损害机理

1 储层主要损害机理1.1 储层岩性、物性分析根据冷87 井、冷103 井、冷深85 井和冷科1 井等探井薄片鉴定报告和储层岩样的X2射线衍射分析结果,可知该地区储层泥质含量为6 %～15 % ,粘土含量很高,为13 %～17 % ,蒙脱石含量为10 %～14 % ,伊/ 蒙间层矿物含量为4 %～9 %,伊/ 蒙间层矿物间层比为20 %～58 % ,属于水敏性较强的储层;由冷四 1 井压汞分析结果可知,该地区油气层孔喉半径为2100 ～13136 μm , 渗透率为( 0187 ～554160) ×10 - 3 μm2 ,孔隙度为719 %～2615 %。

基本上可将其定位为中孔中渗和中孔高渗的储层[1 ] 。

1.2 储层敏感性预测及损害机理诊断在缺少具有代表性的岩样和系统的储层岩性、物性资料的情况下,笔者采用人工神经网络储层敏感性预测新方法,结合现场调研资料,针对该地区具有代表性的储层,对其 5 种敏感性潜在损害的程度进行了预测,其结果表明:1) 尽管储层中粘土矿物(即泥质) 含量较高,但由于其中非膨胀性的粘土矿物———高岭石和绿泥石含量较低,因此因微粒运移导致的速敏损害较弱,储层速敏性为弱;2) 因蒙脱石和伊/ 蒙混层等水敏性粘土矿物含量较高,储层水敏性为中偏强,这一结果与岩石矿物组分分析的结果相吻合;3) 由于地层水矿化度较低,因此发生盐敏损害的危害性较小,储层盐敏性为弱;4) 绿泥石为含铁的粘土矿物,经验表明,储层中少量绿泥石的存在也会表现出一定程度的盐酸酸敏性,储层具有中偏弱的盐酸酸敏性;5) 由于碱敏性矿物含量较低,因而储层碱敏性为中偏弱。

该地区钻井过程中,引起储层损害的主要因素为:（1）钻井液中固相颗粒的侵入;（2）粘土矿物水化膨胀和分散。

因此,必须尽力提高钻井液的抑制性和封堵性,特别是对保护储层暂堵方案进行优化设计。

2 保护储层暂堵方案的优化设计2.1 优选暂堵剂颗粒尺寸分布的新方法理想充填的含义是:对于保护储层的钻井液,需要根据孔喉尺寸加入具有连续粒径序列分布的暂堵剂颗粒来有效地封堵储层中大小不等的各种孔喉,以及暂堵颗粒之间形成的孔隙。

基于神经网络的股票分析预测模型研究

基于神经网络的股票分析预测模型研究随着人工智能技术的不断发展和应用，基于神经网络的股票分析预测模型也成为研究的热点之一。

神经网络模型是一种基于人类神经系统结构的计算模型，具有学习能力、自适应性和非线性映射能力等优点。

基于神经网络的股票分析预测模型对于投资者提高投资决策能力、减少投资风险有着重要的意义。

一、神经网络模型的构建神经网络模型的构建需要选择适当的网络结构和算法。

常用的神经网络模型包括BP神经网络、RBF神经网络和CNN神经网络等。

BP神经网络是最常用的一种网络结构，其基本组成部分包括输入层、隐藏层和输出层。

RBF神经网络可以实现非线性映射，提高预测精度。

CNN神经网络主要用于图像处理，对于股票分析预测模型的构建应用较少。

神经网络模型的算法主要包括训练算法和预测算法。

常用的训练算法包括BP 算法、LM算法和GA算法等。

BP算法是最常用的一种训练算法，其基本思想是通过动态调节权值和阈值实现网络的自适应学习。

GA算法主要通过遗传操作和选择操作实现权值和阈值的迭代优化。

预测算法主要包括回归算法和分类算法。

回归算法主要用于对于连续性变量的预测，分类算法主要用于对于离散性变量的预测。

二、神经网络模型在股票分析预测中的应用神经网络模型在股票分析预测中应用广泛，主要体现在以下几个方面：1. 股票价格预测神经网络模型可以通过历史数据的学习和分析，预测股票价格的趋势和变化。

常用的股票价格预测模型包括基于BP神经网络的ARIMA模型、基于RBF神经网络的VAR模型和基于CNN神经网络的卷积模型等。

2. 基本面分析神经网络模型可以通过分析公司的基本面数据，预测公司的未来走势和业绩表现。

常用的基本面分析模型包括基于BP神经网络的金融指标预测模型、基于RBF 神经网络的财务分析模型和基于CNN神经网络的板块分类模型等。

3. 多变量分析神经网络模型可以同时考虑多个变量因素的影响，提高预测精度和准确率。

常用的多变量分析模型包括基于BP神经网络的股市指数预测模型、基于RBF神经网络的股票多维分析模型和基于CNN神经网络的股票关联模型等。

煤层气储层敏感性实验研究

煤层气储层敏感性实验研究一、本文概述随着能源需求的日益增长，煤层气作为一种清洁、高效的能源，其开发利用受到了广泛关注。

然而，在煤层气储层开发过程中，储层敏感性问题常常会对开发效果产生重要影响。

本文旨在对煤层气储层的敏感性进行系统的实验研究，分析不同因素对储层敏感性的影响，为煤层气储层的合理开发提供理论支持和实践指导。

本文首先介绍了煤层气储层敏感性的基本概念和研究意义，阐述了储层敏感性对煤层气开发的影响。

接着，详细描述了实验材料、实验方法以及实验过程，包括实验设备、实验步骤、实验条件等。

在实验结果分析部分，本文将通过实验数据，对储层敏感性进行定量评估，并深入探讨不同因素对储层敏感性的影响机制。

本文总结了实验研究的主要结论，提出了针对性的建议，以期为我国煤层气储层的合理开发提供有益的参考。

通过本文的实验研究，旨在深入理解煤层气储层的敏感性特征，揭示储层敏感性对煤层气开发的影响规律，为煤层气储层的科学开发提供理论支撑和实践指导。

本文的研究结果也可为其他类似储层的敏感性研究提供借鉴和参考。

二、煤层气储层敏感性实验研究方法煤层气储层敏感性实验研究是评估煤层气储层对各种外部因素（如压力、温度、化学处理等）响应程度的关键手段。

本研究采用了一系列实验方法，系统地探讨了煤层气储层的敏感性特征。

我们采用了渗透率测试技术，通过改变储层压力、温度等条件，实时监测渗透率的变化情况。

这一技术能够直观反映储层在外部条件变化下的渗透性能，是评估储层敏感性的重要指标之一。

为了深入研究储层敏感性机理，我们采用了扫描电子显微镜（SEM）和射线衍射（RD）等微观分析手段。

这些技术能够揭示储层微观结构的变化，包括孔隙结构、矿物成分等，从而深入理解储层敏感性的内在原因。

我们还采用了化学处理实验，通过模拟储层中可能遇到的化学环境（如酸碱溶液、氧化剂等），研究储层对这些化学因素的响应情况。

这一方法有助于评估储层在开采过程中的稳定性，预测潜在的风险因素。

2009年11月24日同济大学授予博士学位名单(307人)

2009 年 11 月 24 日同济大学授予ห้องสมุดไป่ตู้士学位名单（307 人）
序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 学号 0610102007 0610102008 0610102009 0610102010 0510102005 0610102003 0610102012 0510106005 0610106001 0410106003 0510106002 0610104007 0510104012 0610104009 0610104011 0610104012 0610104013 0410190011 0610190008 0610190014 0610101009 0610101001 0610101006 姓名杨新兵吴强董琳林启忠董跃武赵寿为谷玉盈柯微娜古林强张国星李勇攀王晓静彭程袁品仕雷芳李颖刘金亮孙玉花叶黎明杨光亮镇斌韩同伟武秀根学科专业基础数学应用数学应用数学应用数学应用数学应用数学应用数学声学声学声学声学无机化学无机化学无机化学无机化学无机化学无机化学海洋地质海洋地质固体地球物理学一般力学与力学基础固体力学固体力学导师方小春边保军李雨生李雨生孙继涛孙继涛孙继涛钱梦禄盛胜我王寅观王寅观胡中华施宪法吴庆生闫冰闫冰闫冰纪友亮翦知湣朱元清徐鉴贺鹏飞贺鹏飞论文题目交叉积 C*-代数与迹秩带交易费路径依赖期权的定价问题和数值计算图的 Ramsey 数的几个问题二部图的几个 Ramsey 函数随机脉冲系统理论及其在控制论中的应用基于几何方法的混杂系统的分析与控制复杂网络理论及其应用的研究空气声换能器无损检测复合板材缺陷的实验和三维数值模拟扩散吸声体的理论分析与优化设计连铸坯清洁度超声检测系统的建立与应用研究利用 Lamb 波,表面波,反射纵波和临界折射纵波进行应力检测的理论研究与实验研究 TiO2 微球与负载型 TiO2/活性炭的制备、表征和光催化性能研究基于杯芳烃超分子功能的新型质子交换膜的研究二茂铁衍生物的纳米化及其微/纳碳化研究稀土钨/钼酸盐发光材料的形貌控制合成及发光性质研究分子功能化稀土有机无机杂化介孔材料的组装与性能研究稀土有机-无机杂化发光材料的设计、构筑和组装孔南地区断陷盆地早期层序地层特征及储层预测研究西太平洋暖池区晚第四纪温跃层变化及其古海洋学意义主动地震台的设计与研究时滞耦合神经元的动力学行为及同步石墨烯力学性能的分子动力学研究基于限制失稳理论的艇用核反应堆 CRDM 系统可靠性分析和试验研究授予学位门类理学理学理学理学理学理学理学理学理学理学理学理学理学理学理学理学理学理学理学理学工学工学工学

考虑温度因素的储层敏感性预测方法

考虑温度因素的储层敏感性预测方法近年来，随着石油资源的日益枯竭和环境污染的加剧，对油气储层的有效开发和管理日益成为焦点。

而储层敏感性预测是油气勘探开发中关键的一环，其能够为储层优化开发和管理提供科学依据和指导。

而在考虑储层温度因素的情况下，预测储层敏感性的方法就显得尤为重要。

储层敏感性是指储层岩石对采油活动的敏感程度，这种敏感程度反映了岩石物性与采油活动之间的相互影响关系。

储层敏感性预测方法可以通过分析储层岩石的物性参数及层位结构、耐受破坏能力等方面，对储层对采油活动的响应进行定量分析和评估。

传统的储层敏感性预测方法主要以地质统计分析为主，忽略了温度因素对储层敏感性的影响。

实际上，储层温度是影响储层敏感性的重要因素之一。

温度会改变储层岩石的物性参数和层位结构，从而影响储层的响应。

针对这种情况，本文提出了一种考虑储层温度因素的敏感性预测方法，其主要包括以下步骤：（1）储层物性参数测试和分析首先，对储层进行物性测试，包括孔隙度、渗透率、饱和度、流体粘度等参数的测定，并对测得的数据进行分析和处理。

这些参数是决定储层敏感性的关键因素，可以通过统计分析等手段研究其变化规律和敏感性关系。

（2）搜集和分析温度数据通过地质勘探和测井工作，获取储层的温度数据，分析其分布规律和变化趋势。

同时，将获得的温度数据与物性参数进行匹配，以研究温度对物性参数变化的影响，进而评估储层敏感性。

（3）储层敏感性评估模型构建针对以上收集和分析的数据，可以建立储层敏感性评估模型，该模型可以通过统计学方法建模，并考虑到温度对储层敏感性的影响，从而对储层敏感性进行更加准确的预测和评估。

（4）预测模型验证建立模型后，需要对模型进行验证，以确定模型的准确性和可靠性。

其中，可以通过地球物理数据和实际开采数据和采油实验数据作为参考，评估模型的准确性、稳定性和预测效果。

综上所述，考虑温度因素的储层敏感性预测方法可以更全面地评估储层的响应，提高储层的开发和管理效率，具有重要的研究价值。

快速预测储层敏感性方法研究与应用

快速预测储层敏感性方法研究与应用敏感性研究是分析储层损害机理的前提，对于优化钻探和开发过程中的各个作业环节，以及制定系统的油气层保护技术方案具有非常重要的意义。

对近年来发展起来的各种储层敏感性预测方法进行了探讨，发现利用单相关分析和多元回归预测储层敏感性是一种较理想的、快速的预测敏感性的新方法。

在常规岩心分析和敏感性矿物分析的基础上，提取与各敏感性有关的信息，利用单相关分析和多元回归预测储层敏感性，其准确率能够达到85%，基本上满足了油气层敏感性预测的需要。

相对单一的预测方法，二者结合的预测结果有明显改善，并且该方法计算简单、适用性强、物理意义明确。

标签：储层保護；敏感性分析；单相关分析；多元回归；岩心分析储层敏感性预测最常用的方法就是敏感性实验方法，常规储层敏感性实验方法，需要大量的岩心，做实验所用的时间也比较长，而且在岩心的钻取、切割及实验前预处理过程中，可能已经对岩心造成了不同程度的损害。

近年来发展了许多快速预测储层敏感性的方法：Elman神经网络、BP神经网络、灰色评价方法、多元判别分析法、模糊数学方法等，但是各种方法都有其不足之处[1-3]。

本文在分析现有快速预测储层敏感性方法的基础上，结合前人研究的成果，综合应用单相关分析和多元回归分析预测储层敏感性，克服了其它方法在预测储层敏感性时的缺点，补充了其存在的不足。

1 单相关分析当一个或几个相互联系的变量取一定数值时，与之相对应的另一变量的值虽然不能确定其精确值，但它仍按照一定的规律在某个范围内变化时，这种现象间客观存在的不严格、不确定的数量间的依存关系被称为相关关系[4]。

2 多元回归分析回归分析是在相关分析的基础上，对具有相关关系的2个或2个以上变量数量变化的一般关系进行测定，它主要是研究变量之间的相互关系，建立变量之间的经验公式，以便达到预测或控制的目的。

3 二者结合预测储层敏感性单相关系数法能够确定出各组构参数与敏感性指数的相关程度，表征各组构参数的物理意义，但是解决不了影响因素复杂的情况。

基于人工神经网络的预测研究的文献综述

基于人工神经网络的预测研究的文献综述第一篇：基于人工神经网络的预测研究的文献综述基于人工神经网络的预测研究文献综述专业：电子信息工程班级：08级2班作者：刘铭指导老师：熊朝松引言随着多媒体和网络技术的飞速发展及广泛应用，人工神经网络已被广泛运用于各种领域，而它的预测功能也在不断被人挖掘着。

人工神经网络是一种旨在模仿人脑结构及其功能的信息处理系统。

现代计算机构成单元的速度是人脑中神经元速度的几百万倍，对于那些特征明确，推理或运算规则清楚地可编程问题，可以高速有效地求解，在数值运算和逻辑运算方面的精确与高速极大地拓展了人脑的能力，从而在信息处理和控制决策等方面为人们提供了实现智能化和自动化的先进手段。

但由于现有计算机是按照冯·诺依曼原理，基于程序存取进行工作的，历经半个多世纪的发展，其结构模式与运行机制仍然没有跳出传统的逻辑运算规则，因而在很多方面的功能还远不能达到认得智能水平。

随着现代信息科学与技术的飞速发展，这方面的问题日趋尖锐，促使科学和技术专家们寻找解决问题的新出路。

当人们的思想转向研究大自然造就的精妙的人脑结构模式和信息处理机制时，推动了脑科学的深入发展以及人工神经网络和闹模型的研究。

随着对生物闹的深入了解，人工神经网络获得长足发展。

在经历了漫长的初创期和低潮期后，人工神经网络终于以其不容忽视的潜力与活力进入了发展高潮。

这么多年来，它的结构与功能逐步改善，运行机制渐趋成熟，应用领域日益扩大，在解决各行各业的难题中显示出巨大的潜力，取得了丰硕的成果。

通过运用人工神经网络建模，可以进行预测事物的发展，节省了实际要求证结果所需的研究时间。

正是由于人工神经网络是一门新兴的学科，它在理论、模型、算法、应用和时限等方面都还有很多空白点需要努力探索、研究、开拓和开发。

因此，许多国家的政府和企业都投入了大量的资金，组织大量的科学和技术专家对人工神经网络的广泛问题立项研究。

从人工神经网络的模拟程序和专用芯片的不断推出、论文的大量发表以及各种应用的报道可以看到，在这个领域里一个百家争鸣的局面已经形成。