基于灰色网络组合优化的年增油量预测

作者：刘浩瀚,颜永勤,闵令元,乐平,殷艳玲

摘要：老井措施增油成为油田稳产、降低油田区块开发成本的必然选择。针对多项式回归预测的局限性、灰色理论不能反映影响因素特征、神经网络需求数据多且数据敏感性差等特征,通过建立最优控制模型,实现GM(1,1)灰色理论与神经网络的高精度组合预测。以某油田区块20112018年的措施增油为例,对影响措施增油量的因素进行识别,建立了最优控制灰色神经网络模型对老井措施年增油量进行预测,相比多项式回归预测、GM(1,1)预测及BP神经网络预测方法,新模型模拟效果更好,预测精度更高。新方法对2018年措施年增油量的预测精度达97.34%。基于最优控制的灰色神经网络模型可以作为一种人工智能组合最优化模型预测措施年增油量,为准确预测措施增油效果,指导油田开发决策提供了新的思路。

发文机构：四川建筑职业技术学院基础教学部 西南石油大学地质资源与地质工程博士后流动站 四川建筑职业技术学院经济管理系 中国石化胜利油田分公司勘探开发研究院 西南石油大学石油与天然气工程学院

关键词：措施有效井年增油量灰色预测BP神经网络最优控制measure effective wellannual oil incrementgrey predictionBP neural networkoptimal control

分类号： TE121.1[石油与天然气工程—油气勘探]