基于广义回归神经网络的压裂井砂量优化

被引：1

作者：

张顶学 ^{[1
]}

廖锐全 ^{[2
]}

徐永高 ^{[3
]}

李军亮 ^{[4
]}

机构：

[1] 华中科技大学控制科学与工程系

[2] 长江大学石油工程学院

[3] 长庆油田分公司油气工艺技术研究院

[4] 武汉理工大学理学院

来源：

石油天然气学报(江汉石油学院学报) | 2006年 / 03期

关键词：

广义回归神经网络; 压裂; 压裂砂量; 优化; 经济评价;

D O I：

暂无

中图分类号：

TE357 [提高采收率与维持油层压力（二次、三次采油）];

学科分类号：

082002 [油气田开发工程];

摘要：

以影响压裂井产量的地层参数和压裂施工参数作为输入变量,压裂后的每米产量为输出变量,建立了压裂井产量预测的广义回归神经网络模型,并根据与目标油井地质参数的欧式距离的大小来选择学习样本。通过该模型预测不同砂量下油井压裂后的产量变化情况,并结合经济评价方法来确定以经济效益为目标的最优加砂量。实例分析表明,该方法是可行的。

引用

页码：88 / 90+445 +445

页数：4