用人工神经网络进行电阻率、毛管压力和相对渗透率建模和预测
毛管压力和相对渗透率是直接影响多孔介质中多相流体渗流的重要参数.由于模拟储层条件的室内试验面临着诸多挑战,因而依靠岩心分析来计算这些参数的难度不断增加.这使得毛细管压力的测量过程既费时又昂贵.然而,由于电阻率很容易获得,并考虑到它们均与润湿相饱和度相关,故可将其用于毛管压力和相对渗透率的预测.人工智能方法在模拟油气工业中极为复杂的现象方面取得了可喜的成果.本研究的目的是找出电阻率、毛管压力与相对渗透率之间的关系.最终,我们将利用人工神经网络(ANN)技术建立一个模型,从而根据电阻率预测毛管压力和相对渗透率.此外,所应用的技术将用于提高数据质量,并将其分辨率扩展到成千上万个数据点.在这之后,由于可建立起无数的人工神经网络体系架构,因此可根据其性能和精度结果评估出其中最有效的一种.本文介绍了依据岩心分析得到电阻率并利用人工神经网络技术对毛管压力和相对渗透率进行建模和预测的应用方法,还定义了岩心样品的孔隙分布体系.人们发现,人工神经网络架构可以捕捉物理问题的复杂性.因此,它成功地实现了所需的预测目标.此外,与传统方法相比,该方法(即人工神经网络技术)具有准确、快速、经济有效的优势.因此,此方法可以取代目前的传统方法.最后,随着当今人工智能技术的飞速发展,模型的预测精度亦将大大提高.
渗透率建模、人工神经网络技术、毛细管压力、模拟储层条件、网络体系架构、岩心分析、人工智能技术、多相流体渗流、人工智能方法、利用人
TE122;P631.2;TE311
2021-02-25(万方平台首次上网日期,不代表论文的发表时间)
共10页
39-48