神经网络的CO2吞吐候选井模糊优选方法

doi:10.3863/j.issn.1000-2634.2005.05.09

西南石油大学学报(自然科学版) ›› 2005, Vol. 27 ›› Issue (5): 33-36.DOI: 10.3863/j.issn.1000-2634.2005.05.09

神经网络的CO₂吞吐候选井模糊优选方法

侯天江¹ 郑云川¹ 孙雷¹ 陈挺² 李兵² 李仕伦¹

1.西南石油学院石油工程学院,四川成都 610500; 2.中石化中原油田分公司

收稿日期:2004-11-22 修回日期:1900-01-01 出版日期:2005-10-20 发布日期:2005-10-20
通讯作者: 侯天江

THE FUZZY OPTIMUM SCREENING METHOD OF CO₂ HUFF AND PUFF CANDIDATE OIL W ELL VIA NEURAL NETWORKS

HOU Tian-jiang¹ ZHENG Yun-chuan¹ SUN Lei¹ et al

Southwest Petroleum Institute, Chengdu Sichuan 610500, China

Received:2004-11-22 Revised:1900-01-01 Online:2005-10-20 Published:2005-10-20
Contact: HOU Tian-jiang

摘要/Abstract

摘要： CO₂吞吐候选井的优选和综合评价是二氧化碳吞吐项目成功的基础。在综合评价权重的确定中不管是层次分析法还是模糊层次分析法都带很大的主观性,这里将模糊综合评判方法与神经网络技术相结合,通过神经网络的自学习方法来获得评价参数权重,使权重能反应客观事实。实践证明该方法在CO₂吞吐候选井的优选和综合评价中切实可行。

关键词: CO₂吞吐, 神经网络, 模糊数学, 模糊优选, 综合评价

Abstract: The screening and comprehensive evaluation of CO₂ huff and puff candidate oilwell is the base of the project'success. In the comprehensive evaluation progress ofdetermination ofweight by either analytical hierarchy process or fuzzy analytical hierarchy process is ofmuch subjectivity, we integratemethod of neural networks and fuzzy comprehensive evaluation, obtain the evaluation parameterweightwhich reflecting the effect of the importance of each parameter to CO₂huff and puff by self-teach-ingmechanism of neural network., so that the weightwould reflect the fact. The field application indicates that thismethod ispracticable in screening and comprehensive evaluation of CO₂ huff and puff candidate oil well

Key words: CO₂ huff and puf, f neuralnetworks, fuzzy mathematics, fuzzy optmi um screening, comprehensive evaluation

中图分类号:

TE357. 7

侯天江郑云川孙雷陈挺李兵李仕伦. 神经网络的CO₂吞吐候选井模糊优选方法[J]. 西南石油大学学报(自然科学版), 2005, 27(5): 33-36.

HOU Tian-jiang ZHENG Yun-chuan SUN Lei et al. THE FUZZY OPTIMUM SCREENING METHOD OF CO₂ HUFF AND PUFF CANDIDATE OIL W ELL VIA NEURAL NETWORKS[J]. 西南石油大学学报(自然科学版), 2005, 27(5): 33-36.

0
/ / 推荐

导出引用管理器 EndNote|Ris|BibTeX

链接本文: http://journal15.magtechjournal.com/Jwk_xnzk/CN/10.3863/j.issn.1000-2634.2005.05.09

http://journal15.magtechjournal.com/Jwk_xnzk/CN/Y2005/V27/I5/33

[1]	黄旭日, 代月, 徐云贵, 唐静. 基于深度学习算法不同数据集的地震反演实验[J]. 西南石油大学学报(自然科学版), 2020, 42(6): 16-25.
[2]	刘兆年, 赵颖, 孙挺. 渤海区域基于数据驱动的钻井提速[J]. 西南石油大学学报(自然科学版), 2020, 42(6): 35-41.
[3]	檀朝东, 贺甲元, 周彤, 刘健康, 宋文容. 基于PCA-BNN的页岩气压裂施工参数优化[J]. 西南石油大学学报(自然科学版), 2020, 42(6): 56-62.
[4]	刘浩瀚, 颜永勤, 闵令元, 乐平, 殷艳玲. 基于灰色网络组合优化的年增油量预测[J]. 西南石油大学学报(自然科学版), 2020, 42(6): 89-96.
[5]	王兵, 郑亚梅, 陈茂柯, 高凌云. 基于Tri-BiLSTM-CNN的钻井安全问答系统[J]. 西南石油大学学报(自然科学版), 2020, 42(6): 157-164.
[6]	魏兵, 尚静, 蒲万芬, 卡杰特·瓦列里, 赵金洲. 超临界CO₂在致密油藏中的扩散前缘预测[J]. 西南石油大学学报(自然科学版), 2020, 42(2): 94-102.
[7]	张智, 宋闯, 窦雪锋, 杨昆, 丁剑. CO₂吞吐井套管腐蚀规律及极限吞吐轮次研究[J]. 西南石油大学学报(自然科学版), 2019, 41(4): 135-143.
[8]	赵坤山, 王勇, 丁丽娟, 崔灿, 贺海波. 基于模糊数学的凝析气藏开发效果评价方法[J]. 西南石油大学学报(自然科学版), 2019, 41(3): 91-99.
[9]	刘永辉, 罗程程, 刘通, 任桂蓉, 王中武. 水平气井井筒气液两相流型预测[J]. 西南石油大学学报(自然科学版), 2019, 41(3): 107-112.
[10]	李建, 李珂, 王兵. 粗糙集和神经网络相融合的钻井安全评价模型[J]. 西南石油大学学报(自然科学版), 2017, 39(5): 120-128.
[11]	牛涛, 王晖, 胡晓庆, 张宇焜, 高玉飞. 基于复杂岩性识别的低渗储层综合分类评价[J]. 西南石油大学学报(自然科学版), 2017, 39(3): 47-56.
[12]	周拓, 刘学伟, 王艳丽, 秦春光, 盖长城. 致密油藏水平井分段压裂CO₂吞吐实验研究[J]. 西南石油大学学报(自然科学版), 2017, 39(2): 125-131.
[13]	杨胜建, 刘朝霞, 王强, 高明, 刘皖露. 一种聚合物驱潜力预测新方法的建立与应用[J]. 西南石油大学学报(自然科学版), 2016, 38(6): 152-157.
[14]	冯文彦1，曾凡辉2 *，郭建春2，尹丛彬2，韩晓渝3. 压裂井储层质量综合评价研究[J]. 西南石油大学学报(自然科学版), 2016, 38(2): 109-114.
[15]	王利华1 *，楼一珊1，马晓勇2，程福山1，陈宇3. 储层粒度神经网络预测模型研究[J]. 西南石油大学学报(自然科学版), 2016, 38(1): 53-59.

神经网络的CO₂吞吐候选井模糊优选方法

THE FUZZY OPTIMUM SCREENING METHOD OF CO₂ HUFF AND PUFF CANDIDATE OIL W ELL VIA NEURAL NETWORKS

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价