（模式识别与智能系统专业论文）基于bp神经网络的储层参数预测.pdf

蹬尔滨z 程大学颈士学整论文 摘要 油藏储层参数的准确预测既是提高油田采收率的关键环节之一，又可为 开发的部署与规划提供熏要的基础数据。特别是在油田淀水开发中后期，油 并产滚审翁承含爨越来越高，霞忿稷需漆确魄7 解溘气簇孛静情况。国离弱 井公司人工解释油气层的符合率缀然很高，但主蒙是依赖工程师丰富的实际 经验，这对健层参数预测王作的攘广极为不利。 本谦题拟在现有的储层参数预溅研究与评价技术基础上，邋过对不同储 艨参数的分析，提取特征参数，并利用神经网络方法预测储层的各项参数， 榻绩毙大堰度旋褰诗算撬砖镰层参数羲溺豹符合率。开鼹本漂鼹豹臻究慰手 油田油藏的勘探岛开发，对于油田稳油按水及简产稳产都具有重要的指导意 义。 薹予上述嚣标，本文燕要骰了黻下凡方箍静王作：详镪分析了石漓麓探嚣 发中多种储层预测方法的技术特点及本身在解决实际地质问题上韵不足之 处；在继承翦人磺究帮技术的基戳上，以“数撂驱动法”为数学物理豹理论 鏊础，通过丰睾经溺络技术，把地震参数的多属径分析技术、储层反演技术和 近年出现储层物理特征重构的技沭思想有机地结奋在一起，建立起一套储层 参数菲线姨羲测磷究秘麓瀑参数然算技本警叁；瓣该矮技本锋辩不嚣类溅含 泊储层的预测研巍做出了县体的实例分析：总结了该项技术的特点，并指出 进步的发展方向。 这释穷法在缀多方瑟超密了传统意义上麓储瑶研究方法，疑肖突出豹技 术优势。寝现在： ( 1 ) 窕以掰鲍技术愚恕一“数攘驱动法”为攒罨，继承劳综合列震了虢太 多年来形成的成功技术； ( 2 ) 它是直接利用井网的位置和时间等参数，而不是邋过声波阻抗，如孔 骧度，默绽戆敲法是钛遗鬟爱演缡莱孛熬声波瓣抗辍逶一步黪攘羧绩算，其 结果受到诸多因綮的影响； ( 3 ) 它不像传统做法碧样假设一种特您的模拟关系，蕊是在对并点一累列 数蕹调练秘分耩牵获褥鹣一个统计关系，这个关系是逶邋多元西精获得的线 性关系，绒是通过神经网络训练获得的非线性关系。 具体醪 究内密及预载达到的成果： ( 1 ) 对油田开发区域豹资料进行常穰解释。 ( 2 ) 猩充分考虑储层影响因素的情况下，统计出储层的特征，建立适用的 繇溱馕层鞭羧l 模式。 ( 3 ) 准确提取储层的特征参数，使各种储层的影响因素充分反映在特铽参 数上。 蛤尔滨王疆大学颈女举位论文 ( 4 ) 选用神经网络方法，结合所提取的特征参数，编写储屡神经网络预测 程1 葶，并进行实际资料处理，以提高储层计算机预测的符合率。 美键调：储层预测；摊经网络；l e v e n b e r g - m a r q u a r d t 方法 略尔滨工程大学磁士学位论文 a b s t r a c t r e s e r v o i rp a r a m e t e ro fo i lp r e d i c te x a c t l yi sb o t ho n eo ft h ec r i t i c a ll i n ko f i m p r o v i n gt h ee f f e c to fe x p l o r a t i o na n do f f e r i n gi m p o r t a n tb a s i cd a t af o rt h e d i s p o s i t i o na n dp l a n n i n go fd e v e l o p m e n t e s p e c i a l l yi nt h em e d i u m - l a t ep e r i o do f w a t e r - i n j e c t i o nd e v e l o p m e n to i lf i e l d ，也ec o n t e n to fw a t e ro fp r o d u c t i o ni no i l w e l li sm o r ea n dm o r eh i g h s ok n o w i n ge x a c t l yt h es i t u a t i o no ft h em a d e r g r a d o i l g a s w a t e rb e di sv e r yn e c e s s a r y 髓ee i v i lw e l ll o gc o m p a n yg e t 穗es u i tr a t eo f a r t i f i c i a li n t e r p r e t a t i o nf o ro i l - g a sb e di st h o u g hv e r y 琏蠹，i tm a i n l y d e p e n d e do n t h er i c he x p e r i e n c eo fe n g i n e e r s ，a n di t i s v e r yd i s a d v a n t a g e o u sf o rt h e p o p u i a r i z a t i o no f t h ep r e d i c t i o no f o i lr e s e r v o i rp a r a m e t e r st i t l eb a s e do nt h ep r e s e n tp r e d i e t i o ns t u d ya n de v a l u a t i o nt e c h n i q u e ， t h r o u g h t h ea n a l y s i so fp a r a m e t e ri nd i f f e r e n t r e s e r v o i r ，t a k i n go u t t h e c h a r a c t e r i s t i cp a r a m e t e ro fw e l ll o gc o v e a n du s en e u r a ln e t w o r kt o p r e d i c t r e s e r v o i r ，i t i s b e l i e v e d t 氛a t t h es u i tr a t e o f o i lr e s e r v o i r p a r a m e t e r p r e d i c t i o n w i t h c o m p u t e rw i | lg e tag o o di m p r o v e m e n t 。瓢er e s e a r c ho ft h i sr i f l e ，f o rt h e e x p l o r a t i o na n dd e v e l o p m e n to fo i lf i e l da n do i lp o o l ，f o rs t a b i l i z i n go i la n d c o n t r o l l i n gw a t e r ，a n df o r t h eh i g hp r o d u c t i v i t ya n ds t a b l ep r o d u c t i o no f o i lf i e l d ， w i l lh a v eav e r yi m p o r t a n tg u i d i n gm e a n i n g b a s i n go nt h em e n t i o n e do b j e c t i v ea b o v e ，t h i sp a p e rh a sa n a l y z e d c h a r a c t e r i s t i c so fm a n ym e t h o d so fr e s e r v o i r p r e d i c t i o ni nt h ep e t r o l e u m p m s p e e t i n ga n dt h e i rs h o r t c o m i n g si nt h ep r a c t i c a lg e o l o g yp r o b l e mo f r e s o l u t i o n 。 翻醵sp a p e r 羲a ss e tu pap l a t f o r mo fp a r a m e t e rn o n l i n e a rs t u d ya n dp a r a m e t e r e s t i m a t et or e s e r v o i rb ym e a n so f t h et e c h n o l o g yo f n e u 打a ln e t w o r k ，p r e d i e t i o n o fr e s e r v o i ro nt h ef o u n d a t i o no fl a r g en u m b e r sr e s e a r c h e ss oa st op r o v i d em o r e a c c u r a t eg e o l o g yc o n c l u s i o na n de x p l o r a t i o nd e p l o y m e n ts c h e m ei n p r a c t i c a l a p p l i c a t i o n b e s i d e s ，c o n c r e t ee x a m p l ea n a l y s i sh a sb e e nm a d eo nt h i st e c h n o l o g y a i m i n g a td i f f e r e n t t y p e so fo i l - b e a r i n gr e s e r v o i rp r e d i c t i o n s u mu pt h e c h a r a c t e r i s t i co ft h i st e c h n o l o g y , t h i sp a p e rp o i n to u ti t sf u r t h e rd i r e c t i o ni n d e v e l o p m e n t 。 u t i l i z a t i o no ft h i sm e t h o dh a st r a n s c e n d e dm a n yt r a d i t i o n a l m e t h o d so f e s e r v o l rr e s e a r c hi nm a n ya s p e c t s ，a n dp o s s e s s i n gm a n yo u t s t a n d i n g t e c h n o l o g y s u p e r i o r i t y ，w h i c ha r es h o w e db e l o w ： ( 1 ) i tt a k e sn e wt e c h n o l o g yt h o u g h t - “d a t e - d d v e n ”l a w ，a st h eg u i d a n c e a n d i n h e r i t sa n ds y n t h e s i z e sf o r e f a t h e r ss u c c e s s f u lt e c h n o l o g yf o r m e di nm a n y y e a r s 。 ( 2 ) rd i r e c t l yc a l c u l a t e st h e 硼l ll o g g i n gp a r a m e t e rb yw a yo ft h ep o s i t i o n 哈尔滨工程大学硕士学位论文 a n dt i m eo f t h eo i lw e l l ，r a t h e r 也a nb yw a yo f o t h e rp a r a m e t e r ，w h i l et h ew a y b e f o r ei st om a k ef u r t h e re s t i m a t e so f 也es o u n di m p e d a n c ef r o mt h es e i s t o i c i n v e r s i o nr e s u l ts ot h a tt h er e s u l ts u f f e r st h ei n f l u e n c eo f m a n yf a c t o r s ( 3 ) i td o e sn o tl i k et h et r a d i t i o n a lm e t h o dt os u p p o s eas p e c i a ld e s i g n a t e d m o d e l i tg a i n sas t a f f s t i c sr e l a t i o nf r o mas e r i e so fd a t at r a i n i n ga n da n a l y s i s ， w h i c hi sl i n e a rr e l a t i o ng a i n e df r o mm u l t i v a r i a t er e g r e s s i o no rn o n l i n e a rr e l a t i o n g a i n e df r o mn e u r a ln e tt r a i n i n g c o n c r e t ec o n t e n ta n de x p e c t e dr e s u l t ： 1 g i v et h en o r m a li n t e r p r e t a t i o nf o rd a t ao ft h eo i lf i e l dd e v e l o p i n ga r e a ， m a r kt h es t a n d a r dr e s e r v o i r 2 c o n s i d e r i n gp l e n t yt h ee f f e c tf a c t o ro fr e s e r v o i r ，m a k eas t a t i s t i c s o f r e s e r v o i r ： e s t a b l i s has u i t a b l ep r e d i c t i o np a t t e r no f s t a n d a r dr e s e r v o m 3 t a k eo u tt h ec h a r a c t e r i s f i cp a r a m e t e r ；m a k es u r et h a tt h ee f f e c tf a c t o r so f d i f f e r e n tr e s e r v o i rr e f l e e to l lt h ec h a r a c t e r i s t i cp a r a m e t e r 4 c h o o s et h en e u r a ln e t w o r km e t h o d ，i o i nw i t ht h ec h a r a c t e r i s t i cp a r a m e t e r ， w r i t eap r e d i c t i o np r o g r a m m e do f r e s e r v o i rn e u r a ln e t w o r k ，a n dm a k eat r e a t m e n t o f p r a c t i c a l d a t a ，t or a i s e t h es u i tr a t eo f c o m p u t e r p r e d i c t i o n f o r r e s e r v o i t k e y w o r d s ：r e s e r v o i rp r e d i c t i o n ；n e u r a ln e t w o r k ；l e v e n b e r g - m a r q u a r d tm e t h o d 哈尔滨工程大学 学位论文原创性声明 本人郑重声明：本论文的所有工作，是在导师的指导 下，由作者本人独立完成的。有关观点、方法、数据和文 献的引用已在文中指出，并与参考文献相对应。除文中已 注明引用的内容外，本论文不包含任何其他个人或集体已 经公开发表的作品成果。对本文的研究做出重要贡献的个 人和集体，均已在文中以明确方式标明。本人完全意识到 本声明的法律结果由本人承担。 作者签字：璺童9 日期：2 0 0 5 年f 。月2 0 日 略尔滨工程大学硕士学位论文 第1 章绪论 1 1 课题研究目的和意义1 捌f 3 】【4 【6 】【7 】【8 】 石油是近现代最堂露的自然资源之一，烧关系到国计民生的熬要资源，它在化 工、电力、城市燃气等王渡和民用领域得到了广泛的应用，采取切窳霹行的技术方 法，壤强溪l 试屡经戆霹嚣瞧穆窿确毪，对予爨糍淮霹采牧率延长瀵麓嚣发年隈曩鸯 鬟聚意义。舀翦我国灞翻大多数进入嵩含水搿发中后期，漓井产液中懿求含量越来 越黼，针对这些现象急需准确了解地层中油气水的真实分布情况。网内测井公司人 工解释油气层主要是依赖工程师丰富的实际缀验，存在着很大的偶然性和误差性。 特舄是在油田注水开发中厢期，在油层大多见水，且部分油层含水率缀高的情况下， 储艨参数兹准确预测慰予涟气困的勘探与开发受是具有着重要的瑗实意义。由于逑 下蟪爱清凝麴复杂淫，大庚洼妥朔舞发送濑辫开发已经迸 蹇蠢承嚣鬟，多 筚来经历基础井网、一次翔密并，二次加爨井、聚区并赠到强魏豹三次加密调整 阶段，长期注水开采后，储层参数发生了您变化，开采初期取得的务数系统与目 前储层实际状况不相符，为挖潜工作带来了困滩，因此需要预测出前油储层的参数， 使油藏描述更符合目前的储层现状，更好的指鼯各项剩余油的挖潜工作。 翱鞫甍l 可敬季爨：颚铡是盛不可少瓣熬瑟坯节，是科学决繁豹熏簧蠢箍。要 馒煞产密豹褒品酝逶无隧豹鐾l 售叁去，裁磐缀辩蠢琚零求翁发震趋势徼壅稀学熬强 颡8 ，扶而对市场容量、商品品种和质量做到心中有数，生产那些淑销对路的产品， 从而提高经济效益。反之，没有预澳口信息，拍脑袋定计划，盲目生产，就容易造成 产锌5 脱节。医此，在经济建设中，必须用预测求分析经济发展过程和现象，指出生 产发展的基本规律性和越向，论证经济发展的方针、政策、方法的含瓒性和科学性。 = 瑟溅翻泌瞪：震必须磷突戆羹要琴苓，测瓣窳乎瀣反袭7 器津毅零戆瘩孚，该滋 可潋强计氮| 和决策疆镤愆露的依据，是辩学黧产管理静重要环节，墩悬企韭适应环 境，竞争取胜的必要手段，预测的成功与否彼蚀决定个企业的嫩存与发展。预测 也鼹科学管理的重要环节，在科学技术飞速发展的今天，对现代社套生活和经济活 动进椭效的科学管理，以图实现社会进步和经济增长，是世界各阑学者都在努力 搽索的重要课题之一。测l 已成为个国家发越霪民经济和科学技术掰必须研究懿 镁域，窀豹残黢终壹接影璃嚣嚣经济窃秘掣锻涞豹发震。 哈尔滨工程大学硕士学位论文 1 2 课题研究的历史和现状 1 2 1 神经网络研究的历史和现状 4 0 年代初，美国m c c u l l o c h 和p i m s 从信息处理的角度，研究神经细胞行为的 数学模擞表达。提出了二值神经元模型。凇模型的提出开始了对神经网络的研究 避程。1 9 4 9 年盘曦学家h e b b 疆窭著名豹h e b b 学习搬l ，帮洳褥经元之润结合强 度的改变来实现神经学习的方法。虽然h e b b 学习规则在人们研究神经网络的初期 就已掇感，但是其基本思想至今在乎孛经网络的研究中仍发挥若藏要作用 越趱珏q 【埔0 箕拄畦l 霹 o 5 0 馨代末期，r o s e n b l a t t 提出感知机模型( p e r c e p t r o n ) ，首先从工程角度出 发，磷究了爆于信爨处理的狰经网终摸激。这是秘学习襄自缀织的心璩学接型， 它基本符合神经生联学的原壤。感知机缀然比较简单，却已其肖神经两络的些基 本性质，如分布式存贮、并行处理、可学习性、连续计算等。这些神经网络的特性 与当l 幸滚蟹宰行懿、离教的、簿号处理静毫予计算撬及其楱或瓣人工餐簸技零毒零 质上的举同，由此萼i 起许多研究者的兴趣，在6 0 代掀起了神经网络研究的第一次 高潮。但是，当时人们对神经嗣络研究过于乐观，认为只要将遐种神经元互连成一 个网络，穗霹戳瓣决夭藏愚维翡摸羧耀藤，然嚣，瓣寒静眵演鼷莱却叉使夭霪j 走劐 另个极端上。 在6 0 年代未，荧国著名人正智能专家m i n s k y 和p a p e r t 对r o s e n b l a t t 的工作 遂蟹了漾久孵，爨敝了骞较大影响熬( p e r c e p t r o n ) 书，撂滋感翘凝的功自鏊饔楚 理能力的局限性，旗至连x 0 r ( 舜茸0 这样的问题也不能解决，i 同时也指出如果在感 知器中引入隐含神经元，增加神经网络的层次，可以提高神缀网络的处璁8 力，但 楚帮无法给鑫穗痰瓣黼络学嚣箨法。蠢藏m i n s k y 鹣结论是瑟税豹。另一方西，由 于6 0 年代以来集成电路和微嗽子技术日新月异的发展，使得电子计算机的计算速 度飞速提斑，加上那时以功能模j i 薹f 为目橼、以知识傣患处理为纂础的知识王程等磺 究残夥巍弘互营撩觚实验塞怒句实焉带来了希望，迭蟹如隧步给螂j 造成逮洋 的认识：以为串行信息处理及以它为基础的传统人工智能技术的潜力是光穷的，这 就暂时掇蕊了发鼹凝型计算极狂寻找毅的人工磐激的岿要瞧程遣切髅。男步 ， 当时对大脑的诗箕原理、对摊经阏络计算的优点、缺点、可能髋及其局限性等还税 不清楚。总之，认识上的局限f 生使对神经网络的研究进入了低潮州，b 】 1 q 渊。 2 晗承滨工程大学硕士学位谂文 在这低潮时期，仍有一撩学者扎扎实实蟾继续着神经瞬珞模型和学习算法酌 基础理论研究，提出了许多有意义的理论和方法。其中，主要有自适应按振理论， 鑫组织浚瓣，试翔皴网络模型毽谂，b s b 模型等等，隽 孛经燃终懿发展熬定了理论 鬟础。 进入8 0 年代，首先是基于“知识库”的专家系统的研究；阳运用，农许多方面 取终了较大残珑。爨有芳行努毒楚理横凌酶 霉| 经掰络理论又熬叛受到入囊懿重撬。 对神经嘲络的研究又开始复兴，掀起了第二次研究高潮。 1 9 8 2 年，美国加州理工学院物理学家h o p f i e l d 提出了一苇申新的神经网络h n n 。 德葶| 入了“麓量溺数”憝橇念，霞褥瓣络稳定毪磅究有了鬟确静羚鬃。1 9 8 6 年 r u m e l h a r t 等人在多层神经网络模型的基础上，提出了多层神经网络模烈的反向传 播学习算法( b e 算犸b 叫心嘲删渊嘲。 送死卡年来，许多其备不阏信悫楚璞缝力的 孛经秘络已被缒疆来著纛耀予许多 信息处理领域，如模式识别、自动控制、信号处理、决策辅助、人工智熊等方面。 神经计算蜘舶研究墩为神经嘲络的理论研究提供了许多有季4 繁l 牛，各种 申经鼹络摸 羧软释镪、神经两络芯片跌疑泡子神经计算税的出现，体现了率牵经鼹密领域的各项 研究均取得了长足进展。同时，相应的神经网络学术会议和神缀网络学术刊物的大 量出现，绘 孛经网络的研究者 | 攫供了谗多讨谂交流豹机会。 总掰言之，神经网络的研究无论是在国际和国内，都受到了空前的多电注并弓l 起 了许多领域研究入侵的极大兴趣。可以说，在世界范围内已经形成了研究神经网络 的毒蹶泰骞蕊热滏。 概括阪上的简甏介绍，可以看出，当i 猗叉处子神经网络理论的研究高潮，不仅 给新一代智能计算机的研究带来巨大影响，而且将推动整个 工智能领域的发展。 艇贯一方瑟，麦子翊逶本赛豹笈杂往，虽然久褒基鼹棒经隧终褒天王骜黪矮城豹磷 究达成了菇识，对其巨大潜力也毋庸置疑，但是须知， 类对自身大脑的研究，尤 其是对其中智能信息处理机制的了解，通十分肤浅。不论是神经网络原珊自身，还 是正在努力遴嚣探索秘臻究豹季牵经诗喜参鼹，銎藏粼逐楚子莛步发震狯歉，嚣瑟现 有的研究成果仅仅处于起步阶段，还需许多有识之士长期的艰蒋努力。 i 22 2 神经网络储层参数预测磺究豹嚣斑程臻谈 在群浊勘探研究领域中，禽油罐层预测的磅究爨至关重要敖令嚣帮，其中我 稻可敬科糟的信惑来自三个方瑟：地质钻井及试油、采油资料、录并和测井资料、 地震资料。我们从钻井、测井工作中直接得到的地艨信息尽管舆实可靠，佩在横向 哈尔滨工程大学硕士学位论文 区域上看毕竟是某个点的信息，根据这种“点信息”和常规的地质理论进行外推， 实际上是一种“不科学的科学”，因此必然有很大的局限性；地震资料通过野外采集 和通过大型并行处理机处理，得到的地震反射成像处理信息覆盖某个研罗芒工区的全 区，是勘探中最重要的研究手段。但由于大量的噪声干扰和处理技术本身在原理上 存在的弊端，使地震成像结果存在多解性和分辨率低等缺欠，因此这是种“科学 的不科学踟踟例嘲。 储层横向预测是一项地震定量解释技术，其具体目的是：在一个油田或构造已 基本确定的范围内，对储层的质量和含油性做出横向预测和最合理的评价，以便经 济地开发油气田。横向预测的立足点是把已有的钻井资料同地震资料联系起来，通 过综合地震、测井、地质乃至采油工程等多种学科，对储层的分布、厚度、孔隙度、 含油气性的横向延伸范围做出预濒俨啕嘲咖嘲口嘲。 7 0 年代以前石油勘探研究主要基于二维地震和重、磁、电技术和资料，储层 预测研究受到很大限制。随着8 0 年代初三维地震勘探技术的出现和推广，储层预 测研究技术在近2 0 年中得到了快速发展，如：储层地震反演技术、神经网络检测技 术、地震多属性聚类分析技术等，这些技术一方面具备各自的明显的技术优势，但 又存- 在不可回避的缺点。 国外大多油田都属于海相沉积，储层规模大且连续性好、构造简单，尤其近几 年形成的多项技术很容易在这里见到明显的勘探或开发研究效果。而中国东部油田 大多构造及其破碎，储层类型多，横向变化比较大。尤其是油田进 、较高开发成度 阶段，勘探开发目标转向“低、深、难、稿、小”( 低渗透率储层、埋藏深 3 0 0 0 m 、 难于开采、稠油、小规模断与妁。这也是目前油区勘探研究工作重点面临着构造复 杂、断层发育、地层破碎、薄油层追踪、裂缝型储层的预测等地质e 的难题，这些 问题严重制约了油气勘探的突破性发展。 神经网络技术近十年在石油勘探研究中得到了快速发展和应用，但大多都依赖 于地震信息，受限于少量信息的利用，如8 0 年代初发展的“亮点”技术、“模式 识别技术”、“烃类检测技术”到9 0 年代中后期出现的“通过神经网络训练开展 的储层波阻抗反演技术”，即在常规反演的基础上，通过神经网络训练在地震到波 形和测井曲线之间建立起种非线性的关系，之后在这个非线性的关系的约束下开 展反演，定程度上提高了反演结果的可靠性。但是仍然有很大的多解性，同时分 辨率也不能满足油田开发的要求，应用上有定的局限性。因此，必须寻求一种更 有效的技术方法，对常规储层和含油储层进行综合判别和描述，提高勘探精度，降 侣讽险投资嘲踟嘲嘲“”嘲嘲。 井网的三维位置和开采时间，表征了井网开采时的特定位置和时间时的储层参 4 哈尔滨工程大学硕士学位论文 i j i i i i ；i 赫i i | 目自i 数变他髑况；渗避率是有压力差时岩葫允许液体及气体通过的性质称为岩石的渗 透性，渗透率是岩石渗透性的数量表示；它表征了油气通过地层岩石流向井底的能 力；泡髑疫宅表承了强骧空瓣为菜穆滚拣秘占据豹程度；瑟孑l 躐度是老器孛寒疆嚣 体物质究填的空间体积，岩石孔隙流体媳和度影响岩石的吸收系数；这几个参数都 在石油歼采中需要麓点考虑的参数。因此，井网的三维位置、开采时间、渗透率、 强簸发、键黎度等参数孛蕴会卷丰富的魏爱窟基。在耱垂戆三维位置、嚣采薅阑专 储层的渗透率、饱和度、孔隙殿之间存猩着某一映射关系，通常这种映射函数是未 知的，并且是非线性的，难以用简单的解析函数表添，而神经网络技术襁隐层单元 是够多鹣| 毒嚣下，完全可戳苏会密这穆澈含豹关系。 随着科学技术的发展，人们面临的被控对象越来越复杂，对控制目标的要求 也目益掇商，而要对那些大溅、复杂、舆窍强烈非线性及不确定性的系统进行有效 雨精确豹预猫是十分困难静，传统魏翮l 理论无一铡岁 遣需鬟精确的数学模型，而 这对于舞际系统来说几乎是不可能的。即使有了精确的数学模烈后，对于艇杂系统， 由于现鬻的数学工炭和控皋糖 途解决阀题的妻邕力鸯隈( 如 线性闻题、镶含定量与 定性行为鼢系统女斡，使得许多复杂闯邀不能得鞠辑决。将神经两络与j 覆灏i 理论相 结合形成的神经网络预测，从綮种意义上就是为了解决上面所遇到的一然问题而提 出豹，稳是传统豹黧嬲l 理论般垮需要遂短整理，较难淹是大多数羲溅系统孛对嚣 线往特剐大静提出的要求。 经媳和现代觎4 方法在处理复杂嚣钡悯题时都采用了近似的处理方法，这在 兵毒缀粼线性特壤戆系统疆究孛具骞 零餮显熬麓隈佳，磷究已经涯鞠这种近纭 处理方法的控制效聚是不自甚令人满意的，要解决具有很强非线性特性系统的预测问 题，需要新的方法和思路。对于非线性很强的系统模型，神经网络预测提供了简单 套效懿簸理方法，迤今羹壹，在瑗溅滔鼹牵主要矮铡熬瓣l 方法寄：趋势分密法、 曲线拟合法、时序建模法、获宦獭顿0 法、神经网络预测、拟人镏自黜m 等。 l 。3 本文主要研究内容 本文豹磅究嚣橼是汲取嚣凑强静磅窥成果之糖牮，密秘络台洼嚣z 疆痘震实 际，分析石油谙层参数预测的特点，应用神经网络技术来开发一个实用的高效的程 序本课顾主要目标就是在前八大量研究技术的基础上，以储屡预澳4 研究中的“数 摆驱魂浚”蔑数学物壤主豹鬈论基礁，逶进搪经瘸终渡拳把麓鼷参数特瞧秘匏至嬲 络预测思想有机地络合在起，建立起套储层多参数非线性的预测研究和储层多 哈尔滨工程大学硕士学位论文 参数估算技术平台，最终在实际应用中提供更加准确的地质结论。 图1 1 论文设计的工作图 基于上述目标，本文工作如图1 1 所示，主要做了以下几方面的工作：详细分 析了石油勘探中多种储层预测方法的技术特点及本身在解决实际地质问题上的不 足之处：在继承前人研究和技术的基础上，以“数据驱动法”为数学物理的理论基 础，通过神经网络技术，把储层参数特性和近年出现的神经网络预测技术思想有机 地结合在起，建立起套储层多参数非线性预测研究和储层多参数预测平台：对 该项技术针对不同类型含油储层，和不同时期的预测研究做出了具体的实例分析： 总结了 颏技术的特点，并指出进步的发展方向。 6 第2 章神经网络预测 神经网络预测法是生理学上的真实人脑神经网络的结构和功能以及若干基 本特性的理论抽象、简化和模挠i 而构成的种信息处理系统。它是以现代 工神经 网络理论为基础的。现代人工神经网络采用具有学习能力的算法，使其对事物和环 境具有很强的自学习、自适应和自组织能力，它的知识也是自动积累的。因此，神 经网络信息处理系统是一种具有全新计算结构的新型智能信息处理系统，它能模仿 脑处理不完整的、不准确的、甚至是非常模糊的信息，并能联想记j 乙，从部分信 息中获得全部信息。这也是神经网络预测法的依据所在。 2 1 神经网络在预测领域的应用【4 5 】 4 6 】 2 1 1 预测的功能 预测的第一个功能是为人类提供生存的信，心和发展的动力。如果没有预测，没 有对未来的展望，人们将无法生存下去。人口暴涨、粮食短缺、资源枯竭、环境污 染、生态失衡等重大问题困扰着当今 、类，解决这些问题必须有远见卓识，需要洞 察未来。否则，就会像“盲人骑瞎马，夜半临池深”样危险。在激烈的竞争中， 一共企业要生存，也必须对未来做出详尽系统的预测，然后才能确定经营方针，使 自己在市场竞争中生存发展。 预测的第二个功能是为决策眷刚定政策、编制计划提供依据。预测为决策者提 供各种可能的前景，以及每种选择的可能后果。对预测对象的系统分析能帮助我 们搞清楚那些可瞽玻忽略的重要因素，使决策的不确定性减小，政策的稳定性提高， 计划的可操作性增强。 预测的第三个功能是拓展人们的视野，启迪人们的创造能力。预测的过程是分 析的过程，设想的过程，仓啦盏的过程。 j 页测的第四个功能是检验功能。是否具有预测能力是判断一个学科是否成熟的 标志。只有当理论的预言被证实后，才能摆脱假说的地位。 哈尔滨工程大学硕士学位论文 2 1 2 预测学面临的挑战 随着信息技术的发展，如今几乎人类活动的每个领域都能够提供大量的统计数 据，这为预测科学在近几十年的迅速发展提供了必要的条件。 但预测学仍然是- - r 困难的、富有挑战性的科学，其原因如下： ( 1 ) 预测对象所在的环境常常处于动态变化之中，一些不可知事件会对预测结 果造成很大影响。 ( 2 ) 被用来进行预测的数据常常是不稳定、不确定和不完全的，由其来源和收 集的方式所决定。 ( 3 ) 不同的时间区域常常需要不同的预澳 j h - 怯，形式上难以统一。 “) 因为不同的预测方法在复杂性、数据要求以及准确程度上均不同，因此选 择个合适的预测方法是困难的。 鉴于上述困难，近年来，一些学者开始尝试利用神经网络来进行预测方法的研 究。目前，神经网络预测模型已经成功地应用于许多领域，诸如经济预测、财政分 析、贷款抵押评估和破产预测等许多领域。 2 1 3 神经网络预测的发展 用神经网络进行预测的想法由来已久。这方面的第一次的应用可以追溯到 1 9 6 4 年。h u 使用w i d r o w 的线性网络预测了天气。因为当时缺乏对多层神经网络进 行训练的算法，其研究是极有限的。直到1 9 8 6 年当b p 算法被提出之后，神经网络 应用于预测才大量地发展起来。w e r b o s 第一个利用b p 算法训练神经网络进行预测 并发现它的功能要优于传统的统计学方法，如b o x - j e n k i n s 方法。l a p e d e s s 和 f a r b e r 进行了类似的研究并得出结论：神经网络可以被用于为预测非线性时间序 列建模。w e i g e n d 等和c o t t r e l l 等分别就网络结构对实现的时间序列数据的关系 进行了探讨。s h a r c t a p a t i l ，t a n g 和f i s h w i c k 又就神经网络与b o x - j e k i n s 方法 的预测结果作了比较。w e r g n 和g e r s h e n f i e l d 作的实验中神经网络在每个数据集 上都取得了较好的效果。s c h i e t h o l t 和d a g l 的研究表明，使用神经网络的预测结 果来进行股票交易可以得到较大的可能收益。 利用神经f 网络方法来预测国内外学者已经进行了比较广泛的研究。1 9 9 0 年， d i e b o l d 等人研究结果是非线性方法在汇率预测对汇率值逼近和方向波动的预测 都有提高。1 9 9 3 年，英国的r e f e n s e 等人试图采用神经网络方法预澳4 汇率变动， 蹬尔滨工程大学颡士擘位论文 他们采用的预测值分成训练组( t r a i n i n gs u b s a m p l e ) 和测试组( t e s ts u b s a m p l e ) 的方法训练神经网络，弗l 闭经典的平滑技术进行了比较，这种尝试以及随后的评议 肯定了神经网络在一定的情况下比“标准”的预测方法表现要好。k u a n 和l i u 对 窜缀圈终在5 令不弱蘑耪薨美元懿汇率进器t 磺究。嚣安交逶大学靛魏巍贤羁薅正 牮澍掰神经蘑络豹方法纛立了马竞美元汇率缀麓獭l 模鍪，它使羽t1 9 8 7 年5 月划1 9 9 2 年1 2 月伦敦外汇交易市场和纽约外汇市场马克美元汇率的周平均数据 谶杼建模和预测，和传统的线性时间序列模趔的谳4 结果比较，神缀网络预测精度 高：f 盾者。清华大学的杨忻和马洪波用神经网络预测马克美元汇率。梁艳春，王 政和周舂光将模糊聚类姆梯度算法相结合提蹦t 静改进的训练模糊摊经。 广义主漤，舡享幸缀网络( a r t i f i c a lr e n u a ln e t w o r 卜_ 轰添) 豹宅是薅久类 大赫的一种模叛，可以璨解戏由大量在处理谚隧上与生物神经缀稳糖类似静入工神 缀既高度并联、串联而成的，具有某些智能功能的系统，人工神经湖络有效模型的 建藏有赖于人们对大脑思维过程的正确理解，由于目前人们对大脑的组织和结构以 及大脑思维过程的认识仍然十分有限，因此当今盼人工神经网络仅烧 脑神经系统 的谶壤簿他。但是由予它窍整很强的信息分柱襻鼹、容错性、自邋殿瞧、图形处理 熬力激及霾骞豹势嚣络秘器势霉薤理等餐瓣隆杰，焉最终被广泛暾耀予各髂翌， 许多与之有关的理论与威弼课题青陈 到诧较深入豹研究，取得了不少成果。 2 2 神经网络预测的特点【4 7 】【4 8 】【4 9 】【5 0 】 5 1 】 5 2 】 孛羟随喹透过奁一定黻上囊蘩天脏戆绥籀积臻毙，岜经其袈t 较强酶泛纯 熬力，使得神经网络预测漩适蠲予 王意模式的数据序到的预灏，簌邀 亍预测分析时 它脊下面几个优点： 1 ) 实现了非线性关系的隐式表达，不需要建立复杂经济系统的显示关系和 数辫随型。 2 ) 容错性好，可以处理数撂、信息不众的预测阔题，瑟由乎缀济魇变熬原 嚣，黼、资糕不全戆戆援袁实舔孛经鬟 遥翻。 3 ) 适应性。神经嘲络髋久了个调整融搿突触权渣以适应外界变化的能力。 4 ) 分析和设计的致性。基本e ，神缀网络作为信息处理器凝有通用性。 5 ) 数据驱动的学潮。神经网络具有从提供的例子数据中学习的能力。 申经网络具有实时联机的优越性，使用卒串疑网络将比般用计算机进行预测 静成本大为节省。 孛经隧终具备在不稳关戆数撼阙进行捱广，发瑷爨声激及提取特 9 晗尔滨工程大学硕士掌位论文 征的能力。l i p p m a n 的研究证明神经网络模型熙有很好的鲁棒性及密错性。另外， 个建立良好的模型可以为数据找出传递性并目对相关的不同数据模式的复杂性 和线性关系进行表示。融此，神经网络确实因它的自适应性、自动黧摸的特性而适 会l 囊测。 霉l 经赠络毙扶羧凝榉本孛垂动蟪学习潋藤弱经验嚣无震繁笺蕊查溺帮表述 过鼷，劳鑫谚造遥远郡燕磺佳麴蓬了样奉数攥爝簿静嚣数，恧不论遂鳖函数美育怎 样的形式，且所考虑的系统表现的函数形式越复杂，神经喇络这种特性的作用就越 明照k f u n a h a s h i 从理论上已经证明，具有个隐层( 假设具有足够多的隐层节点) 的神经网络能够以任意精魔甍示任何连续函数： ( h o r n i k 等人也证明神经网络能 任意逼近一大类函数，熙黪揭示数据样本中所蕊禽的非线性关系，因此复杂的多元 线瞧霾羟逮霆蘸戳遴懑穿枣经嚣终莠漆决。 2 3 神经网络预测基本概念 2 3 1 神经网终学习 学习性是狰经瓣终嬲一个重要特征。掰谓“学习”可以是义为“投据与环境的 相殿作用而发生的行为敬变，其结果导致对外界刺激产生反应的新模式的建立”。 向神经网络提供一系列输入一输出数据组，邋过数值计算方法和参数优化技术，使 节点连接的权重因子不断调麓，直到从给定的输入能产生所期望的输出。 2 3 。2 算法狡敛 当满足一定条件时训练即停止的情况，称为算法收敛。如在反向传播算法中当 均方谡蓑进入或下降到菜一范围内时，训练停北的情况，就称为反向传播算法收敛。 一熟簿法收敛，神经网络横型豹建立就完成了，废该对它进行检验，邋过检验之后， 褒将它霹予溅l 彝其它方藤。 2 3 + 3 神经网络泛化 我们般从吲| i 练样本开始，而目通过向网络中装载( 编硝) 尽可能多的训 练榉本，希望这样设计斡阙络可鼓泛纯。泛纯( 落称搀广) 是网络瓣以裁获未曾遵 晗承滨工程大学礤士学位论文 见过的输入做出反应的陡力。泛化是肌凸理学中借来的，泛化本身热备进步学习 和自调节的能力。神经网络之所以能够应用予预测，就是由于经过糟心的设计可以 使得神经网络模型具有较强的时间纬度上的泛化自力。 个 孛经网络设诗怒矮毒幸曩磐泛亿熊力，p 使在羧入与键练掰终瓣样本鞘畜不 阉豹溥况下它毽缝够产警令正确戆输入竣滋燃，然露，警令 孛经网络对太 多的样本进行学习的时候，它可能会完成对训练数据的记 乙。这种情况可能会出现 在找列一个存在于训练数据中但对于将要建立的固有函数却为假的特征( 例如，由 于噪声) 的时候。这种现藩称为“过拟和”或糟“过训练”。当网络过训练的时候， 它就多毒去了在相近输入输如模式间泛化的熊力。 泛往裁力麴影浚鬻索蠢： ( 1 ) 荫l 籍誊蕤豹丈小，班及它如伺袁秀稳袋趣的环境； ( 2 ) 神经网络的体系结构； ( 3 ) 当前问题的复杂度。 2 。4 神经网络预测步骤 2 4 1 神经网络趋势预测( n t ) 神经趋势预测模型对样本数据的要求与普通的时间序列预澳m 瞽烈( 如趋势预测 溅、平滂i 去预瀑模型以放 l 孽= 惑_ r 詹金j 删壤墼) 样，校嬲嬲本身隐 食豹羧式毽蠢鼍燹溅。 设而为一数据系鳓7 = l ，2 ，越为数据样本个数。程避行神经网络预 测时，用b p 网络方法乎巴数据系列的预测分为三个阶段：构造样本、训练阶段、预 测分析。 1 构造学习样本 羞预测狳数为坊帮鼹珏t ，辱。，赫。豹售意数据来疆溅j # 该熬篷， 翼l 褥嚣t ，如，再。终为数据信蠹输a 。两西懿蓬作为硬浏豹期望蓬。这群 就w 以构造如下的学习样本： 俞入：( 蜀，蜀，焉) ；输出：嚣 输入：如，局，翰。) ；输出：砒 簸入：( 氟。，嚣，取) ；羧鑫：赫 1 1 哈尔滨工程犬学硕士学位论文 2 训练阶酸 顺腐 把第一阶段构造的n 个学习样本进入b p 网络输 、层的输入傣息，通过 正彝煌援过程褥至g 含竣入结果，蒡将京