天然气地下储气库开发风险评价研究

1、第24卷第3期2005年6月天津工业大学学报J O URNAL O F T I ANJ I N P OLY TECHN I C UN I VERS I T Y Vol .24No .3June 2005天然气地下储气库开发风险评价研究3吴金克,王洪礼(天津大学研究生院,天津300072摘要:在分析了天然气地下储气库开发风险因素的基础上,建立了基于人工神经网络(ANN 及模糊综合评价的天然气地下储气库开发风险评价模型,并进行了实例分析.分析结果表明,所建立的风险评价模型可以克服很多不确定性因素的干扰,更加直接、客观地进行风险评价,为天然气地下储气库开发决策提供依据.关键词:天然气地下储气库;人工

2、神经网络;模糊综合评价;风险评价中图分类号:X820.4;X743文献标识码:A 文章编号:16712024X (2005022*Study of r isk eva lua ti on of underground na tura l ga s storageWU J in 2ke,WANG Hong 2li(Graduate School ,Tianjin University ,Tianjin 300072,China Abstract :Based on the analysis of the fact ors influencing the exp l oitati on risk

3、of undergr ound natural gas st orage,a risk e 2valuati on model of the undergr ound natural gas st orage exp l oitati on with the hel p of artificial neural net w orks and indistict comp rehensive assess ments is established,by which real cases of exp l oitati on risk have been studied .The result s

4、hows that the risk evaluati on model,overcom ing the disturbing of many uncertain fact ors,can p r o 2vide us with credible data about the undergr ound natural gas st orage exp l oitati on more directly and i m pers onally .Key words :undergr ound natural gas st orage;artificial neural net w orks (A

5、NN ;fuzzy integrated evaluati on;risk evalua 2ti on 天然气开发利用是我国能源发展的重要方向,开发利用天然气地下储气库是我国石油天然气发展的一项重要战略措施.由于天然气地下储气库的开发受到油气田地质条件、技术水平和政治、经济、法律、市场以及金融等多方面因素的影响,具有技术要求高、投资大和系统复杂等特点,因此,对天然气地下储气库的开发利用进行风险评价研究,是天然气地下储气开发利用的前提和决策.本文在分析了天然气地下储气库开发的影响因素的基础上,建立了基于人工神经网络(ANN 及模糊综合评价的天然气地下储气库开发利用的风险评价模型,并进行了实例分析

6、,以期为天然气地下储气库开发决策提供可靠的依据.1天然气地下储气库开发风险识别天然气地下储气库开发的风险包括系统风险和非系统风险两部分,如图1所示.图1天然气地下储气库开发风险的影响因素F i g .1Factors i n fluenc i n g explo it a ti on r isk ofunderfround na tura l ga s storage系统风险是指由于政治变动、东道国法律变动、项目参与方无法履行合同或拒绝履行合同,以及债务、自3收稿日期:2005-01-12基金项目:博士点基金资助项目(20040056041;天津市建委资助项目.作者简介:吴金克(1974,男,

7、山东省青岛市人,博士研究生.然条件所造成的风险;非系统风险是指由于地质条件和技术条件所造成的风险.本文将综合以上因素,采用ANN 和模糊综合评价方法对天然气地下储气库开发的风险进行定量分析,从而得到一个完成训练学习的神经网络模型来解决天然气地下储气库开发的风险评价,以便于天然气地下储气库开发决策.2储气库开发风险评价模型构建2.1BP 神经网络的计算步骤BP 网络模型是在1985年由Rumehart 等人提出的反向传播算法的基础上发展起来的,是一种多层次反馈型网络.由于BP 网络模型在各种神经网络模型中,具有较好的自学习、自联想功能,因此,本文拟采用BP 算法来构造神经网络模型.标准的BP 网

8、络模型由3个神经元层次组成,其最下层称为输入层,中间层为隐含层,最上层为输出层.各层间神经元形成全互联接,各层次内的神经元没有联接.BP 算法的学习过程是由正向传播和反向传播两个过程组成的:在正向传播过程中,输入信息从输入层经隐蔽层逐层处理,并传向输出层,每一层神经元的状态只影响下一层神经元的状态;如果在输出层不能得到期望输出,则转入反向传播过程,将误差信号沿原来的联接通路返回,通过修改各层神经元的权值,使得误差信号最小1,2.BP 算法的计算步骤如下:(1给出初始数据,将所有的权重及阈值定为较小的随机数,以保证网络不会出现饱和或反常情况;(2输入训练数据x j (j =1,2,n ,确定网络

9、的期望输出;(3计算实际输出,其中输入层的输出O(1pi =f (6jW ig x pg -i ,隐层输出O (2pi=f (6gw ig x (1pi-i ,输出层输出O (3pi=f (6kW ig x (2pi-i ;(4计算权重W ij (t +1=W ij (t +pi O pi +(W ij (t -W ij (t -1,其中为学习率,为势态项系数,pi =(d pi -y pi y pi (1-y pi 为第i 神经元的误差,t 为迭代次数;(5返回第2步,重复上述步骤,直到整个训练的偏差达到能被接受的程度为止.2.2BP 神经网络模型建立根据前述风险因素分析,建立天然气地下储气

10、库开发评价的人工神经网络模型:Y =Fx 1,x 2,x 8,W (k 式中,x 1x 8分别为政治因素、法律因素、违约因素、市场因素、利率因素、自然因素、地质因素和技术因素;W (k 为多层神经网络的权值集合.用神经网络F (x 模拟风险因素与相对风险高低的非线性关系,选取输入层为8个节点,输出层为5个节点,如图2所示 .图2天然气地下储气库开发风险评价模型F i g .2R isk eva lua ti on m odel of undergroundna tura l ga s storage explot a ti on2.3BP 神经网络模型的量化处理由于地下储气库的许多风险因素是模

11、糊的,本文采用模糊数学理论中的模糊综合评价方法对其进行量化处理,步骤如下3,4:(1建立因素集:设某个被评价的对象x i 有n 个影响因素u i (i =1,2,n ,则影响因素集U =(u 1,u 2,u n ;(2建立评价集:因素集相应的权重集W =w 1,w 2,w n ,其中w i (i =1,2,n 表示u i 在U 中的比重,且6ni =1w i =1;评价集为V =V 1,V 2,V m .(3确定隶属矩阵:以指标u j (j =1,2,n 求取模糊评价矩阵为R =(r ij n m =r 11r 12r 1n r 21r 22r 2nr m 1r m 2r m n式中,r ij

12、 表示影响因素u i 在评价等级V j (j =1,2,m 上的隶属度,利用专家评分法得到.(4进行模糊综合评价的合成:对评价矩阵R 作模糊矩阵运算,得到指标权重集W 对于评价集R 的隶属向量:B =W R =(w 1,w 2,w n (r ij n m =(b 1,b 2,b m ;(5求因素评价值V =6mj =1b j V j /6mj =1b j .2.4天然气地下储气库开发风险等级判定在采用BP 神经网络进行天然气地下储气库开发风险大小的评价时,将输出结果划分为5个等级,即相对风险很高、较高、中等、较低、很低,等级越高,相对风险越低,如表1所示.采用大样本进行ANN 训练时,神95第

13、3期吴金克等:天然气地下储气库开发风险评价研究经网络模拟输出结果若与期望值的误差在(-0.25, 0.25范围之间,则认为评价结果是可信的.表1输出标准值与输出结果对应关系Tab.1Correspondence between st andard va lues and outputs 等级相对风险输出值1很高(1,0,0,0,02较高(0,1,0,0,03中等(0,0,1,0,04较低(0,0,0,1,05很低(0,0,0,0,13储气库开发风险评价模型的训练与测试根据天然气地下储气库具体情况和风险因素的特点,本文在隐层单元一次选取6、8、10对ANN进行BP 训练.输入输出样本值如表2所示

14、.表2ANN输入输出样本值Tab.2I nput and output s am ple va lues of ANN序号x1x2x3x4x5x6x7x8期望输出11.00.80.81.01.01.01.01.00000120.40.80.60.60.60.60.60.60010030.80.60.80.80.80.80.80.80001040.40.60.60.80.40.60.60.60010050.60.60.60.60.60.60.60.60010061.00.80.60.60.80.81.00.80001070.60.60.40.60.80.60.60.60010080.60.60.

15、80.60.60.40.60.60010090.80.60.60.81.00.80.81.000010100.60.60.40.60.60.60.80.600100选取表2中样本的前9组数据作为训练样本,后一组数据作为测试样本,进行反复学习训练,当学习1000次时,其误差趋于稳定,能较好地模拟学习样本,实际输出如表3所示.表3ANN实际输出值Tab.3Actua l outputs of ANN序号实际输出值10.0078140.0068790.0002160.0453670.98230120.0005190.0010560.9991840.0005270.00000030.0044400.0

16、039100.0159300.9639880.00409840.0007430.0013950.9974020.0005260.00000050.0008250.0013370.9901380.0238960.00000060.0036680.0032690.0093780.9786060.00602070.0007810.0012970.9918520.0154160.00000080.0006280.0011120.9969400.0125690.00000090.0045240.0038680.0083600.9724570.010464为检验前述建立的神经网络模型的可取性,将未参加学习

17、的一个样本作为输人,根据模型的实际输出和期望输出的比较来测定所建模型的真实可行性.结果发现,模型实际输出分别为(0.000973,0.001487, 0.968638,0.064256,0.000000,与期望输出基本一致,可见,神经网络对未参加学习的样本的评价是正确的,采用神经网络进行天然气地下储气库开发风险评价是可行的.4实例分析以某天然气地下储气库为例,采用人工神经网络评价其开发风险.根据开发研究部门提供的该地下储气库开发的有关资料、数据和风险因素等级标准,聘请有关专家分别对政治风险、法律风险、违约风险、市场风险、利率风险、自然风险的等级进行评价,然后取平均,其结果x1,x2,x6=4.

18、5,3.9,4.1,4.2, 3.7,4.3.对于影响因素较多的地质风险和技术风险,采用模糊数学综合评价方法确定.4.1地质风险等级确定(1圈闭条件评分圈闭条件的因素集=测网密度,剖面质量,解释可信度,圈闭类型,圈闭面积,圈闭幅度,圈闭形态,圈闭埋深,其权重集W=0.15,0.20,0.20,0.05, 0.10,0.15,0.05,0.10.根据地质资料,聘请10位地质专家进行调查统计,得到模糊评价合成结果B= (0.285,0.520,0.195,0,加权平均后的评分值V= 82.3.(2保存条件的评分保存条件的因素集=盖层厚度,成岩作用盖层,岩性横向变化盖层,断层断距,断层作用,断层走向

19、,裂缝作用,裂缝延伸方向,地质水层性质,地层水矿化度,权重集为0.20,0.15,0.05,0.05,0.05,0.10, 0.05,0.05,0.05,0.10,0.15.模糊综合评价分值为81.9.(3现存状况的评分现存状况的因素集=储层压力,气层相对密度,储层温度,原油溶解气的相对密度,地层水质,地层水矿化度,权重集为0.20,0.15,0.20,0.15,0.15, 0.15.模糊综合评价分值为87.0.(4储层条件的评分储层条件的因素集=储层类型,沉积相带,孔隙度下限,渗透率下限,储层单层厚度,储层总厚度,砂岩百分比,储层横向连通,有否次生孔发育带,有否区域不整合面,裂缝性质,裂缝延

20、伸方向,权重集为6天津工业大学学报第24卷0.20,0.15,0.05,0.05,0.10,0.10,0.10,0.10, 0.05,0.05,0.02,0.03.模糊综合评价分值为83.7.(5配套史条件的评分值配套史条件的因素集=时间配套,空间配套,构造运动次数,不整合次数,权重集为0.20,0.20, 0.20,0.40.模糊综合评价分值为86.4.利用加权平均法求地质因素的平均分为83.7,综合专家意见认定其等级为4.1.4.2技术风险等级的确定(1储气库库容设计风险评分储气库库容设计的因素集=储气库库容的测算方法,剩余油环厚度,储层选择,储层厚度,储存最大压力,垫气比例,储气库库容利

21、用率,调峰能力,权重集为0.10,0.05,0.15,0.15,0.10,0.15,0.10, 0.20.模糊综合评价分值为82.90.(2注采能力设计风险评分注采能力设计因素集=注采井网布置,单井注采能力,观察井布置,权重集为0.45,0.35,0.20.模糊综合评价分值为87.19.用加权平均法求得技术因素的平均分为84.62.根据最后评分值,综合专家意见认定其等级为4.5.至此,已得到该地下储气库的建设开发风险评价输入因子取值为(4.5,3.9,4.1,4.2,3.7,4.3,4.1,4.5,用已经训练好的ANN运行这组数据,经处理后的值为(0.90,0.78,0.82,0.84,0.74,0.86,0.82,0.90.风险评价输出结果为(0.005962,0.005215,0.004 910,0.750231,0.074498,可见,该地下储气库的开发风险较低,可以进行开发建设.5结束语天然气地下储气库作为天然气开发利用的重要内容,担负着天然气供应的调峰、输气管网应急事故处理和天然气战略储备等重要任务.本文建立了基于人工神经网络和模糊综合评价的天然气地下储气库开发利用的风险评价模型,利用这一模型评价分析天然气地下储气库开发风险,可以克服很多不确定性因素的干扰,更加直接、客观地进行风险评价,为天然气地下储气库开发决策提供可靠的依据.参考文献:1钟义信,潘新安.智能理论与