[发明专利]用于单溶洞油气井的产量预测方法及装置

权利要求书

1.一种用于单溶洞油气井的产量预测方法，其特征在于，所述方法包含以下步骤：

步骤一：在试井工业过程中，选取并采集影响单溶洞油气井产量的相关参数，作为原始数据集；

步骤二：利用加速遗传优化投影寻踪法对所述原始数据集中每个相关参数的权重进行计算，得到各相关参数对应的权重值；

步骤三：将所述权重值以及所述原始数据集作为输入信息，利用神经网络进行训练迭代，以实现对单溶洞油气井产量的有效预测。

2.如权利要求1所述的方法，其特征在于，所述相关参数包含：地层压力、原始压力、井筒表皮、渗透率、波动系数、阻尼系数以及单洞体积。

3.如权利要求1或2所述的方法，其特征在于，所述步骤一中还包含以下步骤：对每个相关参数进行归一化处理，通过以下公式得到归一化后的数据：

其中，x′(j)表示第j个相关参数归一化后的数据，x(j)表示第j个相关参数对应的原始数据，x_min(j)与x_max(j)分别表示第j个相关参数的最小值和最大值。

4.如权利要求3所述的方法，其特征在于，所述步骤二中具体包含以下步骤：

基于所述原始数据集，利用投影寻踪法将所述原始数据集投影到低维空间，得到一维线性投影值；

利用加速遗传算法，建立投影指标函数，基于所述一维线性投影值优化得到各相关参数对应的最佳投影方向；

基于所述最佳投影方向计算得到最佳一维线性投影值，将所述最佳一维线性投影值代入权重公式计算得到各相关参数对应的权重值。

5.如权利要求4所述的方法，其特征在于，通过以下公式计算得到所述一维线性投影值：

其中，P(i)表示所述一维线性投影值，x′(i,j)表示归一化处理后的原始数据集，l(j)表示第j个相关参数的投影方向。

6.如权利要求4所述的方法，其特征在于，通过初始化种群，适应度函数计算，进行选择、交叉、变异操作得出所述最佳投影方向。

7.如权利要求4所述的方法，其特征在于，所述权重公式如下：

其中，w_j表示第j个相关参数的权重值，P(j)表示第j个相关参数的最佳一维线性投影值。

8.如权利要求1-7中任一项所述的方法，其特征在于，所述步骤三中具体包含以下步骤：基于所述权重值以及所述原始数据集，利用所述神经网络进行训练，迭代地修改所述神经网络隐含层的权值，最小化所述神经网络期望输出、实际输出间的绝对误差。

9.如权利要求1-8中任一项所述的方法，其特征在于，所述神经网络采用BP神经网络。

10.一种用于单溶洞油气井的产量预测装置，其特征在于，所述装置包含：

第一模块，其用于在试井工业过程中，选取并采集影响单溶洞油气井产量的相关参数，作为原始数据集；

第二模块，其用于利用加速遗传优化投影寻踪法对所述原始数据集中每个相关参数的权重进行计算，得到各相关参数对应的权重值；

第三模块，其用于将所述权重值以及所述原始数据集作为输入信息，利用神经网络进行训练迭代，以实现对单溶洞油气井产量的有效预测。