煤層氣井排采的神經(jīng)網(wǎng)絡(luò)論文范文
本站小編為你精心準(zhǔn)備了煤層氣井排采的神經(jīng)網(wǎng)絡(luò)論文參考范文，愿這些范文能點(diǎn)燃您思維的火花，激發(fā)您的寫作靈感。歡迎深入閱讀并收藏。
研究區(qū)潘莊區(qū)塊位于沁水盆地南部向西北傾的斜坡帶上，構(gòu)造主要以褶皺為主，斷層稀少．山西組的3號(hào)煤層是本區(qū)內(nèi)穩(wěn)定發(fā)育的主采煤層，也是CM1煤層氣井的目標(biāo)煤層．該煤層屬于厚煤層，厚度變化范圍3．15～7．30m，平均6．11m．埋深介于156．27～695．20m之間．頂板巖性主要為泥巖、粉砂巖、粉砂質(zhì)泥巖，底板主要為粉砂巖和泥巖．
2．1BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)由輸入層、隱含層和輸出層組成，其中隱含層可以有多層．在工程預(yù)測中，經(jīng)常使用的是3層BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)（圖2）．這種神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的特點(diǎn)是：每一層內(nèi)的神經(jīng)元之間無任何連接，相鄰層神經(jīng)元之間具有單向連接，隱含層的激勵(lì)函數(shù)采用非線性的S型函數(shù)，輸出層的激勵(lì)函數(shù)為線性函數(shù)．
2．2BP算法原理BP算法是一種監(jiān)督式的學(xué)習(xí)算法．其主要思想為：對(duì)于n個(gè)輸入學(xué)習(xí)樣本：P1，P2，…，Pn，已知與其對(duì)應(yīng)的輸出樣本為：T1，T2，…，Tn，學(xué)習(xí)的目的是用網(wǎng)絡(luò)的實(shí)際輸出A1，A2，…，An與目標(biāo)矢量T1，T2，…，Tn之間的誤差來修改其權(quán)值，使Al（l＝1，2，…，n）與期望的Tl盡可能地接近，使網(wǎng)絡(luò)輸出層的誤差平方和達(dá)到最小．它是通過連續(xù)不斷地在相對(duì)誤差函數(shù)斜率下降的方向上計(jì)算網(wǎng)絡(luò)權(quán)值和偏差的變化而逐漸逼近目標(biāo)的．每一次權(quán)值和偏差的變化都與網(wǎng)絡(luò)誤差的影響成正比，并以反向傳播的方式傳遞到每一層。BP神經(jīng)網(wǎng)絡(luò)時(shí)間序列預(yù)測模型，即先利用BP神經(jīng)網(wǎng)絡(luò)的非線性逼近技術(shù)隱性的求解函數(shù)f，并以此為依據(jù)預(yù)測未來值．
3神經(jīng)網(wǎng)絡(luò)模型構(gòu)建及檢驗(yàn)
為了精確預(yù)測煤層氣井產(chǎn)能、優(yōu)化排采制度，本文基于時(shí)間序列預(yù)測思想構(gòu)建了BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型，整個(gè)設(shè)計(jì)過程由MATLAB7．11軟件編程實(shí)現(xiàn)．
3．1神經(jīng)網(wǎng)絡(luò)基本參數(shù)確定在實(shí)際生產(chǎn)中，煤層氣井產(chǎn)氣量主要受控于產(chǎn)水量和井底流壓，而且這兩個(gè)參數(shù)數(shù)據(jù)資料豐富，易于收集．因此，以每天產(chǎn)水量和井底流壓為基礎(chǔ)向量，基于時(shí)間序列預(yù)測思想構(gòu)建了14個(gè)網(wǎng)絡(luò)輸入向量（表1）．神經(jīng)網(wǎng)絡(luò)預(yù)測模型初步設(shè)定為一個(gè)14－X－7的3層BP網(wǎng)絡(luò)．其中輸入層節(jié)點(diǎn)數(shù)為14，對(duì)應(yīng)14個(gè)輸入向量；X為隱含層節(jié)點(diǎn)數(shù)，由經(jīng)驗(yàn)公式［12］可得出其取值范圍為6～15；輸出層節(jié)點(diǎn)數(shù)為7，對(duì)應(yīng)輸出向量分別為未來7d中每天的產(chǎn)氣量；初始權(quán)值為（－1，1）之間的隨機(jī)數(shù)，初始學(xué)習(xí)率為0．1；隱含層激勵(lì)函數(shù)為雙曲正切函數(shù)，輸出層激勵(lì)函數(shù)為pureline函數(shù)，訓(xùn)練函數(shù)為trainlm函數(shù)．
3．2神經(jīng)網(wǎng)絡(luò)模型的構(gòu)建選取CM1井2009年2月14日至2009年9月8日連續(xù)207d的排采數(shù)據(jù)為原始樣本數(shù)據(jù)．其中，前200d的排采數(shù)據(jù)為訓(xùn)練樣本，后7d的排采數(shù)據(jù)為檢驗(yàn)樣本．網(wǎng)絡(luò)訓(xùn)練目標(biāo)誤差設(shè)定為0．0002，最大迭代次數(shù)設(shè)定為500次．將原始數(shù)據(jù)歸一化后輸入到網(wǎng)絡(luò)中進(jìn)行訓(xùn)練，隱含層最佳節(jié)點(diǎn)數(shù)采用試湊法確定為13（表2）．因此，BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型的最佳網(wǎng)絡(luò)結(jié)構(gòu)為14－13－7（圖4）．
3．3網(wǎng)絡(luò)模型訓(xùn)練及檢驗(yàn)再次輸入訓(xùn)練樣本對(duì)確定的網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行訓(xùn)練，當(dāng)網(wǎng)絡(luò)達(dá)到目標(biāo)誤差或最大迭代次數(shù)時(shí)，停止訓(xùn)練．網(wǎng)絡(luò)訓(xùn)練完畢后，將檢驗(yàn)樣本輸入到網(wǎng)絡(luò)中，進(jìn)行模型性能檢驗(yàn)。檢驗(yàn)樣本最大絕對(duì)誤差72m3／d，最小絕對(duì)誤差17m3／d，相對(duì)誤差范圍－1．43％～1．60％，平均相對(duì)誤差1．05％，表明網(wǎng)絡(luò)模型預(yù)測性能良好，能夠準(zhǔn)確預(yù)測CM1煤層氣井未來7d的產(chǎn)氣量．
4CM1井排采制度優(yōu)化
在煤層氣井排采實(shí)踐中，根據(jù)未來產(chǎn)氣量變化或生產(chǎn)需要，何時(shí)應(yīng)該增大或減少產(chǎn)水量，何時(shí)應(yīng)該增大或減少井底流壓，調(diào)控的具體量度應(yīng)該是多少，這些問題至今都沒有明確的結(jié)論．因此，本文針對(duì)所有可能出現(xiàn)的生產(chǎn)情況，設(shè)計(jì)了24種排采制度調(diào)整方案。針對(duì)CM1井實(shí)際排采情況，厘定了產(chǎn)水量、井底流壓調(diào)控量度及產(chǎn)氣量變化量臨界值．其中，調(diào)控產(chǎn)水量小幅增大（減小）與大幅增大（減小）臨界值定為0．2m3／d；調(diào)控井底流壓小幅增大（減小）和大幅增大（減小）臨界值定為0．1MPa；產(chǎn)氣量變化量小幅增大（減小）和大幅增大（減小）臨界值定為1000m3／d．而在實(shí)際操作中，選取產(chǎn)水量小幅增大（減小）的值為0．05m3／d，產(chǎn)水量大幅增大（減小）的值為0．5m3／d，井底流壓小幅增大（減小）的值為0．05MPa，井底流壓大幅增大（減小）的值為0．2MPa．采用所建立的BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型對(duì)各方案產(chǎn)氣量進(jìn)行了模擬，以第21種調(diào)整方案“產(chǎn)水量小幅增大—井底流壓小幅減小”的模擬結(jié)果為例（表5），其它方案模擬結(jié)果見表6．在第21種排采制度方案中，當(dāng)產(chǎn)水量小幅增大0．05m3／d，井底流壓小幅減小0．05MPa，預(yù)測產(chǎn)氣量比實(shí)際產(chǎn)氣量平均增大了537m3／d，比前一周產(chǎn)氣量平均增大了469m3／d．顯而易見，當(dāng)決策者希望煤層氣井未來日產(chǎn)氣量能夠增大500m3／d左右時(shí)，可執(zhí)行產(chǎn)水量提高0．05m3／d，井底流壓減小0．05MPa的排采制度．綜上所述，煤層氣井采取不同的排采制度，產(chǎn)氣量變化決然不同，總體可分為四大類，即產(chǎn)氣量大幅減小、小幅減小、小幅增大和大幅增大（表6）．其中，使產(chǎn)氣量大幅減小的排采制度方案有5種，小幅減小的有7種，小幅增大的7種，大幅增大的5種．這樣就可以根據(jù)各調(diào)整方案預(yù)測結(jié)果，結(jié)合實(shí)際生產(chǎn)的需要，采用不同的排采制度，使煤層氣井產(chǎn)氣量朝著我們預(yù)期的方向發(fā)展．例如，如果期望未來7d產(chǎn)氣量大幅增大，可以采用“產(chǎn)水量不變—井底流壓大幅減小”、“產(chǎn)水量大幅增大—井底流壓大幅減小”、“產(chǎn)水量小幅增大—井底流壓大幅減小”等排采制度。
5結(jié)論
1）神經(jīng)網(wǎng)絡(luò)具有很強(qiáng)的非線性映射能力和預(yù)測能力，將其運(yùn)用于煤層氣井產(chǎn)能實(shí)時(shí)預(yù)測是完全可行的，而且能夠依據(jù)產(chǎn)氣量預(yù)測結(jié)果，定量化地分析排采制度對(duì)產(chǎn)能的影響，進(jìn)一步優(yōu)化煤層氣井排采制度，指導(dǎo)現(xiàn)場生產(chǎn)．2）依據(jù)CM1煤層氣井生產(chǎn)資料，基于時(shí)間序列思想設(shè)計(jì)了14個(gè)神經(jīng)網(wǎng)絡(luò)輸入向量，構(gòu)建了網(wǎng)絡(luò)結(jié)構(gòu)為14－13－7的BP神經(jīng)網(wǎng)絡(luò)煤層氣井產(chǎn)能預(yù)測模型．該模型能夠較準(zhǔn)確地預(yù)測未來7d的產(chǎn)氣量，預(yù)測最大絕對(duì)誤差72m3／d，最小絕對(duì)誤差17m3／d，相對(duì)誤差范圍－1．43％～1．60％，平均相對(duì)誤差1．05％，效果良好．3）針對(duì)煤層氣井排采過程中所有可能出現(xiàn)的問題，設(shè)計(jì)了24種排采制度調(diào)整方案，以產(chǎn)水量、井底流壓調(diào)控量度臨界值和產(chǎn)氣量變化量臨界值為基礎(chǔ)，利用所建立的BP神經(jīng)網(wǎng)絡(luò)模型對(duì)所有調(diào)整方案進(jìn)行了模擬．其中，使產(chǎn)氣量大幅減小的排采制度調(diào)整方案有5種，小幅減小的有7種，小幅增大的有7種，大幅增大的有5種．可以根據(jù)生產(chǎn)需要，采用不同的排采制度，使煤層氣井產(chǎn)能朝著預(yù)期方向發(fā)展。
作者：吳財(cái)芳姚帥杜嚴(yán)飛單位：中國礦業(yè)大學(xué)資源與地球科學(xué)學(xué)院中國礦業(yè)大學(xué)煤層氣資源與成藏過程教育部重點(diǎn)實(shí)驗(yàn)室
