基于优化小波神经网络的煤系气共采产能预测研究

作     者：景聪慧 

作者单位：中国矿业大学 

学位级别：硕士

导师姓名：杨永国

授予年度：2021年

学科分类：0820[工学-石油与天然气工程] 12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 082002[工学-油气田开发工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主      题：煤系气共采产能预测 遗传算法 小波神经网络 GIS空间插值 K-Means 

摘      要：近年来,随着我国对煤系非常规天然气资源潜力及开发价值的关注,逐步推动着煤系气产业的快速发展。煤系气共采产能是衡量煤系气井储层潜在产气能力的综合指标,产能的高低直接影响着煤系气项目的经济效益。由于煤系气储层间存在复杂的叠置关系,其产出过程由多个地质因素决定且各因素之间关系复杂,难以采用精确的数学表达式来描述动态的生产过程。论文基于遗传算法优化小波神经网络建立煤系气共采产能预测模型,对研究区煤系气井进行产能的预测,为进一步研究煤系气共采产能预测提供了新思路。首先,在影响煤系气共采产能地质特征基础上,结合前人工作成果深入探讨了煤系气共采产能的影响因素。对研究区样本数据采用GIS空间插值进行完善,并引入灰色关联法筛选出对共采产能影响最大的因素。然后,采用小波神经网络作为产能预测模型,并使用遗传算法优化了网络中各层权值、平移缩放因子的初始值,提高了预测模型的泛化性和收敛性。针对样本数据量小且存在多样性影响模型训练的问题,采用K-Means方法将数据聚为3类,保证了每类样本的质量和共性。对聚类后的每类样本分别构建模型,并重点探讨了模型中遗传算法各初始参数以及小波神经网络的各层节点个数,确定了3类不同结构的基于煤系气共采产能预测的遗传算法优化小波神经网络模型。最后,对选定的研究区20个煤系气样本数据,采用KNN方法进行分类,然后采用相应类别的遗传算法优化小波神经网络模型进行产能的预测,并与另外4种对比模型的预测结果进行比较。结果表明,无论从预测精度、稳定性还是泛化能力来看,遗传算法优化小波神经网络模型均具有最好的预测效果,验证了该模型在煤系气共采产能预测中的适用性和精确度。论文有图40幅,表13个,参考文献95篇。