剩余油分布預測中證據(jù)融合問題的研究.pdf

1、目前，世界石油開采儲量的增加，75％以上來自對已開發(fā)油藏的技術挖潛，僅有不到25％來自新油田的發(fā)現(xiàn)。在一般情況下，人們僅僅采出原油總儲量的30％左右，因此，剩余油開采對于增加可采儲量及提高采收率具有巨大的潛力，提高采收率無異于找到新的油田。我國多數(shù)油田都已進入高含水、特高含水開發(fā)階段，綜合含水率均達到或超過90％，現(xiàn)階段油田開發(fā)與調(diào)整的主要任務即“認識剩余油，開采剩余油”。然而，“油田剩余油分布預測”被國內(nèi)外石油領域?qū)＜夜J為世界難題，

2、因為影響剩余油分布的地下因素很多且十分復雜，既涉及地質(zhì)專業(yè)領域，還涉及測井和鉆井等領域。目前，國內(nèi)外提出了多種預測剩余油分布的方法，但還沒有一種行之有效且準確率較高的方法加以推廣。它們存在問題的根源在于或者只考慮部分客觀證據(jù)、或者只考慮部分主觀證據(jù)，導致對剩余油分布水淹類型等特征分類準確率低、可靠性差。所以，如何對來自多專業(yè)領域不同層次的全部客觀證據(jù)及領域?qū)＜议L期積累的主觀證據(jù)進行融合，成為剩余油分布研究的核心問題。本文通過BP神經(jīng)網(wǎng)絡

3、聯(lián)合模型與兩級D-S證據(jù)推理模型的優(yōu)勢互補進行主客觀證據(jù)融合，實現(xiàn)了剩余油分布多屬性特征的準確分類。 2003年，東北大學與大慶油田合作，以大慶油田非均質(zhì)砂巖油藏為背景，利用大慶油田的廣域網(wǎng)平臺，成功地研制開發(fā)了“油田勘探開發(fā)信息融合輔助決策系統(tǒng)”。“剩余油分布預測”是其子系統(tǒng)之一。 剩余油分布研究的主要內(nèi)容：對體現(xiàn)其分布特征的水淹類型等多項屬性進行準確分類，根據(jù)分類結果經(jīng)多模型聯(lián)合求解，得到剩余油分布的多項定量指標。本

4、文以具有典型特征的大慶油田作為研究背景，將本體計算的思想引入到剩余油分布的研究之中，把剩余油分布預測的復雜過程按照信息源所屬的不同專業(yè)領域，劃分成若干個較小的計算單元，以提高定量推理的效率。將這些計算單元針對同一區(qū)域油藏地質(zhì)體產(chǎn)生的分類結果，進行多側面、多層次，多角度的融合，經(jīng)過聯(lián)想、相關和組合過程的自動綜合處理，得到新的準確率更高的分類結論。 在處理不確定信息的方法中，證據(jù)推理方法性能突出、應用廣泛，因而成為信息融合領域處理不

5、確定信息的一種有效方法。然而，在實際應用中，因為系統(tǒng)輸入為多源異類信息，僅僅依靠單一的D-S證據(jù)推理模型難以有效地解決問題。為此，本文提出了適合大規(guī)模融合系統(tǒng)的分布式層次化體系結構，通過特征級BP神經(jīng)網(wǎng)絡聯(lián)合模型與決策級兩級證據(jù)推理模型的集成，建立了神經(jīng)證據(jù)集成模型。由于采用BP神經(jīng)網(wǎng)絡聯(lián)合的實現(xiàn)方法，各個獨自工作的神經(jīng)網(wǎng)絡運行在各自的子系統(tǒng)中，與傳統(tǒng)的整個系統(tǒng)采用一個綜合的神經(jīng)網(wǎng)絡相比降低了單個神經(jīng)網(wǎng)絡的復雜性、縮短了學習和運行的時間

6、。首先將每個子系統(tǒng)的各個神經(jīng)網(wǎng)絡分類輸出的可信度值作為客觀證據(jù)與來自該子系統(tǒng)的專家系統(tǒng)推理之后結論的可信度值作為主觀證據(jù)經(jīng)局部D-S證據(jù)推理模型進行局部融合，之后將各個局部融合結果通過網(wǎng)絡傳輸?shù)饺秩诤现行?，?jīng)全局融合，得到更高準確率的分類結果。 針對BP網(wǎng)絡存在的收斂速度慢、存在局部極小點、隱層節(jié)點個數(shù)選取尚無理論指導及推理過程的不可理解性等問題，在吸收國內(nèi)外研究成果的基礎上重點對提高BP網(wǎng)絡的訪問速度、增強網(wǎng)絡的可理解性算法

7、進行了優(yōu)化。 D-S證據(jù)推理模型輸入證據(jù)的基本概率賦值獲取是實際應用中最難的一步。針對這個問題，提出了將BP神經(jīng)網(wǎng)絡分類結果的可信度及專家系統(tǒng)推理結論的可信度作為D-S證據(jù)推理模型輸入證據(jù)基本概率賦值的有效方法。 運用提出的主客觀證據(jù)融合方法及神經(jīng)證據(jù)集成模型對大慶油田的實際數(shù)據(jù)進行了應用。將本文方法與傳統(tǒng)的模糊綜合評判方法、單一神經(jīng)網(wǎng)絡方法進行了性能及運行結果對比，體現(xiàn)了本文方法的優(yōu)越性。預測系統(tǒng)的試運行表明：該方法的