閆冠宇

（西安石油大學(xué)，陜西 西安 710065）

常規(guī)敏感性相關(guān)實(shí)驗(yàn)是敏感性預(yù)測最直接的方式，其除了實(shí)驗(yàn)時間 較長以外，所需要的巖心量也比較大，有著一定的應(yīng)用缺陷。除了常規(guī)方法以外，近些年來還出現(xiàn)了神經(jīng)網(wǎng)絡(luò)方法、灰色評價方法、多元判別分析等眾多方法，然后在實(shí)際應(yīng)用中，都或多或少的存在著不足。因此對預(yù)測準(zhǔn)確率高并且預(yù)測速度快的新方法進(jìn)行探討，有著重要的研究價值[1]。

1 多元回歸綜合分析預(yù)測法

多元回歸分析是指在利用相關(guān)分析得出數(shù)據(jù)結(jié)果的基礎(chǔ)上，對結(jié)果變量之間的關(guān)系進(jìn)行確定，從而通過經(jīng)驗(yàn)公式的建立來進(jìn)行預(yù)測。

1.1 確定影響因素

首先，多元回歸綜合分析預(yù)測法需要對和儲層敏感性有關(guān)的因素進(jìn)行確定，對各種可能影響到儲層敏感性的數(shù)據(jù)進(jìn)行收集，并且對因素之間的關(guān)聯(lián)進(jìn)行分析，這是該方法的應(yīng)用基礎(chǔ)。一般來講，在影響因素的確定上，主要需要對油田的巖石結(jié)構(gòu)情況、巖石礦物情況以及孔隙結(jié)構(gòu)情況進(jìn)行分析，才可以對儲層敏感性進(jìn)行深入分析。而在對影響因素進(jìn)行確定以后，還要求出相關(guān)的單相關(guān)系數(shù)，主要是指儲層敏感性和收集的各因素之間的聯(lián)系。通過對這種單相關(guān)系數(shù)的分析，可以對儲層的敏感性進(jìn)行有效計算，對強(qiáng)弱程度也能進(jìn)行有效分析，是該方法對儲層敏感性進(jìn)行預(yù)測的重要數(shù)據(jù)理論基礎(chǔ)。

1.2 敏感性預(yù)測

在做好數(shù)據(jù)理論準(zhǔn)備以后，就可以通過一種線性回歸預(yù)測的方式來對儲層敏感性進(jìn)行分析。具體過程中，對油田地區(qū)內(nèi)水敏性有關(guān)的因素進(jìn)行收集，然后建立起一種線性水敏性預(yù)測模型，同時再建立起自變量矩陣以及觀測值矩陣，再根據(jù)相關(guān)的敏感性計算公式進(jìn)行最終計算，能夠?qū)用舾行宰鞒鲇行ьA(yù)測[2]。通過實(shí)踐應(yīng)用可以得出，利用多元回歸分析法所建立的儲層敏感性計算模型，一般的計算準(zhǔn)確率在80%以上，該方法不僅計算結(jié)果的可靠性比較高，同時對于具體儲層敏感性程度能夠進(jìn)行定量反映，能夠?yàn)橛吞锏膬颖Ｗo(hù)提供科學(xué)依據(jù)，有著重要的應(yīng)用價值。

2 量子神經(jīng)網(wǎng)絡(luò)方法

量子神經(jīng)網(wǎng)絡(luò)方法是指將量子力學(xué)的思想來引入到神經(jīng)網(wǎng)絡(luò)研究當(dāng)中，建立起基于多層激勵函數(shù)的量子神經(jīng)網(wǎng)絡(luò)模型，這種方法能夠?qū)σ恍┯兄淮_定性的非穩(wěn)態(tài)數(shù)據(jù)進(jìn)行很好預(yù)測。而且相比與其他方法，該方法能夠?qū)崿F(xiàn)對儲層敏感性的梯度分析，即在建立儲層敏感性預(yù)測模型以后，通過對原始數(shù)據(jù)的規(guī)劃處理，通過態(tài)疊加的激勵函數(shù)，對所有影響到儲層敏感性的因素數(shù)據(jù)進(jìn)行進(jìn)行梯度劃分，就可以有效的對一些預(yù)測結(jié)果進(jìn)行完善，有著獨(dú)到的應(yīng)用意義。和多元回歸綜合分析預(yù)測法相同，同樣也需要對相關(guān)的一些影響因素進(jìn)行確定。只有對影響因素充分收集，才能夠?yàn)榫W(wǎng)絡(luò)訓(xùn)練集的構(gòu)成打下基礎(chǔ)。量子神經(jīng)網(wǎng)絡(luò)的敏感性影響因素確定，可以通過參數(shù)和儲層敏感性之間的親疏關(guān)系來進(jìn)行篩選。而在利用單相關(guān)分析以后，一些系數(shù)的大小反應(yīng)了敏感性之間的強(qiáng)弱程度。通過這些敏感性影響因素，就可以建立起預(yù)測模型，進(jìn)行數(shù)據(jù)處理分析[3]。

2.1 網(wǎng)絡(luò)結(jié)構(gòu)確定

量子神經(jīng)網(wǎng)絡(luò)預(yù)測模型主要由輸入層、輸出層以及隱層組成，同時需要神經(jīng)元之間進(jìn)行連接。值得注意的是，同層的量子神經(jīng)元之間，應(yīng)該避免連接，因?yàn)橥瑢舆B接會使得模型受到縱向神經(jīng)元的干擾。而梯度的層與層之間，則需要進(jìn)行全連接的方式。同時在網(wǎng)絡(luò)結(jié)構(gòu)的確定上，各個組成部分的神經(jīng)元個數(shù)都是重要的研究內(nèi)容，節(jié)點(diǎn)太少或者太多都會對最終的預(yù)測準(zhǔn)確性產(chǎn)生影響。比如如果隱層的網(wǎng)絡(luò)節(jié)點(diǎn)太少，就會導(dǎo)致網(wǎng)絡(luò)結(jié)構(gòu)的學(xué)習(xí)能力變差，而如果節(jié)點(diǎn)太多的話，就會導(dǎo)致網(wǎng)絡(luò)結(jié)構(gòu)的學(xué)習(xí)時間過長，對儲層敏感性的預(yù)測能力就會有著不同程度的下降。因此需要根據(jù)具體情況來選擇適當(dāng)?shù)纳窠?jīng)元個數(shù)，對儲層的敏感性預(yù)測有著重要作用。

2.2 基于量子神經(jīng)網(wǎng)絡(luò)的預(yù)測模型

神經(jīng)元是神經(jīng)網(wǎng)絡(luò)當(dāng)中的基本處理單元，眾多的神經(jīng)元來連接成神經(jīng)網(wǎng)絡(luò)。通過該預(yù)測模型的拓樸結(jié)構(gòu)可以得出，模型大體由n個輸入、p個隱含神經(jīng)元和q個輸出單元共同構(gòu)成。同時在模型的構(gòu)建中，一項(xiàng)非常重要的工作就是來選取訓(xùn)練集，這種訓(xùn)練集的選取要求相關(guān)數(shù)據(jù)必須真實(shí)可靠，同時訓(xùn)練集的數(shù)據(jù)必須要有一定的代表性，能夠?qū)τ吞锏貙又械母鞣N組成狀況進(jìn)行代表。同時在有關(guān)的訓(xùn)練集建立以后，還需要對訓(xùn)練集中的所有數(shù)據(jù)都進(jìn)行歸化處理。這樣能夠讓收斂速度有效加快。在訓(xùn)練集確定完畢以后，就可以對量子神經(jīng)網(wǎng)絡(luò)預(yù)測模型進(jìn)行相應(yīng)的訓(xùn)練和完善，對儲層敏感性進(jìn)行有效預(yù)測。

2.3 訓(xùn)練算法應(yīng)用

在數(shù)據(jù)規(guī)格化以后，經(jīng)過相應(yīng)的訓(xùn)練算法得出，網(wǎng)絡(luò)中的連接權(quán)值和量子間隔相等。具體算法可以采用梯度下降法，在每個訓(xùn)練循環(huán)中，訓(xùn)練算法都要對神經(jīng)元之間的連接權(quán)進(jìn)行修正。而且在應(yīng)用過程中需要注重學(xué)習(xí)速率這一概念，它會對每一次循環(huán)中的權(quán)值變化量產(chǎn)生影響。如果學(xué)習(xí)速率較大，就會導(dǎo)致神經(jīng)網(wǎng)絡(luò)產(chǎn)生震蕩，直接對系統(tǒng)的穩(wěn)定性造成影響 ，而如果學(xué)習(xí)速率較小的話，神經(jīng)網(wǎng)絡(luò)相應(yīng)的學(xué)習(xí)時間就會縮小，從而相關(guān)的收斂速度就會變慢。所以為了保持神經(jīng)網(wǎng)絡(luò)在儲層敏感性預(yù)測過程中的穩(wěn)定性，一般都會選擇比較小的學(xué)習(xí)速率，一般都在0.01～0.07。而當(dāng)神經(jīng)網(wǎng)絡(luò)的輸出達(dá)到模型預(yù)測所要求的精度以后，整個訓(xùn)練算法應(yīng)用就可以結(jié)束。此時神經(jīng)網(wǎng)絡(luò)中無論是量子間隔還是連接權(quán)值，相關(guān)數(shù)值都會固定下來，這也就說明神經(jīng)網(wǎng)絡(luò)中敏感性和相關(guān)影響因素之間的聯(lián)系都已經(jīng)固定下來，對儲層敏感性進(jìn)行很好地預(yù)測[4]。

在神經(jīng)網(wǎng)絡(luò)模型的敏感性預(yù)測上，根據(jù)預(yù)測結(jié)果和實(shí)驗(yàn)結(jié)果的對比分析發(fā)現(xiàn)，預(yù)測值和實(shí)驗(yàn)值有著較好一致性，這說明量子神經(jīng)網(wǎng)絡(luò)能夠?qū)用舾行赃M(jìn)行較為準(zhǔn)確的預(yù)測，能夠有效滿足工程預(yù)測的需要，對于油氣層保護(hù)技術(shù)層面而言，是非常重要的依據(jù)基礎(chǔ)。這是因?yàn)槟Ｐ碗[層神經(jīng)元總共采用了態(tài)疊加的多層激勵函數(shù)，所以有著較為精準(zhǔn)的預(yù)測。總值，該方法是一種切實(shí)可行的方法，能夠極大提高油氣層保護(hù)技術(shù)的科技含量，有效參與到儲層保護(hù)方案的設(shè)計中，應(yīng)用前景比較廣泛。

3 結(jié)語

綜上所述，油層儲層敏感性的預(yù)測是油氣保護(hù)中的重要內(nèi)容，常規(guī)的預(yù)測方法需要大量實(shí)驗(yàn)，在操作進(jìn)程和預(yù)測正確率上都有著一定局限性。而通過多元回歸綜合分析預(yù)測法和神經(jīng)網(wǎng)絡(luò)預(yù)測法的應(yīng)用，不僅可以對操作過程進(jìn)行簡便，同時有著更高的預(yù)測正確率，有著重要的應(yīng)用前景。