神经网络在油田动态预测方面的应用

常规的动态预测方法因适应的开发阶段和范围不同，在应用过程中各有其局限性。ＢＰ网络则能克服这些缺点，不仅能描述油田开发的整个过程，而且还可以考虑单一变量和多变量影响因素，把能影响动态预测指标的各种因素自行组织起来，加以训练和学习，建立起广义的、精确的动态预测模型。在对各种ＢＰ网络改进方法进行全面综合研究的基础上，总结并提出了自组织优化学习因子方法，进一步增强了ＢＰ网络的自适应性能。同时依据ＢＰ网络的特点，提出了多变量预测技术，并将该技术应用到油藏数值模拟和油田开发规划之中，取得了较好的成果，为神经网络广泛应用于油田开发找到了突破口。

基于遗传算法的灰色马氏链模型预测油田产量

油田开发中,将产量波动较大的油田视为一个随机动态的灰色系统,结合灰色模型和马氏链模型的优点,采用具有擅长全局搜索和高度鲁棒性特点的遗传算法,直接优化求解模型的灰参数和马氏链的状态空间,建立起预测油田产量的灰色马氏链预测模型。实践表明,该模型能有效地克服2种方法在动态预测上的不足,预测结果与实际值吻合程度较高,且方法简便易行,在油田开发动态预测评价方面具有可行性。