针对目前压裂选井中存在的盲目性和主观性的技术问题,根据压裂选井时,油田压裂效果受多种因素的影响,各种影响因素与压裂效果之间的关系较为复杂,而且不同的影响因素在不同的层次上对压裂效果有不同程度的影响的特点,运用现代数学方法和计算机技术,从增产潜能、压裂工程条件和地质因素入手,详细研究了各种优选压裂井的方法。主要取得了以下的研究成果: (1) 利用灰色关联分析法和模糊排序法确定出优选压裂井的主要影响因素。通过遗传神经网络结合忽略输入参数法研究输入参数与输出(压后产量)之间的相关关系,从而证明灰色关联分析法和模糊排序法确定的优选压裂井主要影响因素是正确的。 (2) 优选压裂井数据库中的数据记录可能不准确或不完整,不能反映地层真实情况。本文研究了模糊聚类方法结合模糊神经分类系统,筛选出了好的数据记录,在优选压裂井时使用。 (3) 深入研究了优选压裂井的模糊数学模型,包括:优选压裂井的模糊综合评判模型、优选压裂井的模糊决策模型、优选压裂井的模糊分析模型、优选压裂井的模糊综合决策模型、优选压裂井的灰色关联分析模型。应用层次分析法确定了压裂选井主要影响因素的权重。深入探讨了影响压裂成功率的主要因素和权重。 (4) 本文研究改进了神经网络的训练算法并且研究了提高神经网络泛化能力的方法,确定了优选压裂井神经网络的结构和初始参数。利用筛选出的数据集对神经网络进行训练和测试,最终利用该神经网络优选了中原濮城油田沙三中的压裂井。 (5) 对传统的模糊神经网络进行了改进,最终形成准确性较高、全局收敛性较好、解释能力较强、适用范围广的高木—关野模糊神经网络。并成功地用改进的高木—关野模糊神经网络优选了压裂井。 (6) 改进了遗传算法的遗传算子和适应度函数,确定了优化神经网络结构和权值的遗传算法的主要参数,并成功运用改进的遗传算子和适应度函数优化了压裂选井神经网络的结构和权值,利用该神经网络优选了压裂井。计算实例表明,优化了结构和权值的神经网络收敛性能好,泛化能力强,训练时间短,计算精度高。 (7) 将各种优选压裂井的方法进行了对比,分析了其优缺点,以便在不同的需要下使用不同的选井方法。对比结果表明,模糊数学方法简单易用,但权重不易确定,且只能实现部分量化。遗传神经网络泛化能力强,计算时间短、精度高。 应用本文研究的优选压裂井方法优选中原濮城油田沙三中的压裂井,压裂实践证明优选出的压裂井压后增产潜力大,压裂有效率和成功率高。本文的研究成果在油田有一定的实用价值,可以推广使用。