【摘要】通过分析不同影响因素与措施效果的内在联系，采用经验类比法与BP神经网络法建立了措施效果的预测模型。模型克服了解析法、数值模拟法、统计回归法进行措施效果预测的固有缺陷，综合考虑了影响措施效果的油藏地质、开发工艺等因素，可以方便地预测措施后的产量递减规律。实例应用表明，两种预测方法单井次最大相对误差25%，平均相对误差15%，取均值后单井次最大相对误差18%，平均相对误差8%，基本能够满足矿场进行措施效果预测的工程需要。
　　【关键词】措施效果 预测方法 经验类比法 BP神经网络
　　措施实施效果的前评估是提高措施有效率的重要前提。目前进行措施效果预测的方法主要有：解析法、数值模拟法及统计回归法。解析法可在特定的假设条件下，对某一类型的措施建立预测模型，但受其假设条件和参数取值影响，实际应用中存在很大困难。数值模拟法可以模拟实际生产井条件，预测任意措施类型的效果，但需要以准确的地质模型和历史拟合为基础。统计回归法通过对历史措施井效果的回归拟合，建立预测措施效果的经验公式，但是其考虑的影响因素种类受到很大限制。基于此，建立能够综合考虑不同因素对措施效果的影响且适用于不同地层条件、不同措施类型的预测模型就显得极为必要。
　　1 预测方法基本原理1.1 经验类比法
　　类比法是按同类事物或相似事物的发展规律相一致的原则，对预测目标事物加以对比分析，来推断预测目标事物未来发展趋向与可能水平的一种预测方法。应用类比法预测措施效果的基本步骤：
　　（1）通过对历史措施效果的评价分析，筛选一批典型性较好的措施井作为预测样本；
　　（2）从油藏地质、开发工艺等角度分析不同影响因素与措施效果的相关性，确定不同因素的影响权重，建立措施效果预测样本库；
　　（3）将待预测措施井与措施样本进行类比，求取相似度，找到属性比较接近的措施样本，用该类样本的措施后产量变化规律类比推理措施潜力井实施后的产量变化规律。
　　设某类措施效果影响因素有n个（x1，x2，…，xn），对于每个影响因素有权重因子（d1， d2，…， dn），此类措施有m个（C1， C2，…， Cm），对于待预测的措施有影响因素n个（xtbs1，xtbs2，…，xtbsn），则相似度R可按下式计算：
　　经验类比法中采用变差函数法为各影响因素赋以初步权重，然后采用松驰因子迭代法进行修正，最后结合专家打分法结果确定各因素影响权重，建立了类比法压裂效果预测模型。
　　为同时保证神经网络模型的訓练速度和泛化能力，设计神经网络模型为9个输入值、1个隐含层、2个目标值，拓扑结构如图1所示：
　　3 矿场应用效果
　　采用上述两种方法预测油田某区块压裂措施的实施效果。该区块属中孔低渗储层，自投产以来共计实施压裂措施64井次，从中选出具有代表性的30个措施井次作为措施样本（20个作为训练样本，10个作为测试样本），在20个训练样本基础上，经8547次训练，模型误差小于0.001，确定了神经网络模型的权值和阀值。分别以实际和预测的措施后产量递减规律计算措施累积增油量，单井次最大相对误差25%，平均相对误差15%，将单井次类比法与神经网络法的预测参数取算术平均值，则单井次最大相对误差18%，平均相对误差8%，基本能够满足矿场精度要求。
　　4 结论
　　（1）解析法、数值模拟法、统计回归法因其固有缺陷，难以满足进行措施效果预测的工程需要。
　　（2）经验类比和神经网络法可以综合考虑不同因素对措施效果的影响，方便地预测不同地层条件下不同措施类型的措施后产量递减规律。
　　（3）在保证措施样本的个数和典型性的前提下，经验类比法和神经网络法预测结果符合率较高，若两种方法综合使用，预测结果将更加可靠。