石油学报

作者：骆正山, 张景奇, 骆济豪, 王小完

单位：1. 西安建筑科技大学管理学院 陕西西安 710055;2. 北京理工大学睿信学院 北京 102488

关键词：最小混相压力,多层感知机,惯性权重,蜉蝣优化算法,注意力机制

基金：骆正山,男,1969年8月生,2009年获西安建筑科技大学博士学位,现为西安建筑科技大学教授、博士生导师,主要从事系统工程理论与方法、信息管理与信息系统等研究。Email:luozhengshan@163.com

摘要： 最小混相压力是衡量油藏能否达到混相驱的标准。为了对最小混相压力进行精准预测,运用改进蜉蝣算法(IMA)优化多层感知机(MLP)的预测模型。运用注意力机制实现对最小混相压力影响因素的提取;通过引入混沌Sobol序列、非线性惯性权重和反向学习的方法增强蜉蝣算法寻优能力,为多层感知机提供最优的权值和阈值,进而构建IMA-AmMLP最小混相压力预测模型;并以吉林油田实际区块为例,对使用效果进行了验证。验证结果表明,IMA-AmMLP模型的预测结果与实际值的拟合度更高,其平均绝对误差为1.036 MPa,平均绝对百分误差为0.024,均方根误差为0.835,均优于原始模型。研究结果表明,IMA-AmMLP模型能够更准确地预测最小混相压力,可以为运用CO2驱开采油藏提供参考。

来源：2024年第10期

《石油学报》期刊编辑部

查看石油学报杂志2024年第10期