本發(fā)明涉及油氣勘探開(kāi)發(fā)
技術(shù)領(lǐng)域：
，具體地說(shuō)，涉及油藏開(kāi)發(fā)效果預(yù)測(cè)模型的構(gòu)建方法。
背景技術(shù)：
：針對(duì)縫洞型油藏進(jìn)入開(kāi)發(fā)中后期的井，單井注水替油等改善開(kāi)發(fā)效果的方法逐漸失效的現(xiàn)狀，礦場(chǎng)開(kāi)展了單井注氣提高開(kāi)發(fā)效果的試驗(yàn)，并取得了一定的效果。截止到目前，沒(méi)有任何能夠定量預(yù)測(cè)縫洞型油藏單井注氣開(kāi)發(fā)效果的方法。這導(dǎo)致不能對(duì)選擇哪些油井進(jìn)行注氣提供較為準(zhǔn)確的參考依據(jù)。bp神經(jīng)網(wǎng)絡(luò)是一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò)，是目前應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)模型之一，被廣泛用作分類、聚類、預(yù)測(cè)等領(lǐng)域。bp神經(jīng)網(wǎng)絡(luò)在預(yù)測(cè)油田酸壓效果、儲(chǔ)層產(chǎn)能、地層孔隙度、聚合物驅(qū)后增產(chǎn)效果等方面有過(guò)成功應(yīng)用的先例。然而，傳統(tǒng)的bp神經(jīng)網(wǎng)絡(luò)每次都以隨機(jī)數(shù)作為網(wǎng)絡(luò)初值，不能記錄上次的計(jì)算成果，這導(dǎo)致了其訓(xùn)練結(jié)果不穩(wěn)定，不同訓(xùn)練結(jié)果相差巨大。因此，傳統(tǒng)bp神經(jīng)網(wǎng)絡(luò)需要大量的歷史數(shù)據(jù)作為支撐。如果訓(xùn)練樣本數(shù)太少，則無(wú)法真實(shí)有效的刻畫(huà)訓(xùn)練樣本的核心規(guī)律。目前縫洞型油藏實(shí)施單井注氣礦場(chǎng)試驗(yàn)的時(shí)間短，井?dāng)?shù)較少，遠(yuǎn)遠(yuǎn)達(dá)不到傳統(tǒng)bp網(wǎng)絡(luò)所需的數(shù)據(jù)量。技術(shù)實(shí)現(xiàn)要素：為解決上述問(wèn)題，本發(fā)明提供了一種油藏開(kāi)發(fā)效果預(yù)測(cè)模型的構(gòu)建方法，所述方法包括：步驟一，利用已知油藏開(kāi)發(fā)數(shù)據(jù)對(duì)初始神經(jīng)網(wǎng)絡(luò)進(jìn)行k折交叉訓(xùn)練，得到對(duì)應(yīng)于k組驗(yàn)證數(shù)據(jù)的k組網(wǎng)絡(luò)參數(shù)；步驟二，根據(jù)所述k組網(wǎng)絡(luò)參數(shù)和k組驗(yàn)證數(shù)據(jù)，計(jì)算對(duì)應(yīng)于k組驗(yàn)證數(shù)據(jù)的k組誤差數(shù)據(jù)；步驟三，根據(jù)所述k組誤差數(shù)據(jù)計(jì)算各組網(wǎng)絡(luò)參數(shù)的權(quán)重，并根據(jù)所述權(quán)重對(duì)所述k組網(wǎng)絡(luò)參數(shù)進(jìn)行加權(quán)平均，得到平均網(wǎng)絡(luò)參數(shù)，根據(jù)所述平均網(wǎng)絡(luò)參數(shù)確定出優(yōu)化后的神經(jīng)網(wǎng)絡(luò)，從而構(gòu)建得到油藏開(kāi)發(fā)效果預(yù)測(cè)模型。根據(jù)本發(fā)明的一個(gè)實(shí)施例，對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行k折交叉訓(xùn)練的步驟包括：將所述已知油藏開(kāi)發(fā)數(shù)據(jù)劃分為k組，得到k組數(shù)據(jù)；遍歷地將所述k組數(shù)據(jù)中的其中一組數(shù)據(jù)作為驗(yàn)證數(shù)據(jù)，并將其他k-1組數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，利用訓(xùn)練數(shù)據(jù)對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到對(duì)應(yīng)于各組驗(yàn)證數(shù)據(jù)的網(wǎng)絡(luò)參數(shù)。根據(jù)本發(fā)明的一個(gè)實(shí)施例，初始神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)參數(shù)為隨機(jī)數(shù)。本發(fā)明還提供了一種油藏開(kāi)發(fā)效果預(yù)測(cè)模型的構(gòu)建方法，所述方法包括：步驟一，將第i循環(huán)的平均網(wǎng)絡(luò)參數(shù)作為第i+1循環(huán)中預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)的初始網(wǎng)絡(luò)參數(shù)，并利用已知油藏開(kāi)發(fā)數(shù)據(jù)對(duì)預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)進(jìn)行k折交叉訓(xùn)練，分別計(jì)算得到第i+1循環(huán)中對(duì)應(yīng)于k組驗(yàn)證數(shù)據(jù)的k組臨時(shí)網(wǎng)絡(luò)參數(shù)和k組第一誤差數(shù)據(jù)；步驟二，分別將第i+1循環(huán)中的k組第一誤差數(shù)據(jù)與第i循環(huán)中的k組第二誤差數(shù)據(jù)比較，依照比較結(jié)果從第i+1循環(huán)中的k組臨時(shí)網(wǎng)絡(luò)參數(shù)和所述第i循環(huán)中的k組網(wǎng)絡(luò)參數(shù)確定第i+1循環(huán)中對(duì)應(yīng)于k組驗(yàn)證數(shù)據(jù)的k組網(wǎng)絡(luò)參數(shù)；步驟三，重復(fù)上述過(guò)程，直至滿足預(yù)設(shè)迭代終止條件，并根據(jù)迭代終止時(shí)的k組網(wǎng)絡(luò)參數(shù)和k組誤差數(shù)據(jù)計(jì)算迭代終止時(shí)的平均網(wǎng)絡(luò)參數(shù)，從而得到優(yōu)化后的神經(jīng)網(wǎng)絡(luò)，進(jìn)而構(gòu)建得到油藏開(kāi)發(fā)效果預(yù)測(cè)模型。根據(jù)本發(fā)明的一個(gè)實(shí)施例，根據(jù)如下表達(dá)式計(jì)算所述第i循環(huán)中各組網(wǎng)絡(luò)參數(shù)的權(quán)重?cái)?shù)據(jù)：其中，λi,j第i循環(huán)中對(duì)應(yīng)于第j組驗(yàn)證數(shù)據(jù)的網(wǎng)絡(luò)參數(shù)的權(quán)重?cái)?shù)據(jù)，ei,j表示第i循環(huán)中對(duì)應(yīng)于第j組驗(yàn)證數(shù)據(jù)的誤差數(shù)據(jù)。根據(jù)本發(fā)明的一個(gè)實(shí)施例，在所述步驟二中，對(duì)于各組驗(yàn)證數(shù)據(jù)來(lái)說(shuō)，如果其第i+1循環(huán)的第一誤差數(shù)據(jù)小于其第i循環(huán)的誤差數(shù)據(jù)，則將第i+1循環(huán)的臨時(shí)網(wǎng)絡(luò)數(shù)據(jù)作為其第i+1循環(huán)的網(wǎng)絡(luò)數(shù)據(jù)，否則將第i循環(huán)的網(wǎng)絡(luò)數(shù)據(jù)作為其第i+1循環(huán)的網(wǎng)絡(luò)數(shù)據(jù)。根據(jù)本發(fā)明的一個(gè)實(shí)施例，所述預(yù)設(shè)迭代終止條件包括：當(dāng)前迭代的對(duì)應(yīng)于k組驗(yàn)證數(shù)據(jù)的k組誤差數(shù)據(jù)與前一迭代的k組誤差數(shù)據(jù)均對(duì)應(yīng)相等。根據(jù)本發(fā)明的一個(gè)實(shí)施例，預(yù)設(shè)迭代終止條件還包括：迭代次數(shù)達(dá)到預(yù)設(shè)迭代次數(shù)閾值。根據(jù)本發(fā)明的一個(gè)實(shí)施例，對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行k折交叉訓(xùn)練的步驟包括：將所述已知油藏開(kāi)發(fā)數(shù)據(jù)劃分為k組，得到k組數(shù)據(jù)；遍歷地將所述k組數(shù)據(jù)中的其中一組數(shù)據(jù)作為驗(yàn)證數(shù)據(jù)，并將其他k-1組數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，利用訓(xùn)練數(shù)據(jù)對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到對(duì)應(yīng)于各組驗(yàn)證數(shù)據(jù)的網(wǎng)絡(luò)參數(shù)。根據(jù)本發(fā)明的一個(gè)實(shí)施例，初始神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)參數(shù)為隨機(jī)數(shù)。本發(fā)明帶來(lái)了以下有益效果：本發(fā)明的其它特征和優(yōu)點(diǎn)將在隨后的說(shuō)明書(shū)中闡述，并且，部分地從說(shuō)明書(shū)中變得顯而易見(jiàn)，或者通過(guò)實(shí)施本發(fā)明而了解。本發(fā)明的目的和其他優(yōu)點(diǎn)可通過(guò)在說(shuō)明書(shū)、權(quán)利要求書(shū)以及附圖中所特別指出的結(jié)構(gòu)來(lái)實(shí)現(xiàn)和獲得。附圖說(shuō)明為了更清楚地說(shuō)明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述中所需要的附圖做簡(jiǎn)單的介紹：圖1是根據(jù)本發(fā)明一個(gè)實(shí)施例的構(gòu)建油藏開(kāi)發(fā)效果預(yù)測(cè)模型的流程圖；圖2是根據(jù)本發(fā)明一個(gè)實(shí)施例的對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行k折交叉訓(xùn)練的流程圖；圖3是根據(jù)本發(fā)明另一個(gè)實(shí)施例的構(gòu)建油藏開(kāi)發(fā)效果預(yù)測(cè)模型的流程圖。具體實(shí)施方式以下將結(jié)合附圖及實(shí)施例來(lái)詳細(xì)說(shuō)明本發(fā)明的實(shí)施方式，借此對(duì)本發(fā)明如何應(yīng)用技術(shù)手段來(lái)解決技術(shù)問(wèn)題，并達(dá)成技術(shù)效果的實(shí)現(xiàn)過(guò)程能充分理解并據(jù)以實(shí)施。需要說(shuō)明的是，只要不構(gòu)成沖突，本發(fā)明中的各個(gè)實(shí)施例以及各實(shí)施例中的各個(gè)特征可以相互結(jié)合，所形成的技術(shù)方案均在本發(fā)明的保護(hù)范圍之內(nèi)。同時(shí)，在以下說(shuō)明中，出于解釋的目的而闡述了許多具體細(xì)節(jié)，以提供對(duì)本 發(fā)明實(shí)施例的徹底理解。然而，對(duì)本領(lǐng)域的技術(shù)人員來(lái)說(shuō)顯而易見(jiàn)的是，本發(fā)明可以不用這里的具體細(xì)節(jié)或者所描述的特定方式來(lái)實(shí)施。另外，在附圖的流程圖示出的步驟可以在諸如一組計(jì)算機(jī)可執(zhí)行指令的計(jì)算機(jī)系統(tǒng)中執(zhí)行，并且，雖然在流程圖中示出了邏輯順序，但是在某些情況下，可以以不同于此處的順序執(zhí)行所示出或描述的步驟。bp神經(jīng)網(wǎng)絡(luò)是一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò)，是目前應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)模型之一，其被廣泛用作分類、聚類、預(yù)測(cè)等領(lǐng)域。在預(yù)測(cè)油田酸壓效果、儲(chǔ)層產(chǎn)能、地層孔隙度、聚合物驅(qū)后增產(chǎn)效果等方面有過(guò)成功應(yīng)用的先例。例如，部分研究人員利用傳統(tǒng)bp神經(jīng)網(wǎng)絡(luò)對(duì)塔河油田縫洞型碳酸鹽巖儲(chǔ)層的酸壓效果進(jìn)行了預(yù)測(cè)研究，部分研究人員利用傳統(tǒng)bp神經(jīng)網(wǎng)絡(luò)對(duì)塔河油田縫洞型碳酸鹽巖儲(chǔ)層的產(chǎn)能進(jìn)行了預(yù)測(cè)研究，部分研究人員則利用傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)方法針對(duì)碳酸鹽巖地層孔隙度測(cè)井值建立樣本集利用bp神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)了碳酸鹽巖地層的孔隙度，還有部分研究人員則對(duì)比了bp神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)兩種方法預(yù)測(cè)油井實(shí)施聚合物驅(qū)后的增產(chǎn)效果。通過(guò)分析可知，bp神經(jīng)網(wǎng)絡(luò)也可以應(yīng)用于縫洞型油藏單井注氣提高開(kāi)發(fā)效果的預(yù)測(cè)。然而，傳統(tǒng)bp神經(jīng)網(wǎng)絡(luò)每次訓(xùn)練都以隨機(jī)數(shù)作為網(wǎng)絡(luò)初值，不能記錄上次的計(jì)算成果，這導(dǎo)致了其訓(xùn)練結(jié)果不穩(wěn)定，不同訓(xùn)練結(jié)果相差巨大。因此，傳統(tǒng)bp神經(jīng)網(wǎng)絡(luò)需要大量的歷史數(shù)據(jù)作為支撐。如果訓(xùn)練樣本數(shù)太少，則無(wú)法真實(shí)有效的刻畫(huà)訓(xùn)練樣本的核心規(guī)律。目前縫洞型油藏實(shí)施單井注氣礦場(chǎng)試驗(yàn)的時(shí)間短，井?dāng)?shù)較少，遠(yuǎn)遠(yuǎn)達(dá)不到傳統(tǒng)bp網(wǎng)絡(luò)所需的數(shù)據(jù)量。針對(duì)上述問(wèn)題，本發(fā)明提供了基于k折交叉訓(xùn)練來(lái)構(gòu)建油藏開(kāi)發(fā)效果預(yù)測(cè)模型的方法，該方法針對(duì)目前縫洞型油藏單井注氣樣本數(shù)極少的特點(diǎn)，能夠充分利用珍貴的樣本數(shù)據(jù)，從而提高傳統(tǒng)bp神經(jīng)網(wǎng)絡(luò)非線性規(guī)律擬合的能力，進(jìn)而達(dá)到高準(zhǔn)確度預(yù)測(cè)結(jié)果的效果。以下通過(guò)不同的實(shí)施例來(lái)進(jìn)一步說(shuō)明本發(fā)明所提供的方法的原理以及實(shí)現(xiàn)過(guò)程。實(shí)施例一：圖1示出了本實(shí)施例所提供的構(gòu)建油藏開(kāi)發(fā)效果預(yù)測(cè)模型的流程圖。如圖1所示，本實(shí)施例所提供的方法首先在步驟s101中利用已知油藏開(kāi)發(fā) 數(shù)據(jù)對(duì)初始神經(jīng)網(wǎng)絡(luò)進(jìn)行k折交叉訓(xùn)練，得到對(duì)應(yīng)于k組驗(yàn)證數(shù)據(jù)的k組網(wǎng)絡(luò)參數(shù)。具體地，圖2示出了本實(shí)施例中在步驟s101中利用已知油藏開(kāi)發(fā)數(shù)據(jù)對(duì)初始神經(jīng)網(wǎng)絡(luò)進(jìn)行k折交叉訓(xùn)練的流程圖。從圖2中可以看出，在對(duì)初始神經(jīng)網(wǎng)絡(luò)進(jìn)行k折交叉訓(xùn)練時(shí)，首先在步驟s201中將已知油藏開(kāi)發(fā)數(shù)據(jù)劃分為k組，從而得到k組數(shù)據(jù)。本實(shí)施例中，自然數(shù)k優(yōu)選地配置為4。當(dāng)然，在本發(fā)明的其他實(shí)施例中，根據(jù)實(shí)際需要，k還可以配置為其他合理的自然數(shù)(例如[3，8]中的其他合理值等)，本發(fā)明不限于此。當(dāng)?shù)玫絢組數(shù)據(jù)后，在步驟s202中遍歷地將k組數(shù)據(jù)中的其中一組數(shù)據(jù)作為驗(yàn)證數(shù)據(jù)，并將其他組數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，利用訓(xùn)練數(shù)據(jù)對(duì)初始神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，從而分別得到對(duì)應(yīng)于各組驗(yàn)證數(shù)據(jù)的網(wǎng)絡(luò)參數(shù)。本實(shí)施例中，在步驟s202中拿出大部分樣本來(lái)對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，并利用余留的小部分樣本(例如任意一組數(shù)據(jù))對(duì)訓(xùn)練得到的神經(jīng)網(wǎng)絡(luò)進(jìn)行驗(yàn)證。具體地，假設(shè)在步驟s201中將已知油藏開(kāi)發(fā)數(shù)據(jù)劃分為4組數(shù)據(jù)(即k＝4)，現(xiàn)將前k-1＝3組數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)，將第4組數(shù)據(jù)作為驗(yàn)證數(shù)據(jù)。將初始神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)參數(shù)(即初始網(wǎng)絡(luò)參數(shù))設(shè)置為隨機(jī)數(shù)，利用訓(xùn)練數(shù)據(jù)對(duì)初始神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，這樣就得到對(duì)應(yīng)于該組訓(xùn)練數(shù)據(jù)的一組網(wǎng)絡(luò)參數(shù)。利用相同方法，遍歷地將每一組數(shù)據(jù)均作為訓(xùn)練數(shù)據(jù)，那么將得到對(duì)應(yīng)于各組訓(xùn)練數(shù)據(jù)的網(wǎng)絡(luò)參數(shù)，即共得到4組網(wǎng)絡(luò)參數(shù)。再次如圖1所示，當(dāng)在步驟s101中得到對(duì)應(yīng)于k組驗(yàn)證數(shù)據(jù)的網(wǎng)絡(luò)參數(shù)后，該方法將在步驟s102中根據(jù)k組網(wǎng)絡(luò)參數(shù)和k組驗(yàn)證數(shù)據(jù)，分別計(jì)算對(duì)應(yīng)于k組驗(yàn)證數(shù)據(jù)的k組誤差數(shù)據(jù)。本實(shí)施例中，在步驟s102中，對(duì)于各組驗(yàn)證數(shù)據(jù)而言，在計(jì)算對(duì)應(yīng)的誤差數(shù)據(jù)時(shí)，首先將驗(yàn)證數(shù)據(jù)中的輸入數(shù)據(jù)輸入到訓(xùn)練好的對(duì)應(yīng)于該組驗(yàn)證數(shù)據(jù)的神經(jīng)網(wǎng)絡(luò)中，這樣便可以由網(wǎng)絡(luò)輸出相應(yīng)的輸出數(shù)據(jù)，隨后計(jì)算驗(yàn)證數(shù)據(jù)中的數(shù)據(jù)數(shù)據(jù)與神經(jīng)網(wǎng)絡(luò)的輸出數(shù)據(jù)的誤差標(biāo)準(zhǔn)差，由此便得到了對(duì)應(yīng)于該組驗(yàn)證數(shù)據(jù)的誤差數(shù)據(jù)。得到k組誤差數(shù)據(jù)后，在步驟s103中根據(jù)k組誤差數(shù)據(jù)計(jì)算各組網(wǎng)絡(luò)參數(shù)的權(quán)重。本實(shí)施例中，優(yōu)選地通過(guò)分別將步驟s102中所得到的k組誤差數(shù)據(jù)的倒數(shù)進(jìn)行歸一化來(lái)計(jì)算各組驗(yàn)證數(shù)據(jù)的權(quán)重。其中，如果驗(yàn)證數(shù)據(jù)的誤差數(shù)據(jù)越小，那么該組驗(yàn)證數(shù)據(jù)的權(quán)重就將越大。具體地，本實(shí)施例中，各組驗(yàn)證數(shù)據(jù)的權(quán)重可以通過(guò)如下表達(dá)式計(jì)算得到：其中，λj和ej分別表示第j組驗(yàn)證數(shù)據(jù)的權(quán)重和誤差數(shù)據(jù)。得到各組驗(yàn)證數(shù)據(jù)的權(quán)重后，在步驟s104中便可以利用這些權(quán)重對(duì)k組網(wǎng)絡(luò)參數(shù)進(jìn)行加權(quán)平均，從而得到優(yōu)化后的網(wǎng)絡(luò)參數(shù)，進(jìn)而得到優(yōu)化后的神經(jīng)網(wǎng)絡(luò)，該優(yōu)化后的神經(jīng)網(wǎng)絡(luò)即為所需要構(gòu)建的油藏開(kāi)發(fā)效果預(yù)測(cè)模型。本實(shí)施例中，優(yōu)化后的網(wǎng)絡(luò)參數(shù)n可以根據(jù)如下表達(dá)式計(jì)算得到：其中，nj表示對(duì)應(yīng)于第j組驗(yàn)證數(shù)據(jù)的網(wǎng)絡(luò)參數(shù)。實(shí)施例二：圖3示出了本實(shí)施例所提供的構(gòu)建油藏開(kāi)發(fā)效果預(yù)測(cè)模型的流程圖。如圖3所示，本實(shí)施例所提供的方法首先在步驟s301中將已知油藏開(kāi)發(fā)數(shù)據(jù)劃分為k組，從而得到k組數(shù)據(jù)。本實(shí)施例中，自然數(shù)k優(yōu)選地配置為4。當(dāng)然，在本發(fā)明的其他實(shí)施例中，根據(jù)實(shí)際需要，k還可以配置為其他合理的自然數(shù)(例如[5，10]中的合理值等)，本發(fā)明不限于此。在步驟s302中將初始神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)參數(shù)設(shè)置為隨機(jī)數(shù)，并將初始誤差數(shù)據(jù)設(shè)置為無(wú)窮大，并在步驟s303中將外循環(huán)標(biāo)志位i設(shè)置為0，內(nèi)循環(huán)標(biāo)志位k設(shè)置為1。在步驟s304中，利用第i輪的平均網(wǎng)絡(luò)參數(shù)作為第i+1輪中神經(jīng)網(wǎng)絡(luò)的初始值，將第k組數(shù)據(jù)作為驗(yàn)證數(shù)據(jù)計(jì)算此時(shí)該組驗(yàn)證數(shù)據(jù)的第二誤差數(shù)據(jù)。本實(shí)施例中，在步驟s304中，對(duì)于各組驗(yàn)證數(shù)據(jù)而言，在計(jì)算對(duì)應(yīng)的第二誤差數(shù)據(jù)時(shí)，首先將驗(yàn)證數(shù)據(jù)中的輸入數(shù)據(jù)輸入到神經(jīng)網(wǎng)絡(luò)中，這樣便可以由網(wǎng)絡(luò)輸出相應(yīng)的輸出數(shù)據(jù)，隨后計(jì)算驗(yàn)證數(shù)據(jù)中的數(shù)據(jù)數(shù)據(jù)與神經(jīng)網(wǎng)絡(luò)的輸出數(shù)據(jù)的誤差標(biāo)準(zhǔn)差，由此便得到了對(duì)應(yīng)于該組驗(yàn)證數(shù)據(jù)的第二誤差數(shù)據(jù)。在步驟s305中，將k組數(shù)據(jù)中除第k組數(shù)據(jù)外的其他數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)來(lái)對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，從而得到第i+1輪中對(duì)應(yīng)于第k組驗(yàn)證數(shù)據(jù)的臨時(shí)網(wǎng)絡(luò)參數(shù)。同時(shí)，基于與步驟s304相同的原理，同樣可以計(jì)算得到第i+1輪中對(duì)應(yīng)于第k組驗(yàn)證數(shù)據(jù)的第一誤差數(shù)據(jù)。在步驟s306中，將步驟s305中所得到的第k組驗(yàn)證數(shù)據(jù)的第一誤差數(shù)據(jù)與步驟s304中所得到的第k組驗(yàn)證數(shù)據(jù)的第二誤差數(shù)據(jù)進(jìn)行比較。如果步驟s305中所得到的第k組驗(yàn)證數(shù)據(jù)的第一誤差數(shù)據(jù)大于s304中所得到的第k組驗(yàn)證數(shù)據(jù)的第二誤差數(shù)據(jù)，那么則表示由上一輪的網(wǎng)絡(luò)參數(shù)確定出的第k組驗(yàn)證數(shù)據(jù)的誤差數(shù)據(jù)較優(yōu)，因此此時(shí)在步驟s307中將上一輪的網(wǎng)絡(luò)參數(shù)和對(duì)應(yīng)的誤差數(shù)據(jù)作為本輪的結(jié)果，即將第i輪第k組驗(yàn)證數(shù)據(jù)的網(wǎng)絡(luò)參數(shù)ni,k和對(duì)應(yīng)的誤差數(shù)據(jù)ei,k作為第i+1輪第k組驗(yàn)證數(shù)據(jù)的網(wǎng)絡(luò)參數(shù)ni+1,k和對(duì)應(yīng)的誤差數(shù)據(jù)ei+1,k。即存在：ni+1,k＝ni,k(3)ei+1,k＝ei,k(4)如果步驟s305中所得到的第k組驗(yàn)證數(shù)據(jù)的第一誤差數(shù)據(jù)小于或等于s304中所得到的第k組驗(yàn)證數(shù)據(jù)的第二誤差數(shù)據(jù)，那么則表示由上一輪的網(wǎng)絡(luò)參數(shù)確定出的第k組驗(yàn)證數(shù)據(jù)的誤差數(shù)據(jù)較差，因此此時(shí)在步驟s308中將步驟s305中得到的臨時(shí)網(wǎng)絡(luò)參數(shù)和第一誤差數(shù)據(jù)作為第i+1輪第k組驗(yàn)證數(shù)據(jù)的最終網(wǎng)絡(luò)參數(shù)ni+1,k和對(duì)應(yīng)的誤差數(shù)據(jù)ei+1,k。隨后在步驟s309中判斷k是否小于或等于k。如果k小于或等于k，那么則表明k組訓(xùn)練數(shù)據(jù)沒(méi)有遍歷完成，因此令k＝k+1后進(jìn)入下一循環(huán)；否則表明k組訓(xùn)練數(shù)據(jù)遍歷完成，此輪內(nèi)循環(huán)結(jié)束，此時(shí)將執(zhí)行步驟s310，以根據(jù)各組驗(yàn)證數(shù)據(jù)的誤差數(shù)據(jù)計(jì)算第i+1輪中各組驗(yàn)證數(shù)據(jù)的權(quán)重，并根據(jù)權(quán)重和對(duì)應(yīng)于各組驗(yàn)證數(shù)據(jù)的網(wǎng)絡(luò)參數(shù)計(jì)算第i+1輪的平均網(wǎng)絡(luò)參數(shù)。本實(shí)施例中，在步驟s310中優(yōu)選地通過(guò)分別將所得到的k組誤差數(shù)據(jù)的倒數(shù)進(jìn)行歸一化來(lái)計(jì)算各組驗(yàn)證數(shù)據(jù)的權(quán)重。其中，如果驗(yàn)證數(shù)據(jù)的誤差數(shù)據(jù)越小，那么該組驗(yàn)證數(shù)據(jù)的權(quán)重就將越大。具體地，本實(shí)施例中，各組驗(yàn)證數(shù)據(jù)的權(quán)重可以通過(guò)如下表達(dá)式計(jì)算得到：其中，λi+1,k表示第i+1輪中對(duì)應(yīng)于第k組驗(yàn)證數(shù)據(jù)的網(wǎng)絡(luò)參數(shù)的權(quán)重，ei+1,k表示第i+1輪中對(duì)應(yīng)于第k組驗(yàn)證數(shù)據(jù)的誤差數(shù)據(jù)。得到各組網(wǎng)絡(luò)參數(shù)的權(quán)重后，在步驟s310中便可以利用這些權(quán)重對(duì)k組網(wǎng)絡(luò)參數(shù)進(jìn)行加權(quán)平均，從而得到第i+1輪中優(yōu)化后的網(wǎng)絡(luò)參數(shù)，即第i+1輪的平均網(wǎng)絡(luò)參數(shù)。本實(shí)施例中，第i+1輪優(yōu)化后的網(wǎng)絡(luò)參數(shù)ni+1可以根據(jù)如下表達(dá)式計(jì)算得到：為了判斷是否達(dá)到預(yù)設(shè)迭代終止條件，本實(shí)施例所提供的方法在步驟s311中判斷第i+1輪的各組網(wǎng)絡(luò)參數(shù)的權(quán)重是否與i輪的各組網(wǎng)絡(luò)參數(shù)均對(duì)應(yīng)相等。如果相等，則表明第i+1輪的所有臨時(shí)網(wǎng)絡(luò)參數(shù)都不如上一循環(huán)中得到的平均網(wǎng)絡(luò)參數(shù)優(yōu)秀，因此可以直接跳出并執(zhí)行步驟s313。而如果不相等，則在步驟s312中進(jìn)一步判斷是否達(dá)到預(yù)設(shè)迭代次數(shù)，即是否滿足i＜i。如果i＜i，則表明當(dāng)前迭代沒(méi)有達(dá)到預(yù)設(shè)迭代次數(shù)，因此令i＝i+1后返回步驟s304以進(jìn)行下一輪迭代；否則表明此時(shí)達(dá)到預(yù)設(shè)迭代次數(shù)，那么此時(shí)將終止迭代并執(zhí)行步驟s313。在步驟s313中，將第i+1輪的品滾挽留過(guò)參數(shù)作為最終優(yōu)化后的網(wǎng)絡(luò)參數(shù)，從而實(shí)現(xiàn)油藏開(kāi)發(fā)效果預(yù)測(cè)模型的構(gòu)建。為了更加清楚地表明本實(shí)施例所提供的方法的原理、實(shí)現(xiàn)過(guò)程以及優(yōu)點(diǎn)，以下以塔河油田縫洞型油藏40口注氣井為例進(jìn)行說(shuō)明。以塔河油田縫洞型油藏40口注氣井為例。在利用本實(shí)施例所提供的k折雙循環(huán)神經(jīng)網(wǎng)絡(luò)訓(xùn)練方法進(jìn)行注氣提高開(kāi)發(fā)效果預(yù)測(cè)前，首先要確定預(yù)測(cè)指標(biāo)體系、訓(xùn)練樣本的量化數(shù)據(jù)。注氣井的地質(zhì)背景、注氣前開(kāi)采狀況、注氣參數(shù)及周期產(chǎn)油量等動(dòng)、靜態(tài)資料，構(gòu)建了如表1所示的預(yù)測(cè)指標(biāo)體系。其中，儲(chǔ)集體類型、底水能量、井儲(chǔ)關(guān)系、是否過(guò)通源大斷裂、儲(chǔ)量規(guī)模、注氣前采出程度、注氣量等作為輸入?yún)?shù)，周期注氣量作為輸出參數(shù)。表1將40口注氣井的預(yù)測(cè)指標(biāo)，按照下列方法進(jìn)行量化：①儲(chǔ)集體類型：溶洞型儲(chǔ)集體賦值1，裂縫-孔洞型儲(chǔ)集體賦值0.5。②井儲(chǔ)關(guān)系：位于儲(chǔ)集體上部賦值1/4，位于儲(chǔ)集體中部賦值1/2，位于儲(chǔ)集體下部賦值3/4。③是否過(guò)通源大斷裂：過(guò)通源大斷裂賦值為1，不過(guò)通源大斷裂賦值為0.5。④底水能量、儲(chǔ)量規(guī)模和采出程度均通過(guò)油藏工程方法計(jì)算得出。⑤注氣量為實(shí)際注氣施工數(shù)據(jù)。⑥周期產(chǎn)油量為注氣井在一個(gè)注氣周期內(nèi)的實(shí)際產(chǎn)油量。40口注氣井的預(yù)測(cè)指標(biāo)的量化結(jié)果見(jiàn)表2。表2在準(zhǔn)備好訓(xùn)練樣本數(shù)據(jù)的基礎(chǔ)上，利用本實(shí)施例所提供的k折雙循環(huán)神經(jīng)網(wǎng)絡(luò)訓(xùn)練方法進(jìn)行注氣提高開(kāi)發(fā)效果預(yù)測(cè)，及具體步驟如下：(1)對(duì)數(shù)據(jù)樣本進(jìn)行分組選取th10104井作為預(yù)測(cè)樣本，其余39口井作為訓(xùn)練樣本。首先設(shè)定k折份數(shù)為4份，校驗(yàn)次數(shù)5次，隱藏層數(shù)5層，每層節(jié)點(diǎn)數(shù)30個(gè)，訓(xùn)練次數(shù)20000次。將所有已知數(shù)據(jù)隨機(jī)分為4組，即設(shè)定k折參數(shù)為4。其中一種分組方式如表3所示：表3其中，第一組內(nèi)的已知數(shù)據(jù)為9口井，其余每組內(nèi)的已知數(shù)據(jù)都為10口井。(2)k折循環(huán)訓(xùn)練步驟1選取其中第一組數(shù)據(jù)作為驗(yàn)證組，以其他三組數(shù)據(jù)作為訓(xùn)練組，可以訓(xùn)練得到一個(gè)階段性神經(jīng)網(wǎng)絡(luò)的中間值。表4驗(yàn)證樣本組組1訓(xùn)練樣本組組2，組3，組4本次訓(xùn)練結(jié)果神經(jīng)網(wǎng)絡(luò)n1.1其中n1.1代表本次迭代訓(xùn)練出來(lái)的網(wǎng)絡(luò)參數(shù)的組合。(3)k折循環(huán)訓(xùn)練步驟2其次選取其中第二組數(shù)據(jù)作為驗(yàn)證組，以其他三組數(shù)據(jù)作為訓(xùn)練組，可以訓(xùn)練得到另一個(gè)階段性神經(jīng)網(wǎng)絡(luò)的中間值。表5其中n1.2代表本次迭代第二次訓(xùn)練出來(lái)的神經(jīng)網(wǎng)絡(luò)參數(shù)的組合。以此類推完成所有4折循環(huán)訓(xùn)練過(guò)程，得到n1.1，n1.2，n1.3，n1.4四個(gè)參數(shù)。(4)分別計(jì)算誤差數(shù)據(jù)通過(guò)k折分組訓(xùn)練，可以得到本次迭代的全部階段性神經(jīng)網(wǎng)絡(luò)參數(shù)：n1.1，n1.2，n1.3，n1.4。然后分別使用對(duì)應(yīng)的驗(yàn)證樣本組，計(jì)算擬合誤差的均方值。表6驗(yàn)證樣本組神經(jīng)網(wǎng)絡(luò)參數(shù)預(yù)測(cè)誤差的均方值組1n1.1e1.1組2n1.2e1.2組3n1.3e1.3組4n1.4e1.4(5)神經(jīng)網(wǎng)絡(luò)的加權(quán)平均根據(jù)分別計(jì)算的臨時(shí)神經(jīng)網(wǎng)絡(luò)的均方誤差，加權(quán)平均得到本次循環(huán)的迭代綜合網(wǎng)絡(luò)參數(shù)：(6)迭代尋優(yōu)將加權(quán)平均后的神經(jīng)網(wǎng)絡(luò)重新作為網(wǎng)絡(luò)初值，帶入下一個(gè)輪次的第k折循環(huán)訓(xùn)練過(guò)程?？梢缘玫綄?duì)應(yīng)于第k組訓(xùn)練數(shù)據(jù)的新的神經(jīng)網(wǎng)絡(luò)臨時(shí)參數(shù)n2,k。經(jīng)過(guò)與對(duì)應(yīng)的驗(yàn)證組測(cè)試后，容易得到新的預(yù)測(cè)誤差的均方值e2,k。對(duì)本次計(jì)算所得的均方誤差與上一輪次的均方誤差進(jìn)行對(duì)比，如果e2,k＜e1,k，則說(shuō)明本次迭代中第k折的循環(huán)訓(xùn)練過(guò)程找到了更優(yōu)的神經(jīng)網(wǎng)絡(luò)參數(shù)，可以直接將n2,k作為本次尋優(yōu)的結(jié)果；如果e2,k≥e1,k，則說(shuō)明本次迭代中第k折的循環(huán)過(guò)程沒(méi)有找到更優(yōu)的神經(jīng)網(wǎng)絡(luò)參數(shù)，因此直接使用上個(gè)迭代循環(huán)的計(jì)算結(jié)果覆蓋本次尋優(yōu)過(guò)程，即n2,k＝n1,k，e2,k＝e1,k。(7)迭代跳出如果完成本次迭代過(guò)程中所有k折循環(huán)過(guò)程中的計(jì)算，需要判斷是否滿足跳出條件。即是否所有的臨時(shí)誤差數(shù)據(jù)與上一迭代的誤差數(shù)據(jù)都對(duì)應(yīng)相同，這說(shuō)明 所有的臨時(shí)網(wǎng)絡(luò)參數(shù)都不如上個(gè)迭代過(guò)程中加權(quán)平均的結(jié)果更優(yōu)，因此可以直接跳出?；蛘呷绻h(huán)的次數(shù)超過(guò)預(yù)先設(shè)定的最大值，則直接跳出。在本次實(shí)例中，滿足迭代跳出條件后的k折雙循環(huán)神經(jīng)網(wǎng)絡(luò)的訓(xùn)練，可以得到訓(xùn)練結(jié)果的誤差為0.01285。(8)最終效果預(yù)測(cè)根據(jù)前文所述k雙循環(huán)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)參數(shù)，可以對(duì)未來(lái)擬采用注氣增油方案的井進(jìn)行增產(chǎn)效果預(yù)測(cè)。以th10104井為例，本次k折雙循環(huán)神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)周期產(chǎn)油量結(jié)果與實(shí)際值進(jìn)行對(duì)比，結(jié)果如表7所示，其相對(duì)誤差為2.05％。由此可以看出利用本實(shí)施例所提供的方法構(gòu)建的預(yù)測(cè)模型所得到的預(yù)測(cè)結(jié)果較為準(zhǔn)確，可靠性高，其能夠?qū)ΦV場(chǎng)注氣選井起到重要的指導(dǎo)作用。表7實(shí)際周期產(chǎn)油量，t預(yù)測(cè)周期產(chǎn)油量，t相對(duì)誤差，％777.3761.42.05從上述描述中可以看出，本發(fā)明利用k折雙循環(huán)神經(jīng)網(wǎng)絡(luò)訓(xùn)練方法構(gòu)建得到了縫洞型油藏的單井注氣提高開(kāi)發(fā)效果的預(yù)測(cè)模型，并通過(guò)所訓(xùn)練的神經(jīng)網(wǎng)絡(luò)參數(shù)對(duì)單井注氣提高開(kāi)發(fā)效果實(shí)現(xiàn)了有效預(yù)測(cè)。該方法以神經(jīng)網(wǎng)絡(luò)訓(xùn)練結(jié)果的標(biāo)準(zhǔn)差作為加權(quán)平均的權(quán)重，對(duì)加權(quán)平均后的神經(jīng)網(wǎng)絡(luò)參數(shù)進(jìn)行反饋驗(yàn)證，并將上一個(gè)迭代過(guò)程的平均參數(shù)作為初值引入下一個(gè)神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過(guò)程，大大加快了收斂速度。本發(fā)明的實(shí)際工程價(jià)值在于可以充分利用少量已有注氣井的數(shù)據(jù)進(jìn)行訓(xùn)練，以任意精度逼近特定的非線性復(fù)雜函數(shù)，獲得較高的訓(xùn)練精度，從而避免了傳統(tǒng)bp神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法特有的多解性，能夠有效預(yù)測(cè)待注氣井的注氣效果。與傳統(tǒng)bp神經(jīng)網(wǎng)絡(luò)算法相比，本發(fā)明所提供的方法能夠?qū)崿F(xiàn)樣本的復(fù)用，其能夠充分利用有限的樣本數(shù)據(jù)，在不同角度實(shí)現(xiàn)訓(xùn)練和估計(jì)。同時(shí)，由于各組網(wǎng)絡(luò)參數(shù)的權(quán)重是網(wǎng)絡(luò)預(yù)測(cè)標(biāo)準(zhǔn)差的倒數(shù)，因此本方法能夠利用加權(quán)平均的方式避免了多解問(wèn)題。本方法將將加權(quán)平均后的網(wǎng)絡(luò)參數(shù)反饋到新的計(jì)算流程中，作為下個(gè)循環(huán)的初值，實(shí)現(xiàn)網(wǎng)絡(luò)生成過(guò)程中的協(xié)同記憶。同時(shí)，本方法還能夠避免陷入局部次優(yōu)解，其能夠在不滿足外循環(huán)標(biāo)準(zhǔn)差門限時(shí)，恢復(fù)用隨機(jī)網(wǎng)絡(luò)值作為初值，實(shí)現(xiàn)進(jìn)化迭代。此外，本方法的同分組計(jì)算過(guò)程不存在依賴關(guān)系，這樣也就可以容易的將算法進(jìn)行并行化，從而提高計(jì)算效率。應(yīng)該理解的是，本發(fā)明所公開(kāi)的實(shí)施例不限于這里所公開(kāi)的特定處理步驟，而應(yīng)當(dāng)延伸到相關(guān)領(lǐng)域的普通技術(shù)人員所理解的這些特征的等同替代。還應(yīng)當(dāng)理解的是，在此使用的術(shù)語(yǔ)僅用于描述特定實(shí)施例的目的，而并不意味著限制。說(shuō)明書(shū)中提到的“一個(gè)實(shí)施例”或“實(shí)施例”意指結(jié)合實(shí)施例描述的特定特征、結(jié)構(gòu)或特性包括在本發(fā)明的至少一個(gè)實(shí)施例中。因此，說(shuō)明書(shū)通篇各個(gè)地方出現(xiàn)的短語(yǔ)“一個(gè)實(shí)施例”或“實(shí)施例”并不一定均指同一個(gè)實(shí)施例。雖然上述示例用于說(shuō)明本發(fā)明在一個(gè)或多個(gè)應(yīng)用中的原理，但對(duì)于本領(lǐng)域的技術(shù)人員來(lái)說(shuō)，在不背離本發(fā)明的原理和思想的情況下，明顯可以在形式上、用法及實(shí)施的細(xì)節(jié)上作各種修改而不用付出創(chuàng)造性勞動(dòng)。因此，本發(fā)明由所附的權(quán)利要求書(shū)來(lái)限定。當(dāng)前第1頁(yè)12