1.一种注水油井注水量动态预测方法,其特征在于:所述预测方法包括以下步骤:
步骤一、对各地层参量进行空白值填充,构建合理的地层参量;
各地层参量空白参量的填充方法如下:
某地层参量 其中 和
代表空白值,k1为第1个空白值前一元素的序号,k2为第2个空白值前一元素的序号,n为地层参量M0拥有的元素数,m0(i)是地层参量M0的第i项;
填充方法如下:
式中, 为 的填充值,β1为 的乘性修正因子,β2为 的加性修正因子,β1、β2计算方法如下:
T ‑1 T
[β1,β2]=(A12A12) A12A11
式中,
(0)
A11为 求解中间矩阵,A12为 解中间扩展矩阵,a (j1)为 求解序列一次累加的第j1项,j1为 求解序列一次累加序号,i1为 求解序列中间序号;
填充方法如下:
式中, 为 的填充值,β3为 的乘性修正因子,β4为 的加性修正因子,β3、β4计算方法如下:
T ‑1 T
[β3,β4]=(A22A22) A22A21
式中,
(0)
A21为 求解中间矩阵,A22为 解中间扩展矩阵,m (j2)为 求解序列一次累加的第j2项,j2为 求解序列一次累加序号,i2为 求解序列中间序号;
步骤二、建立地层参量与注水量关联提取模型,提取决定注水量的主控地层参量;
建立地层参量与注水量关联提取模型并提取影响注水量的主控地层参量的方法如下:
油田可获取的填充空白值后的地层参量如下:地层参量主要有砂岩厚度X1=(x1(1),x1(2),…,x1(i),…,x1(n)),其中x1(i)表示第i个砂岩厚度;层渗透率X2=(x2(1),x2(2),…,x2(i),…,x2(n)),其中x2(i)表示第i个层渗透率;孔隙度X3=(x3(1),x3(2),…,x3(i),…,x3(n)),其中x3(i)表示第i个孔隙度;地层系数X4=(x4(1),x4(2),…,x4(i),…,x4(n)),其中x4(i)表示第i个地层系数;注入压力X5=(x5(1),x5(2),…,x5(i),…,x5(n)),其中x5(i)表示第i个注入压力;地层压力X6=(x6(1),x6(2),…,x6(i),…,x6(n)),其中x6(i)表示第i个地层压力;有效厚度X7=(x7(1),x7(2),…,x7(i),…,x7(n)),其中x7(i)表示第i个有效厚度;油饱和度X8=(x8(1),x8(2),…,x8(i),…,x8(n)),其中x8(i)表示第i个油饱和度;油层改造系数X9=(x9(1),x9(2),…,x9(i),…,x9(n)),其中x9(i)表示第i个油层改造系数;井距系数X10=(x10(1),x10(2),…,x10(i),…,x10(n)),其中x10(i)表示第i个井距系数;地层参量Xi与注水量X0=(x0(1),x0(2),…,x0(n))关联提取模型,其表达式如下:
γi(Xi,X0)>θ
式中,θ为影响注水量X0的主控因素灰关联阈值;
如果地层参量Xi与注水量X0的灰色关联度γi(Xi,X0)满足上式,则认为地层参量Xi是影响注水量X0的主控地层参量之一;γi(Xi,X0)的表达式如下:
式中,k为注水量与地层参量关联度计算中间变量,ξ为地层参量灰关联分辨系数;
依据地层参量与注水量关联提取模型,提取影响注水量的有效地层参量,总计有效地层参量为l个,Yz是第z个影响注水量的主控地层参量,其表达式如下:
Yz=(yz(1),yz(2),…,yz(s),…,yz(n)),其中z为提取的有效地层参量序号,Yz是第z个影响注水量的有效地层参量,yz(s)是第z个影响注水量的有效地层参量的第s个分量;
步骤三:规一化主控地层参量与注水量的灰关联度,建立注水油井注水量灰智能预测模型;
规一化主控地层参量与注水量的灰关联度计算方法和建立注水油井注水量灰智能预测模型方法如下:
式中, 为注水主控参量Yz与X0的归一化灰关联度,c为规一化灰关联度计算中间变量;
注水油井注水量预测模型如下:
式中, 为注水量预测值, 依据影响注水量的主控地层参量Yz预测的影响注水量,的表达式如下:
式中,ηz为依据主控地层参量Yz采用DGM模型获取的注水量预测值权值系数, 为依据主控地层参量Yz采用DGM(1,1)模型获取的注水量预测值, 为依据主控地层参量Yz采用NDGM(1,1)模型获取的注水量预测值;
建立含有ηz的无约束优化求解模型如下:
通过最小二乘法获得ηz;
步骤四、依据油田实际注水试验修正注水油井注水量灰智能预测模型;
依据油田实际注水试验修正注水油井注水量灰智能预测模型的方法如下:
采用油田实际注水试验数据修正注水油井注水量预测模型,修正后的模型如下:
式中, 为修正后的注水量,λ为注水油井注水量乘性修正因子,b为注水油井注水量加性修正因子,λ和b可依据油田实际注水试验数据和预测数据采用最小二乘法获得。