基于BP神经网络的产水气井井底流压计算模型

HE Dong,LIU Shijie,YANG Yuguang,ZHANG Mingming,XIAO Huaqi, YE Chao

Well Testing（2023）

引用 0|浏览1

暂无评分

摘要

产水气井井底流压主要采用测试与计算方法获取,其中测试方法成本较高,而计算方法对产水的气井适应性差.通过对产水气井的井筒管流方程进行分析,筛选出影响井底流压的参数;采用Pearson相关法,确定影响井底流压的4个主要参数.根据参数特点,构建了基于BP神经网络的井底流压预测模型,输入神经元4个,输出神经元1个,隐含层神经元4～13个.收集国内某气田108口产水气井资料,对BP神经网络模型进行训练,并使用10组实测数据进行模型精度验证.结果显示,该模型预测数据与实测数据相关系数达0.993,10组验证数据相对误差在10％以内,平均相对误差仅4.6％,预测效果较好,具有较好的实用与推广价值.

查看译文

关键词

BP neural network based model,water-producing gas well,BHFP,pressure prediction,Pearson correlation method,predicted data,measured data,correlation coefficient

AI 理解论文

溯源树

样例

生成溯源树，研究论文发展脉络

Chat Paper

正在生成论文摘要