基于RBF神经网络的井筒流动工况预测

摘要：

川西气田气井普遍产水,对气井稳产影响较大.及时掌握气井井筒流动工况可以判断气井积液情况,指导排水采气措施的制定.常规地采用井下压力计的气井工况判断方法存在时效性差、成本较高等缺点,而常规两相流理论对于不能连续携液气井压力分布预测亦存在较大偏差.通过搜集大量气井生产数据和流压测试资料训练形成了基于RBF神经网络的井筒流动工况预测模型,RBF网络具有结构自适应性,输出不依赖于初始权值的特性,15口井预测结果与实际结果符合率为86.67％,表明应用神经网络模型预测气井井筒流动工况较为可靠,可以用来指导生产.

关键词：神经网络、流动工况、气井积液、排水采气

所属期刊栏目：8

分类号：TE319(油气田开发与开采)

资助基金：国家科技重大专项"低压低产气藏复杂结构井排水采气关键技术"2016ZX05048-004-004

在线出版日期：2019-01-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：28-32