一种基于变权重模糊识别的调驱效果预测方法

王艳红

（中海油服油田生产事业部，天津 300459）

随着越来越多的油田进入中高含水期，长期注水冲刷使得油藏非均质性日趋严重，优势渗流通道急剧发育，油田开发效果受到影响。在这样的开发现状下，调驱成为提高采收率的重要措施。而想要提高调驱措施的针对性和有效率，必须在实施前进行效果预测。

目前调驱效果预测技术有数值模拟，经验公式、类比法几大类[1-4]，其中数值模拟法是运用数学和计算机手段建立数学模型和数值模型进行效果预测，应用比较广泛，但是需要的油藏参数多，花费的时间比较长；经验公式法是对已经实施过的措施井的情况进行归纳总结，提炼出通用的解析或半解析预测公式的方法，通常考虑的参数少，并且适用性比较差；模糊数学方法通常是运用模糊或统计数学的手段，比较目标井和已经采取过措施的井在油藏物性和开发状况的相似程度来推测调驱效果。该方法对样本的数量和质量要求高，且不同的工作场景适合不同的数学方法。本文采用灰色理论系统对地质油藏影响因素和评价指标进行关联度计算，并且把关联度作为权重引入模糊模式识别方法中进行调驱预测，提高了小样本条件下预测精度。

1 主控因素分析

采用灰色关联分析法[5]对地质油藏影响因素和评价指标发展趋势的相似或相异程度进行计算，衡量并描述其间的关联程度。其步骤主要包括原始序列的确定、原始数据的处理、关联系数的计算及关联度计算和排序等。

原始序列的确定：根据经验和数据收集的难易程度，选取的自变量包括储层参数：碾平地层系数、渗透率变异系数、孔喉直径、井组平均井距；生产状况：井组含水率、措施前充满度、注入压力；施工参数：封窜段塞用量、调驱段塞用量、药剂总量、体系平均浓度。其中碾平地层系数取井控制范围内油水井平均渗透率和平均有效厚度的乘积，用以表征井组的储层物性；渗透率变异系数根据调驱设计实际情况分别取层间渗透率变异系数或者平面渗透率变异系数，该参数可以反映井控区域的非均质程度。以上因素相互独立又互相影响，共同影响着增油量、井组含水下降率、有效期等因变量评价指标。

本文以秦皇岛油田S区块为例，选取增油量为因变量，共收集到的13口调驱井，建立原始序见表1。

表1 秦皇岛油田S区块调驱井组参数表

为了消除原始数据中各因素数值大小和变化范围的不同，应用均值无量纲化方法进行归一化处理：对每一个影响因素和评价指标之间进行单因素分析，确定在该样本集中仅井组含水与评价指标更接近负相关，适用下降型函数模型，其他影响因素均适用上升型函数模型。然后采用邓氏关联度计算方法（分辨率系数取0.5）进行关联系数计算和关联度计算，计算结果见图1。研究表明，渗透率变异系数对措施增油量影响比较大，其次是初始充满度、碾平地层系数、体系总用量，井组平均井距对增油效果影响不大。

图1 各影响因素关联度

2 模糊模式识别预测方法

模糊模式识别[6]是利用模糊集理论，根据最大贴近度原则进行分类识别。数学模型为：

设u1，u2…，un是域U上的n个模糊子集，ux是U中的某一个元素，若有i∈(1，2……n)，使得

则认为ux和ui最贴近，即可判定ux相对归属于ui。N为贴进度。

常见的贴近度有Hamming贴近度、Euclid贴近度、格贴进度等。这些贴进度都是对称性贴近度，即每个模糊子集ui(ui1,ui2…,uim)中的元素权重相等。为了提高主控影响因素对预测结果的影响程度，本文提出一种非对称性贴近度公式来替代常见的贴近度计算：

其中ωj为ui第j个元素的权重，该权重可引用前文中的灰色关联方法计算结果，或者利用层次分析方法进行专家评判得到该数值。另外，在小样本条件下为了避免绝对分类造成的误差过大，建议取贴近度前列的样本，进行加权平均预测。

应用该方法到上述实例中进行验证，首先根据主控影响因素分析，取关联度前6的影响因素作为样本，即m=6，对关联度进行标准化，W(ω1,1ω1…,ω6)=（0.163，0.371，0.08，0.195，0.148，0.04），分别 是渗透率变异系数、初始充满度、碾平地层系数、体系总用量、井组含水率、体系平均浓度的权重。除去评价指标最大和最小的两个边界样本W4和W11，其他样本分别抽取出来作为测试样本进行计算，计算结果见表2。

11口井中有7口井预测结果在10%以内，且由雷达图2可以看出，变权重的预测方式与等权重预测方式趋势相同，且误差率更低。

3 结论

1）利用灰色关联理论对秦皇岛油田S区块调驱井以井组增油量为评价指标，进行了主控因素分析。研究表明，渗透率变异系数对措施增油量影响比较大，其次是初始充满度、碾平地层系数、体系总用量，井组平均井距对增油效果影响不大。

2）以灰色关联度为基础，创建非对称贴进度计算公式，从而建立一种基于变权重模糊识别的调驱预测方法。经过实际应用，该方法预测结果较等权重预测方式误差率更低。