随着我国经济的持续发展,能源供应日趋紧张,尤其是对石油的需求更是与日俱增,石油供给已成为经济发展的命脉所系。油田生产实践和理论研究结果表明,储集层损害对油田开发将产生严重的不利影响,直接危及油田企业发展和石油资源供给。如何及时有效地对储集层损害进行诊断和保护已成为油田生产管理决策中的关键问题。由于油层损害的原因非常复杂,不确定性较高,传统的人工分析解释方法准确性偏低,引入智能决策支持方法,建立储集层损害诊断决策支持系统,是提高储集层诊断决策效能的必然途径。 本文研究认为,储集层损害的诊断及评价实质上是复杂管理决策问题的求解,需要科学高效的决策支持工具。智能决策支持系统可以存储大量的历史数据、模型以及预先存储和后续学习的专家知识,利用模型对问题进行分析计算,可以模拟人的思维过程对问题进行推理,具有知识、模型、数据存储量大,可自我学习,工作效率高等优点。建立储集层损害诊断智能决策支持系统,利用其存储的专家知识辅助分析储集层损害的类型及原因,通过改善措施效果预测模型选择地层改善方法,可以提高储集层诊断和保护的准确性和决策效率,为油田生产管理决策科学化直接提供有力的手段和工具,同时在实践中丰富了管理科学理论和方法,为其他领域管理问题的科学决策提供了借鉴。 为了实现对储集层损害诊断的智能决策支持,本文在储集层损害机理及影响因素分析的基础上,分别对基于神经网络、基于模糊推理网络的储集层损害评价方法及基于智能计算的决策支持模型进行了重点研究,并完成了储集层损害诊断决策支持系统的设计、集成和系统实现。 在基于神经网络的储集层损害评价方法研究方面,建立了基于前馈神经网络的储集层损害诊断模型和决策支持系统结构,提出了基于遗传—超线性