CN105003256A - 一种基于改进熵权法的油水井酸化选井或选层方法 - Google Patents

Abstract

一种基于改进熵权法的油水井酸化选井或选层方法，设置影响油水井酸化效果评价指标的评价矩阵；初始评价矩阵中原始数据出现负值,采用所有数据坐标整体平移法消除负值的影响，建立修正后的指标评价矩阵；根据修正后的指标评价矩阵重新建立修正后的指标标准评价矩阵，利用熵权法确定指标权值；分析预选酸化井/层的相对接近度，用距离综合法实现油水井酸化选井/层；本发明以权值的形式考虑了影响油水井酸化效果的不同指标的相对重要程度，从多个角度对油水井酸化效果进行综合分析，将电影响油水井酸化效果的不同性质和不同量纲的指标综合成相对接近度指标，根据该指标值的大小进行油水井酸化效果评价，实现油水井酸化选井/层。

Description

一种基于改进熵权法的油水井酸化选井或选层方法

技术领域

本发明涉及一种油水井酸化选井/层的方法，特别涉及一种基于改进熵权法的油水井酸化选井或选层方法。

背景技术

油水井酸化是油气藏常用的增产、增注措施之一，其中选井、选层在一定程度上决定着酸化措施的效果好坏。过去人们往往靠经验来选井、选层,认为技术人员的经验越丰富,选择越准确，而忽略了影响油水井酸化措施效果的因素是多方面的，它既包括反映储层特性方面的因素，又包括反映流体(含油)特性的因素。因此，油水井酸化措施的决策过程是一个多因素共同作用过程中。为了使油水井酸化措施的选井、选层结果更具有客观性，寻求一种计算简便、权重的确定受主观因素影响小的决策方法进行选井、选层是很有必要的。

发明内容

针对现有技术的不足，本发明的目的是提供一种基于改进熵权法的油水井酸化选井或选层方法，该方法综合考虑各种地质、工程等因素，利用熵权法计算各评价指标权值，通过距离综合法分析对预选酸化井/层进行综合评价，根据计算出的预选酸化井/层相对接近度的排序确定最优酸化井/层。

为了达到上述目的，本发明是采用下述技术方案实现的：

一种基于改进熵权法的油水井酸化选井或选层方法，包括下述步骤：

(1)设置影响油水井酸化效果评价指标的评价矩阵；评价指标包括：表皮系数、产孔隙度、渗透率层厚度、可采储量、含水饱和度、地层压力、生产压差、孔隙度和渗透率、流动系数、产量、产出程度；根据评价指标设置初始评价矩阵；

(2)初始评价矩阵中原始数据出现负值,采用所有数据坐标整体平移法消除负值的影响，建立修正后的指标评价矩阵；

(3)根据修正后的指标评价矩阵重新建立修正后的指标标准评价矩阵，利用熵权法确定指标权值；

(4)分析预选酸化井/层的相对接近度，用距离综合法实现油水井酸化选井/层。

步骤(1)所述的评价矩阵的设置具体为：

设j个响油水井酸化效果的评价指标向量为其中，m为预选油水井/层的数量，x_m1为表皮系数，x_m2为产层厚度，x_m3为可采储量，x_m4为含水饱和度，x_m5为地层压力，x_m6为生产压差，x_m7为孔隙度，x_m8为渗透率，x_m9为流动系数，x_m10为产量，x_m11为产出程度；

如果有m个酸化预选井/层，则评价矩阵表示为影响酸化效果评价指标的权重用ω表示，则权重向量为j＝11；其中，i表示预选油水井/层序号；

建立评价矩阵的表达式X＝(x_ij)_m×n，其中m为酸化预选井/层的数量，n为评价指标的数量。

所述的步骤(2)具体过程为：

若n个评价指标中原始数据出现负值，则采用所有数据坐标整体平移法消除负值的影响，标准指标值X_ij经坐标平移幅度t＝|最小负值|后变为：X_ij'＝X_ij+t；

建立平移后的指标评价矩阵的表达式X'＝(X_ij')_m×n，其中m为酸化预选井/层的数量，n为评价指标的数量。

所述的步骤(3)具体为：

如果m个评价指标中有负向指标，即指标值越小表示酸化效果越好的指标，首先进行指标同向化处理，将其转化为正向指标进行统一处理，正向指标表示指标值越大其反映的酸化效果越优；

采用式<2>和式<3>对平移后的指标评价矩阵进行标准化处理，将负向指标转化为正向指标并且将所有指标归一化；对平移后的指标评价矩阵进行标准化得：

R＝(r_ij)_m×n     <1>；

式中，r_ij——第i个评价对象在第j个评价指标上的标准值，r_ij∈[0,1]；

对于正向指标，其标准化处理为：

$r_{ij}=\frac{{x_{ij}}^{\&prime;}-\min \left\{{x_{ij}}^{\&prime;}\right\}}{\max \left\{{x_{ij}}^{\&prime;}\right\}-\min \left\{{x_{ij}}^{\&prime;}\right\}}---\&lang;2\&rang;$

对于负向指标，其标准化处理为：

$r_{ij}=\frac{\max \left\{{x_{ij}}^{\&prime;}\right\}-{x_{ij}}^{\&prime;}}{\max \left\{{x_{ij}}^{\&prime;}\right\}-\min \left\{{x_{ij}}^{\&prime;}\right\}}---\&lang;3\&rang;$

其中，r_ij为标准评价矩阵的元素；

在有n个评价指标，m个评价对象的评估问题中，第j个指标的熵h_j定义为：

$\begin{array}{cc}{h}_j=-k\underset{i=1}{\overset{m}{\&Sigma;}}{f}_{ij}{\mathrm{lnf}}_{ij}& j=1,2,3,...,n---\&lang;4\&rang;\end{array}$

式中，k＝1/lnm当f_ij＝0时，令f_ijlnf_ij＝0；f_ij表示标准化值；k表示调节系数。

那么，第j个指标的熵权w_j定义为：

$w_j=\frac{1-h_j}{n-\underset{j=1}{\overset{n}{\&Sigma;}}{h}_j}---\&lang;5\&rang;$

式中，0＜w_j＜1，

所述步骤(4)具体包括下述步骤：

步骤A、计算样本点到参考点的距离：

利用熵权法确定出的权重，根据式<6>确定加权数据矩阵

Z＝R*w       <6>

其中：R表示标准化后的评价矩阵；ω表示熵权值；

评价指标已经正向化，用所有样本中各指标的最大值构成理想样本，用各指标的最小值构成负理想样本，分别用Z⁺和Z^-表示；

定义样本点到最优点的距离为d⁺，其计算如式<7>所示：

${d_i}^{+}=\sqrt{\underset{j=1}{\overset{n}{\&Sigma;}}{\left(z_{ij}-{z_j}^{+}\right)}^2}(i=1,2,...,m)---\&lang;7\&rang;$

定义样本点到最劣点的距离为d^-，其计算如式<8>所示：

${d_i}^{-}=\sqrt{\underset{j=1}{\overset{n}{\&Sigma;}}{\left(z_{ij}-{z_j}^{-}\right)}^2},(i=1,2,...,m)---\&lang;8\&rang;$

其中：z_ij表示加权数据矩阵Z中的元素；z_j ⁺表示第j个指标的理想样本；z_j ^-表示第j个指标的负理想样本。

步骤B、计算相对接近度：

相对接近度由式<9>计算得出：

$D_i=\frac{{d_j}^{+}}{\left({d_i}^{+}+{d_i}^{-}\right)}---\&lang;9\&rang;$

根据相对接近度D_i的大小，对各评价对象进行排序；D_i越大表明评价对象与理想样本的相对距离越小，评价对象的评价结果越优。

本发明具有的有益效果是：

(1)在建立数据分析建模时，充分考虑各指标原始数据的分布范围(正、负),并严格尊重原始数据的客观性。采用所有数据坐标整体平移法消除负值的影响。

(2)提出采用熵权法计算影响油水井酸化效果的各个评价指标的权值。该方法首先根据各指标建立指标评价矩阵，采用所有数据坐标整体平移法消除负值的影响，通过对各评价指标进行标准化处理后，进而计算出各指标的权值。指标权值计算可有效避免主观因素影响，结果更加客观准确。

(3)采用熵权法确定出指标权重后，进一步采用距离综合法实现油水井酸化井/层优选，通过对计算所得各预选酸化井/层的相对接近度排序进行油水井酸化井/层优选。该方法可以充分、客观地利用已知的影响油水井酸化效果指标的信息，可进一步提高油水井酸化井/层优选的可信度。

(4)该油水井酸化选井/层方法以权值的形式考虑了不同影响油水井酸化效果指标的相对重要程度，从多个角度对各预选酸化井/层进行综合分析，将各预选酸化井/层中不同性质和不同量纲的指标综合成相对接近度指标，根据该指标值的大小实现油水井酸化井/层优选。

附图说明

附图是本发明的改进熵权法的油水井酸化选井/层方法流程图。

具体实施方式

下面结合附图对本发明的具体实施方式作进一步的详细说明。

本发明提供一种基于改进熵权法的油水井酸化选井或选层方法，该方法采用所有数据坐标整体平移法消除负值的影响，采用熵权法计算影响油水井酸化效果指标的相对权重，通过距离综合法计算得到各预选酸化井/层到最优指标样本的相对接近度，通过对计算所得相对接近度排序实实现油水井酸化井/层优选。

一种基于改进熵权法的油水井酸化选井或选层方法，该方法的流程图如附图所示，包括下述步骤：

步骤(1)、设置影响油水井酸化效果评价指标的评价矩阵；评价指标包括：表皮系数、产孔隙度、渗透率层厚度、可采储量、含水饱和度、地层压力、生产压差、孔隙度和渗透率、流动系数、产量、产出程度；根据评价指标设置初始评价矩阵；

(1)影响油水井酸化效果的指标

在油水井酸化作业过程中，选层、选井既要考虑反映储层特性的因素，又要考虑反映含油特性的因素。本次研究主要考虑以下因素：表皮系数、产层厚度、可采储量、含水饱和度、地层压力、生产压差、渗透率、有效孔隙度、流动系数、产量和产出程度等11项参数作为油水井酸化选井、选层的评价指标。各指标值通过分析化验或工程测试取得。

影响油水井酸化效果的指标的分析如下：

1)表皮系数：酸化目的就是解除近井地带污染，降低总表皮系数并增强近井地带渗透能力，达到增产的目的。因此，若油井某层位表皮系数越大，说明该层位存在的储层酸化改造潜力越大。

 2)产层厚度：若影响产层质量的其它参数一定，那么产层厚度越大，其油气地质储量就越大，开发的潜力就越大。

3)可采储量：指从油气地质储量中可采出的油气数量。可采储量越多，通过酸化措施的实施，产量增加的就越多。

4)含水饱和度：在油气井生产过程中，井底积液反渗吸伤害都会使近井地带的含水饱和度升高。大量研究表明，含水饱和度越高,渗透率应力敏感性越强，油气井产量越小。因此，含水饱和度越大，酸化增油效果越好。

5)地层压力：地层压力的下降和上升,会造成岩石承受的净上覆压力的变化,使低渗透油藏岩石的渗透率受到伤害而影响其产能。油田生产实践表明，常压、低压条件下，产层酸化无增油效果。因此，地层压力越高，酸化增油效果越好。

6)生产压差：油田生产实践表明，生产压差越大，产层酸化后增油效果越明显。因此，生产压差越大，酸化增油效果越好。

7)孔隙度、渗透率：大量研究表明，孔隙度、渗透率越低，产层敏感性越强，油气井产量越小。因此，孔隙度、渗透率越小，酸化后产层质量改善程度越大，增油效果越好。

8)流动系数：地层系数(λ＝KH)与粘度的比值。流动系数越小，油藏产量越低，酸化改造后，增产潜力越大。

9)产量：产量越低，说明产层的物性(孔隙度、渗透率)越差，敏感性越强。因此，产量越低，酸化后增油效果越好。

10)产出程度：产出程度越低，说明储层物性较差，储层中存在的剩余油越多。因此，产出程度越低，酸化后增油效果越好。

步骤(1)所述的评价矩阵的设置具体为：

设j个响油水井酸化效果的评价指标向量为其中，m为预选油水井/层的数量，x_m1为表皮系数，x_m2为产层厚度，x_m3为可采储量，x_m4为含水饱和度，x_m5为地层压力，x_m6为生产压差，x_m7为孔隙度，x_m8为渗透率，x_m9为流动系数，x_m10为产量，x_m11为产出程度；

如果有m个酸化预选井/层，则评价矩阵表示为影响酸化效果评价指标的权重用ω表示，则权重向量为j＝11；其中，i表示预选油水井/层序号；

建立评价矩阵的表达式X＝(x_ij)_m×n，其中m为酸化预选井/层的数量，n为评价指标的数量。

步骤(2)、初始评价矩阵中原始数据出现负值,采用所有数据坐标整体平移法消除负值的影响，建立修正后的指标评价矩阵；

若n个评价指标中原始数据出现负值，则采用所有数据坐标整体平移法消除负值的影响。标准指标值X_ij经坐标平移幅度t＝|最小负值|后变为：X_ij'＝X_ij+t；

建立平移后的指标评价矩阵的表达式X'＝(X_ij')_m×n，其中m为酸化预选井/层的数量，n为评价指标的数量。

步骤(3)、根据修正后的指标评价矩阵重新建立修正后的指标标准评价矩阵，利用熵权法确定指标权值；

如果m个评价指标中有负向指标，即指标值越小表示酸化效果越好的指标，首先进行指标同向化处理，将其转化为正向指标进行统一处理，正向指标表示指标值越大其反映的酸化效果越优；

采用式<2>和式<3>对平移后的指标评价矩阵进行标准化处理，将负向指标转化为正向指标并且将所有指标归一化；对平移后的指标评价矩阵进行标准化得：

R＝(r_ij)_m×n    <1>；

式中，r_ij——第i个评价对象在第j个评价指标上的标准值，r_ij∈[0,1]；

对于正向指标，其标准化处理为：

$r_{ij}=\frac{{x_{ij}}^{\&prime;}-\min \left\{{x_{ij}}^{\&prime;}\right\}}{\max \left\{{x_{ij}}^{\&prime;}\right\}-\min \left\{{x_{ij}}^{\&prime;}\right\}}---\&lang;2\&rang;$

对于负向指标，其标准化处理为：

$r_{ij}=\frac{\max \left\{{x_{ij}}^{\&prime;}\right\}-{x_{ij}}^{\&prime;}}{\max \left\{{x_{ij}}^{\&prime;}\right\}-\min \left\{{x_{ij}}^{\&prime;}\right\}}---\&lang;3\&rang;$

其中，r_ij为标准评价矩阵的元素；

在有n个评价指标，m个评价对象的评估问题中，第j个指标的熵h_j定义为：

$\begin{array}{cc}{h}_j=-k\underset{i=1}{\overset{m}{\&Sigma;}}{f}_{ij}{\mathrm{lnf}}_{ij}& j=1,2,3,...,n---\&lang;4\&rang;\end{array}$

式中，k＝1/lnm当f_ij＝0时，令f_ijlnf_ij＝0；f_ij表示标准化值；k表示调节系数。

那么，第j个指标的熵权w_j定义为：

$w_j=\frac{1-h_j}{n-\underset{j=1}{\overset{n}{\&Sigma;}}{h}_j}---\&lang;5\&rang;$

式中，0＜w_j<1，

熵是系统无序程度的度量，它可以度量数据所提供的有效信息量。用熵来确定权重时，当评价对象在某指标上的值相差较大时，熵值较小，说明该指标提供的有效信息量较大，该指标权重也较大；反之，若某指标的值相差较小，熵值较大，说明该指标提供的信息量较小，该指标的权重也较小。同时，距离综合法能够利用计算得到的指标权重，确定各评价对象到参考点的距离，进而可实现对各研究对象的综合评价。利用距离综合法进行油水井酸化选井/层可以充分利用已知的指标信息，提高油水井酸化选井/层的可信度，为油水井酸化选井/层提供技术依据。

步骤(4)、分析预选酸化井/层的相对接近度，用距离综合法实现油水井酸化选井/层。

距离综合法采用相对接近度来表征各个评价对象与参考点的距离。首先在空间确定出参考点，包括最优和最劣点，然后计算各个评价对象与参考点的距离，与最优点越近或与最劣点越远说明被评价对象的综合特性越好。具体计算如下：

步骤A、计算样本点到参考点的距离：

利用熵权法确定出的权重，根据式<6>确定加权数据矩阵

Z＝R*w       <6>

其中：R表示标准化后的评价矩阵；ω表示熵权值；

评价指标已经正向化，用所有样本中各指标的最大值构成理想样本，用各指标的最小值构成负理想样本，分别用Z⁺和Z^-表示；

定义样本点到最优点的距离为d⁺，其计算如式<7>所示：

${d_i}^{+}=\sqrt{\underset{j=1}{\overset{n}{\&Sigma;}}{\left(z_{ij}-{z_j}^{+}\right)}^2},(i=1,2,...,m)---\&lang;7\&rang;$

定义样本点到最劣点的距离为d^-，其计算如式<8>所示：

${d_i}^{-}=\sqrt{\underset{j=1}{\overset{n}{\&Sigma;}}{\left(z_{ij}-{z_j}^{-}\right)}^2},(i=1,2,...,m)---\&lang;8\&rang;$

其中：z_ij表示加权数据矩阵Z中的元素；z_j ⁺表示第j个指标的理想样本；z_j ^-表示第j个指标的负理想样本。

步骤B、计算相对接近度：

相对接近度由式<9>计算得出：

$D_i=\frac{{d_j}^{+}}{\left({d_i}^{+}+{d_i}^{-}\right)}---\&lang;9\&rang;$

根据相对接近度D_i的大小，对各评价对象进行排序；D_i越大表明评价对象与理想样本的相对距离越小，评价对象的评价结果越优。

实施例：

本发明的技术方案主要包括三部分，即采所有数据坐标整体平移法消除负值的影响，利用熵权法确定影响油水井酸化效果指标的相对权重和利用距离综合法对预选酸化油水井/层进行分析，并排序。

下面，结合算法应用流程图1，说明所提油水井酸化选井/层方法的具体实施方式。

(1)建立影响油水井酸化效果评价指标的评价矩阵；

(2)消除负值的影响；

(3)平移后的评价指标标准化处理；

(4)利用熵权法计算各评价指标的相对权重；；

(5)利用距离综法计算各预选酸化油水井/层的相对接近度，实现预选酸化油水井/层的综合评价；

(6)对计算所得各方案的相对接近度进行排序，实现预选酸化油水井/层的优选；

假定有m个预选酸化油水井/层，影响各个预选酸化油水井/层酸化效果的指标值如表1所示：

表1 不同预选酸化油水井/层的酸化效果评价指标

通过以下步骤对预选酸化油水井/层进行优选：

Step1：根据前述熵权法，利用各预选酸化油水井/层的评价指标生成评价矩阵R：

Step2：对所得矩阵元素采所有数据坐标整体平移法消除负值的影响处理，得到标准矩阵R'：

Step3：对所得矩阵元素进行标准化处理，得到标准矩阵R″：

式中， ${r_{ij}}^{\&prime;\&prime;}=\frac{\max \left\{{r_{ij}}^{\&prime;}\right\}-{r_{ij}}^{\&prime;}}{\max \left\{{r_{ij}}^{\&prime;}\right\}-\min \left\{{r_{ij}}^l\right\}}$

Step4：计算指标矩阵中第j个指标的熵h_j：

$\begin{array}{cc}{h}_j=-k\underset{i=1}{\overset{m}{\&Sigma;}}{f}_{ij}{\mathrm{lnf}}_{ij}& j=1,2,3,...,11---\&lang;13\&rang;\end{array}$

Step5：利用指标的熵Hi计算第i个指标的权值wi：

$\begin{array}{cc}{w}_j=\frac{1-h_j}{n-\underset{j=1}{\overset{n}{\&Sigma;}}{h}_j}& j=1,2,3,...,11---\&lang;14\&rang;\end{array}$

Step6：利用影响预选油水井/层酸化效果的各评价指标生成规范化矩阵Z。

Step7：利用预选酸化油水井/层到最优点距离d⁺和最劣点距离d^-，计算出相对接近度D_i。

Step8：根据相对接近度D_i实现不同油水井/层酸化效果的综合评价，对相对接近度D_i的排序结果可为油水井/层实施酸化措施的优选提供指导。

本发明提供的一种基于改进熵权法的油水井酸化选井/层方法。所采用熵权法是一种直接利用影响油水井/层酸化效果的各指标信息，根据各指标的影响程度客观地对各指标进行赋相对权重。该方法的主要思路是采用所有数据坐标整体平移法消除负值的影响，通过对平移后的指标评价矩阵进行标准化处理后，进而计算出各指标的权值，从而确定各指标的相对重要程度。本发明还一种采用距离综合法实现油水井酸化井/层优选，所采用距离综合法直接利用给定预选酸化油水井/层的评价指标内在关系对各油水井/层酸化效果进行评价，可有效避免评价标准确定带来的主观性和不确定性。该方法考虑不同指标的重要程度即指标权重，将预选酸化油水井/层中不同性质和不同量纲的指标综合成一个指标，从不同角度对油水井/层的酸化效果进行综合分析。最后，通过对计算所得各油水井/层酸化效果的相对接近度排序实现油水井酸化择优选井/层。

最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员依然可以对本发明的具体实施方式进行修改或者等同替换，这些未脱离本发明精神和范围的任何修改或者等同替换，均在申请待批的本发明的权利要求保护范围之内。

Claims (5)

1.一种基于改进熵权法的油水井酸化选井或选层方法，其特征在于，包括下述步骤：

步骤（1）、设置影响油水井酸化效果评价指标的评价矩阵；评价指标包括：表皮系数、产孔隙度、渗透率层厚度、可采储量、含水饱和度、地层压力、生产压差、孔隙度和渗透率、流动系数、产量、产出程度；根据评价指标设置初始评价矩阵；

步骤（2）、初始评价矩阵中原始数据出现负值,采用所有数据坐标整体平移法消除负值的影响，建立修正后的指标评价矩阵；

步骤（3）、根据修正后的指标评价矩阵重新建立修正后的指标标准评价矩阵，利用熵权法确定指标权值；

步骤（4）分析预选酸化井/层的相对接近度，用距离综合法实现油水井酸化选井/层。

2.根据权利要求1所述的一种基于改进熵权法的油水井酸化选井或选层方法，其特征在于：

步骤（1）所述的评价矩阵的设置具体为：

设j个响油水井酸化效果的评价指标向量为其中，m为预选油水井/层的数量，x_m1为表皮系数，x_m2为产层厚度，x_m3为可采储量，x_m4为含水饱和度，x_m5为地层压力，x_m6为生产压差，x_m7为孔隙度，x_m8为渗透率，x_m9为流动系数，x_m10为产量，x_m11为产出程度；

如果有m个酸化预选井/层，则评价矩阵表示为影响酸化效果评价指标的权重用ω表示，则权重向量为j＝11；其中，i表示预选油水井/层序号；

建立评价矩阵的表达式X=(x_ij)_m×n，其中m为酸化预选井/层的数量，n为评价指标的数量。

3.根据权利要求1所述的一种基于改进熵权法的油水井酸化选井或选层方法，其特征在于：

所述的步骤（2）具体过程为：

若n个评价指标中原始数据出现负值，则采用所有数据坐标整体平移法消除负值的影响，标准指标值X_ij经坐标平移幅度ｔ＝|最小负值|后变为：X_ij'=X_ij+t；

建立平移后的指标评价矩阵的表达式X'=(X_ij')_m×n，其中m为酸化预选井/层的数量，n为评价指标的数量。

4.根据权利要求1所述的一种基于改进熵权法的油水井酸化选井或选层方法，其特征在于：所述的步骤（3）具体为：

如果m个评价指标中有负向指标，即指标值越小表示酸化效果越好的指标，首先进行指标同向化处理，将其转化为正向指标进行统一处理，正向指标表示指标值越大其反映的酸化效果越优；

采用式<2>和式<3>对平移后的指标评价矩阵进行标准化处理，将负向指标转化为正向指标并且将所有指标归一化；对平移后的指标评价矩阵进行标准化得：

R=(r_ij)_m×n     <1>；

式中，r_ij——第i个评价对象在第j个评价指标上的标准值，r_ij∈[0,1]；

对于正向指标，其标准化处理为：

$r_{ij}=\frac{{x_{ij}}^{\&prime;}-\min \left\{{x_{ij}}^{\&prime;}\right\}}{\max \left\{{x_{ij}}^{\&prime;}\right\}-\min \left\{{x_{ij}}^{\&prime;}\right\}}---<2>$

对于负向指标，其标准化处理为：

$r_{ij}=\frac{\max \left\{{x_{ij}}^{\&prime;}\right\}-{x_{ij}}^{\&prime;}}{\max \left\{{x_{ij}}^{\&prime;}\right\}-\min \left\{{x_{ij}}^{\&prime;}\right\}}---<3>$

其中，r_ij为标准评价矩阵的元素；

在有n个评价指标，m个评价对象的评估问题中，第j个指标的熵h_j定义为：

$\begin{array}{cc}{h}_j=-k\underset{i=1}{\overset{m}{\&Sigma;}}{f}_{ij}{\mathrm{lnf}}_{ij}& j=1,2,3,\mathrm{...},n---<4>\end{array}$

式中，k=1/ln m当f_ij=0时，令f_ij ln f_ij=0；f_ij表示标准化值；k表示调节系数。

那么，第j个指标的熵权w_j定义为：

$w_j=\frac{1-h_j}{n-\underset{j=1}{\overset{n}{\&Sigma;}}{h}_j}---<5>$

式中，0<w_j<1,

5.根据权利要求1所述的一种基于改进熵权法的油水井酸化选井或选层方法，其特征在于：

所述步骤(4)具体包括下述步骤：

步骤A、计算样本点到参考点的距离：

利用熵权法确定出的权重，根据式<6>确定加权数据矩阵

Z=R*w         <6>

其中：R表示标准化后的评价矩阵；ω表示熵权值；

评价指标已经正向化，用所有样本中各指标的最大值构成理想样本，用各指标的最小值构成负理想样本，分别用Z⁺和Z^-表示；

定义样本点到最优点的距离为d⁺，其计算如式<7>所示：

${d_i}^{+}=\sqrt{\underset{j=1}{\overset{n}{\&Sigma;}}{(z_{ij}-{z_j}^{+})}^2},(i=1,2,\mathrm{...},m)---<7>$

定义样本点到最劣点的距离为d^-，其计算如式<8>所示：

${d_i}^{-}=\sqrt{\underset{j=1}{\overset{n}{\&Sigma;}}{(z_{ij}-{z_j}^{-})}^2},(i=1,2,\mathrm{...},m)---<8>$

其中：z_ij表示加权数据矩阵Z中的元素；z_j ⁺表示第j个指标的理想样本；z_j ^-表示第j个指标的负理想样本。

步骤B、计算相对接近度：

相对接近度由式<9>计算得出：

$D_i=\frac{{d_j}^{+}}{({d_i}^{+}+{d_i}^{-})}---<9>$

根据相对接近度D_i的大小，对各评价对象进行排序；D_i越大表明评价对象与理想样本的相对距离越小，评价对象的评价结果越优。