基于粒子群优化和长短期记忆神经网络的气井生产动态预测

气井生产动态预测是气藏产量规划、开发方案编制及生产制度动态调整的重要依据,对天然气藏开发有着极其重要的指导意义。建立了基于长短期记忆深度神经网络的生产动态预测模型,并采用了粒子群优化算法对神经网络模型超参数进行优化,提高长短期记忆深度神经网络的预测效果。研究结果表明,基于粒子群优化和长短期记忆神经网络的气井生产动态预测模型能够实现对气井生产动态的准确预测和神经网络超参数的自动优化,使预测结果的平均绝对误差均小于10%,大幅度简化了神经网络模型的优化过程。     

HCZ产量预测模型在海相砂岩油田的应用——以南海X油田为例

南海海相砂岩油藏储量丰富,地质条件优越,目前已开发大量此类油藏。为预测此类油田产量,优化了HCZ产量预测模型的求解方法,在简化计算过程的同时,可以灵活调整模型参数。结合海相低–中黏砂岩典型油田——南海X油田开发实际,针对油田高峰产量后和扩容改造后两个不同产量规律阶段,利用HCZ产量预测模型较为精确地预测出每个阶段的产量,表明了HCZ产量预测模型具有很好的适用性。     

基于数据空间反演的油藏实时生产优化方法

油藏开发实时优化调控技术是智能油藏研究的核心内容。提出了基于数据空间反演的油藏实时生产优化新方法,仅需若干油藏模型先验生产动态,基于贝叶斯理论构建代理模型,根据随机极大似然原理拟合历史观测数据进行模型训练,反演得到符合实际观测数据的生产动态后验估计。采用同步扰动随机逼近算法建立生产优化数学模型,实现注采参数实时优化,提高经济开发效益。该方法基于代理模型在拟合阶段避免了重复数值模拟计算,得到正确生产动态后验估计同时兼顾了油藏模型实际地质特征,优化所得方案考虑了目标油藏的不确定性,降低了实际生产开发风险。油藏实例应用表明:该方法能得到与常规多模型数据同化方法相一致的生产动态预测结果,拟合过程计算效率提高了5倍,且注采优化方案能取得良好的驱油效果。提出的油藏开发生产优化设计方法为油田实时生产优化提供了新的思路。     

基于数据空间反演的油藏实时生产优化方法

油藏开发实时优化调控技术是智能油藏研究的核心内容。提出了基于数据空间反演的油藏实时生产优化新方法,仅需若干油藏模型先验生产动态,基于贝叶斯理论构建代理模型,根据随机极大似然原理拟合历史观测数据进行模型训练,反演得到符合实际观测数据的生产动态后验估计。采用同步扰动随机逼近算法建立生产优化数学模型,实现注采参数实时优化,提高经济开发效益。该方法基于代理模型在拟合阶段避免了重复数值模拟计算,得到正确生产动态后验估计同时兼顾了油藏模型实际地质特征,优化所得方案考虑了目标油藏的不确定性,降低了实际生产开发风险。油藏实例应用表明:该方法能得到与常规多模型数据同化方法相一致的生产动态预测结果,拟合过程计算效率提高了5倍,且注采优化方案能取得良好的驱油效果。提出的油藏开发生产优化设计方法为油田实时生产优化提供了新的思路。     

基于支持向量机的早期聚合物驱动态预测研究

海上稠油油田由于受到开采时间的限制,一般在含水率达到40%之前进行聚合物驱,以提高油藏采油速度和开发效果,开发动态与陆上油田高含水期聚合物驱存在较大差异。文中应用统计方法,分析海上稠油油田早期聚合物驱的生产动态,从数据序列分析的角度研究其动态规律,认识不同动态参数之间的内在联系;基于支持向量机方法,建立时间与含水率、采出程度等动态参数之间的变化关系,并根据实际动态资料及时修正,进而建立能够反映早期注聚合物规律的预测方法。利用建立的预测模型,对渤海油田典型聚合物驱油藏进行实例计算分析。结果表明,建立的模型能够实现时间序列的多步预测,且预测结果满足精度要求,为早期聚合物驱开发指标预测和动态适时调控提供了一种有效的方法。     

预测水驱油田含水率的新模型及应用

含水率是评价水驱油田开发效果和分析油田生产动态的关键参数。传统的含水率预测方法建立的是含水率与采出程度的关系,与油田开发时间无关,且存在一定的局限性。文中依据含水率与开发时间之间的内在关系,在前人研究的基础上建立了一种随开发时间变化的含水率预测模型,该模型表达式简单,预测精度较高。2个油藏实例表明,新模型预测水驱油田含水上升规律与实际情况吻合程度高,符合油田的实际开发情况,且具有一定的实用性和有效性。     

新型预测含水率联解模型的建立与应用

生产预测模型法和水驱特征曲线法是2种重要的油藏工程分析方法,常用于油田开发指标预测,但二者均存在不同程度的缺陷:生产预测模型法不能预测含水率,水驱特征曲线法不能预测开发指标随时间的变化关系。基于Morgan-Mercer-Flodin(MMF)生长模型特点分析,推导出了胡-陈模型,并简化了参数求解过程,将MMF生长模型与水驱特征曲线相结合,建立了预测油田含水率的联解模型,克服了生产预测模型法和水驱特征曲线法的不足。油田实际开发资料与模型预测结果对比结果表明,联解模型的预测精度较高,可以满足油田生产动态分析的需要,对油田开发方案的制定及调整具有指导意义。     

动态预报方法在油田多峰产量预测中的应用

油田生产是一个随时间变化的动态系统,以往采用固定参数模型进行产量预测,忽略了模型参数的时变性,导致其预测误差随着预报期间(步长)的增大而增大。油田在开发生产过程中,由于增产措施及综合调整的实施,油田产量表现出多峰的运行状态。针对该情况,文中通过大量文献调研及研究,最终选择陈元千教授研究成果——多峰预测模型,并结合韩志刚教授提出的多层递阶预报方法,对油田动态系统多峰产量预测进行研究。实际油田应用结果表明,该方法预报精度高,研究成果实用、有效,对于预测油田产量有较强的推广应用价值。     

X油田特低渗透油藏井网加密效果预测方法

基于实际油藏井网加密调整后的动态开展效果预测研究,可为油田开发规划提供调整依据。通过对X油田特低渗透油藏井网加密调整前后开发动态变化分析,确定了加密增产效果变化规律及其主要影响因素;基于建立的反映实际油藏特点的典型数值模型,应用响应面设计方法和逐步回归方法,综合研究了不同因素变化对井网加密后增产效果的影响,并得到了反映特低渗透油藏特点的、考虑多因素影响的井网加密调整增产效果预测模型。预测模型在X油田特低渗透油藏中的实际应用表明,预测精度较高,并具有很强的针对性和实用性。本文建立的以“增产倍数”来表征油藏加密调整后的增产效果的方法,可为特低渗透油藏加密调整效果预测提供参考,并为此类油藏的开发规划提供可靠依据。     

预测水驱油田含水率的麦克斯韦模型及应用

针对传统水驱油田含水率预测模型只能计算含水率与累积产液量、累积产油量,而无法计算含水率与时间之间的关系,同时,部分含水率预测模型未知参数较多,计算过程复杂等问题。根据水驱油田的含水率变化规律,并取极限含水率为1,将统计学中的麦克斯韦模型应用于含水率预测。新模型计算得到“一簇水驱曲线”,可预测不同类型油藏含水率随开发时间的变化,且新模型只有一个未知参数b,求解简单方便。根据油田实际生产数据,利用MATLAB软件编程,计算出最佳参数值b,得到大庆油田南二三开发区、平湖油气田M油藏和大庆油田萨北过渡带区块预测含水率随开发时间的新模型,且三个油田最后10年预测含水率值与实际值的绝对误差平均值分别为2.88%、8.41%和7.29%,该模型预测精度较高,具有一定的可靠性和实用性,能够对水驱油田开发的含水率进行预测,指导水驱油田的开发。     

基于机器学习方法的油井日产油量预测

油藏数值模拟是进行油田产量预测最为常用的方法,但其准确性建立在精确的地质模型和较高质量的历史拟合基础之上。为了克服数值模拟计算耗时长、成本高和所需数据资料多等缺点,建立了一种利用机器学习方法,根据现场广泛易得的油藏静态资料和开发动态参数实现油井日产油量的快速准确预测。传统的BP神经网络无法准确描述产量变化在时间维度上的相关性,因而基于长短期记忆神经网络(LSTM),建立能够考虑生产动态数据变化趋势和前后关联性的产量预测模型,是实现油井日产油量预测更为有效的途径。首先根据平均不纯度减少(MDI)方法,分析各个因素对单井产量的影响程度,基于特征参数的重要性进行数据降维,排除不相关的冗余特征,确定影响油井产量的主要因素。结合筛选出的特征参数和日产油量数据对LSTM模型进行训练和优化,建立最终的油井产量预测模型。利用实际油田数据对建立的模型进行验证和应用效果评价,结果表明基于LSTM模型的产量预测值与实际值高度一致,能准确反映产量的动态变化规律,为油井产量预测提供了一种新的方法。     

各向异性油藏水平井变流量压力动态响应计算方法

为了解决海上油田现场缺少高精密压力监测数据的问题,利用水平井历史生产数据和不稳定试井分析方法进行各向异性油藏水平井的评价和预测。基于水平井的三维源函数和Newman乘积原理建立变流量各向异性油藏水平井压力动态响应关系,并将该关系式离散化转换为可实际应用的卷积和矩阵形式的水平井变流量压力响应试井模型,最后应用最优化算法求解模型最优解。该模型可用于评价水平井油藏生产动态特性,同时也确定了计算过程中构成水平井点源函数中级数项数目,应用最优化方法求解确定的模型参数也可用于生产动态预测。实际现场应用结果表明,变流量水平井压力动态响应模型的计算结果符合实际生产动态,相对误差平均3.1%,对评价水平井油藏特性、预测水平井开发生产具有现实指导意义。     

���������Ԥ���ģ���о�

油气田产量和可采储量的预测是油藏工作中一项十分重要的任务，它是编制油气田开发规划部署，进行油气田开发（调整）方案设计，以及油气田开发动态分析的重要内容。基于对大量油气田开发实际动态资料的统计研究，建立了一种预测油气田产量、累积产量、可采储量、最高年产气量及其发生的时间的新模型。该模型还可以预测剩余可采储量、剩余可采储量的储采比或采油速度等参数。油气田实际应用结果表明，该模型不仅适用于油气田产量存在单峰的情形，而且也适用于油气田投产之后持续递减的情形。     

基于人工神经网络的页岩油藏产量预测定量表征模型

页岩油藏开采过程通常包括压裂、闷井、返排，较常规油藏其流体渗流机理复杂，采用传统产量预测模型难以描述其复杂生产变化特征。传统定量表征模型虽可以描述页岩油藏产量变化特征，但其需要根据实际生产数据人工提取特征参数，无法适用于新井产量预测。通过收集现场实际生产数据建立样本库，运用人工神经网络建立产量主控因素与定量表征模型特征参数关系模型，形成了一种基于人工神经网络的定量表征产量预测新方法。训练后模型预测值与实际值相关性较好，通过输入压裂施工、油层品质、生产因素等参数即可预测新井全周期生产动态及不同施工措施下的产量变化规律。研究成果对页岩油开发技术政策研究具有重要的指导作用。     

原油相对密度预测模型研究——以东辛油田辛11断块区为例

原油密度是油藏工程计算和石油储量评价中不可缺少的重要物性参数，但目前其模型预测方法还较少。通过对瑞利模型和指数预测模型公式的推导，利用济阳坳陷东辛油田辛11断块区实际流体性质的开发动态数据进行分析，建立了原油相对密度随开采时间变化的地质预测模型。模型研究表明，原油密度随开采时间的变化具有瑞利模型和指数模型2种变化规律，且瑞利模型能够较为准确地预测原油相对密度的开发动态，但2种模型在对原油密度进行预测时均受到油藏构造部位、开采层位以及油源性质等因素的影响。     

措施调整后开发指标预测的一种新方法

在分层注水、分层压裂等工艺措施条件下,水驱特征曲线直线规律将会发生改变,给油田开发指标预测带来了困难。针对这种情况,从油藏工程原理出发,采用水驱曲线分解与合成的方法建立了措施调整后开发指标预测模型,并通过优化方法确定了模型参数。经过油田实际开发数据检验,达到了较高的预测精度,可用于油田年度规划、长远规划编制工作中的开发指标预测。     

基于遗传算法的灰色马氏链模型预测油田产量

油田开发中,将产量波动较大的油田视为一个随机动态的灰色系统,结合灰色模型和马氏链模型的优点,采用具有擅长全局搜索和高度鲁棒性特点的遗传算法,直接优化求解模型的灰参数和马氏链的状态空间,建立起预测油田产量的灰色马氏链预测模型.实践表明,该模型能有效地克服2种方法在动态预测上的不足,预测结果与实际值吻合程度较高,且方法简便易行,在油田开发动态预测评价方面具有可行性.     

基于多次数据吸收集合平滑算法的自动油藏历史拟合研究

针对常见历史拟合方法存在计算量大、油藏参数更新异常、油藏模型修正失真等问题。采用集合平滑算法,通过引入集合卡尔曼滤波算法(EnKF)中多次迭代思路,对相同数据重复吸收,推导出多次数据吸收集合平滑算法(ES-MDA)的核心公式,并编写了自动油藏历史拟合软件。以北海布伦特油田海相砂岩油藏为例,将基于ES-MDA算法的油藏自动历史拟合程序应用于该油藏,对油田的注水采油开发进行历史拟合。结果表明:油藏数值模拟的预测数据与实际测量的数据匹配程度达到90%以上,且能够较准确地表征真实油藏的孔隙度分布特征;ES-MDA算法具有算法稳定、运行效率高、模型更新准确等优点。研究成果对实现计算机自动油藏历史拟合,实时优化油藏生产具有重要意义。     

聚合物弱凝胶深部调驱预测方法的改进与应用

本文采用对历史生产数据回归的方法,简化已有的可动凝胶预测的模型,减少了预测模型所需要的参数。解决了原有模型在应用过程中存在的较难取准取全所需参数的问题,此外该方法相比油藏数值模拟具有减化工作、缩短预测时间等优点。在北布扎奇油田实际应用的结果表明,预测结果与实际生产数据趋势一致,预测聚合物弱凝胶体系调驱提高采收率与实际值误差均小于1%。     

塔里木盆地H水驱砂岩油藏长期与短期产量预测方法

塔里木盆地某沙漠油田的H油藏为超深、超薄水驱砂岩油藏,目前处于中含水期,平面含水分布差异较大。应用多种水驱曲线法预测产量结果相差较大,因此提出应用不受含水阶段限制的"HCZ+Logistic增长曲线组合法"进行油藏长期产量预测及采收率预测。应用实例表明,"HCZ+Logistic增长曲线组合法"预测结果与实际生产动态吻合度较高,与阿普斯(Arps)指数递减法预测短期产量的相对误差较小。该方法可作为筛选水驱曲线的重要参考,对完善、补充开发初期方案,做好近期生产调整与长期油气生产规划具有重要指导意义。