基于传递函数模型的油田产油量预测方法

针对油田产油量预测方法无法考虑因素动态关系的局限性,首次应用时间序列传递函数模型建立了考虑因素动态关系的多因素油田产油量预测模型。应用传递函数模型的原理并按照建模步骤,以胜利油区某油田新井产油量预测为例,说明了传递函数模型数据准备、模型识别、参数估计、诊断校验及预测过程。研究结果表明,该预测模型既能在繁杂因素中剔除无关因素的干扰,识别影响油田产油量预测的主控因素,又能考察变化非同步且具有滞后性的因素动态关系;拟合程度好,预测精度高达98.4%。     

Compertz预测模型的建立与应用

对Compertz预测模型进行了推导,建立了累积产油量、年产油量、最高年产油量及发生时间的预测模型。实 际应用表明,油田最高年产油量及发生时间的预测结果与实际数值符合程度较高。该模型既可以应用于预测油田 可采储量,也可应用于油田中长期规划。     

灰色拓扑法在压裂井产量预测中的应用

灰色拓扑预测方法是在灰色预测模型GMI(1,1)的基础上发展起来的一种新的预测方法。它的优点是:可以实现由任何杂乱无章的数据预测以后某段时间内的动态数据,而且精度不受影响。鉴于矿场上大多数油井产量变化的无规律性,应用常规方法难以有效地预测其动态。因此,根据压裂前的油井日产油量,应用上述的灰色拓扑预测方法,建立了GM(1,1)模型群,并由此预测了油井压裂有效期内(如该井不压裂时)的产量动态,从而真实地评价了压裂的增产效果。该方法实用性强,适用于压裂前产量波动比较大的油井。矿场资料证明,其可信度较高,可作为科学评价油井压裂效果的重要依据。     

Weibull与HCZ预测模型在聚合物驱产油量预测中的应用

以建立聚合物驱产油量预测方法为目的，首先分析了Weibull预测模型和HCZ预测模型的特点及其对聚合物驱产油量预测的适用性，推导了2种模型预测聚合物驱产油量的过程。应用2种预测模型可计算聚合物驱最大产油量和最大产油量出现的时间、不同时刻的聚合物驱产油量、累积产油量、聚合物驱阶段采出程度等指标。现场应用证实，HCZ预测模型与Weibull预测模型相比，对实际产油量的拟合程度高，2种模型预测的聚合物驱产油量的误差均在10％以内。预测模型预测结果可靠，计算快，应用方便。     

一种预测聚合物驱开发动态的新模型

为建立聚合物驱产油量预测模型,对比了Weibull预测模型、广义翁氏预测模型、瑞利预测模型及HCZ预测模型的特点及其对聚合物驱产油量预测的适用性.分析影响聚合物驱产油量的因素,将聚合物驱注入量、开发时间及聚合物浓度等主要参数引入预测模型,建立了聚合物驱产油量预测的新模型.应用该模型成功预测了大庆4个聚合物驱区块的产油量.结果表明:预测曲线与实际产油量曲线的相关系数均高于0.985,预测的产量峰值及其对应的聚合物注入量的误差均小干3%,预测结果可靠.该预测模型可用于分析聚合物驱注入量、聚合物浓度、注入速度等因素对聚合物驱产量的影响;所需参数少,计算快,应用方便.图6表2参13     

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Usher模型及水驱特征曲线的综合预测模型

将Usher模型与常用水驱特征曲线相结合,建立了一种能预测水驱油田在不同开发时期的含水率、产油量、产水量、产液量和相应累计产油量等开发指标以及可采储量的联解模型。此模型克服了产量预测模型中缺少含水率和水驱特征曲线缺少开发时间等开发指标的缺陷。油田实际开发数据与预测结果的对比表明,此联解模型的预测精度相对较高,能够满足水驱油田开发指标的动态预测要求。     

利用含水率模型和水驱特征曲线预测油田开发指标

如何进行油田开发指标预测和合理制定油田规划方案一直是石油界重点研究的问题.首次提出了用含水率预测模型和水驱曲线联解的方法,进行水驱开发油田不同开发时间的含水率、累计产油量、年产油量、年产水量和年产液量等开发指标的预测工作,为油田开发指标预测开辟了一条新的途径.详细给出了含水率预测模型的建立过程、参数的求解方法及其与水驱特征曲线联解进行开发指标预测的原理和具体过程.通过对我国和俄罗斯油田的实际应用表明,该方法能够得到较为合理和准确的预测结果.     

基于G-A-SVM的油田注水动态预测模型

传统的油田注水动态预测方法在描述产油量与各种注水开发影响因素之间的复杂非线性关系时存在困难,引入遗传算法(GA)对支持向量机(SVM)的参数进行优化,建立了油田注水动态的GA-SVM预测模型。该模型利用SVM来建立注水开发影响因素和产油量之间的非线性关系;同时利用GA对SVM参数进行全局寻优,避免参数选择的盲目性。根据学习好的油田注水动态预测GA-SVM模型对1个待判样本进行预测,得到的年产油量值为52.25×104t,与实际产油量的误差为1.8％。     

水驱油田开发指标的综合预测法

在油藏工程中,为了克服产量预测模型缺少含水率和水驱特征曲线缺少时间的问题,将产量预浏模型公式与水驱特征曲线方程进行联解,建立含水率与开发时间的函数关系,从而预测水驭油田的产油量、产水量、产液量、含水率及相应的累积产量与可采储量.这既保持了这2种方法原有的预测功能,又克服了两者的不足.然而,目前的联解模型均是单一类型的产...     

灰色预测模型在油气操作成本预测中的应用

油气操作成本是油气田生产消耗的主要项目，为了有效地控制油气操作成本，必须制定准确的油气操作成本计划。而油气操作成本在我国是最近几年才提出来的，数据项比较少，给油气操作成本预测带来一定的难度。为此，文章根据灰色预测的基本原理，采用灰色系统理论进行油气操作成本预测，就可以弥补对预测所需的数据少，而且也无须剔除不可比因素，只要所建模型能满足精度要求，预测结果就可以信赖。     

坪北油田致密油藏产量影响因素及预测方法

与常规油藏相比,致密油藏物性较差且渗透率低,油井需压裂建产。由于特殊的地质特征及开发工艺,造成影响该类型油藏产量的因素较多,矿场常用的简单类比法产量预测不能满足实际生产需求。为解决该问题,以鄂尔多斯盆地坪北油田致密油藏为研究对象,以经典达西公式为基础,通过灰色理论分析,定量描述影响产量的主控因素。同时利用多元回归法建立一套数学模型,并通过对新投井的产量预测,验证模型的可信度。利用灰色理论与多元回归相结合的多学科综合方法开展油井产量预测,比传统方法更加科学和准确,可供同类油藏开发借鉴。     

灰色关联分析在辽河小洼油田储层油气产能评价中的应用

从达西二维产量公式出发,研究储层产能的理论表达方式,分析了储层产能的两类主要影响因素即人为因素和储层因素,一个油区,在各种作业方式等人为因素大致相同的前提条件下,储产能主要取决于储层自身性质,即储层的有效孔隙度,渗透率,含油气饱和度,泥质含量以及产能系数等,在此基础上,结合测井学的基本理论,将其作为储层产能综合评价的参数,采用灰色关联分析法建立了储层产能预测系统,该方法不仅可以综合定量地评价储层产能的分类,还可以通过关联度给出评价结果的可靠程度,运用此方法于辽河油田小洼地区东营组储层的油气产能预测,效果良好,从而证实了方法的有效性。     

基于Gompertz的灰色模型预测油田产量

随着我国合作开发的海外油田项目日益增多,从目前和长远来说,快速预测油田产量,对于项目的正确评估是一项重要任务。基于Gompertz模型可以很好表征和描述“S”型曲线的特点,以及灰色模型建模适用数据点较少的优点,提出一种基于Gompertz的灰色模型用以预测油田累计产量的新方法。经实例验算,该模型回归拟合历史数据具有强的抗干扰能力,拟合精度高;利用基于Gompertz的灰色模型预测油气田产量具有一定的准确性和可靠性。     

基于超低渗透砂岩储层试油产能预测分析方法

针对HQ地区滑塌浊积扇储层受多期沉积、成岩及构造等因素影响,形成了该区广为发育相对高孔低渗、中孔低渗和低孔低渗并存复杂孔隙结构超低渗透储层流动层带,影响储层渗流和产能因素很多。利用超低渗透储层质量及其渗流结构的孔渗关系,提出储层合理产能参数、储层质量指标、流动层带指标、储能参数、油层有效厚度、渗透率、单渗砂层能量厚度、含油饱和度及其泥质含量综合评价储层试油产能。依据灰色理论油气试油产能预测分析方法及评价准则,利用不同角度计算的试油产能评价参数及其分类参数指标准确率、分辨率权衡提取超低渗透储层质量、渗流及产能信息,对该区44口井51个试油层段进行了试油产能预测检验,38口井45个试油产能评价预测结果与试油产能结果相吻合,试油产能预测符合率达到88.2%。克服了渗流机理不符合达西产能预测方法和流动层带局部参数不能准确表征复杂渗流特征造成产能评价失误,提升了超低渗透储层试油产能预测的定量评价能力,为该类特低—超低渗透储层产能预测提供出有效的信息和分析方法。     

灾变理论在油井停产预测中的应用

由于油井的停产具有很大的随机性 ,而目前对油井的停产基本没有预测手段 ,针对这一现象 ,以实际生产过程中的停产井为依据 ,利用GM( 1 ,1 )灰色预测理论对油田的停产井进行分析预测。该理论是通过选取“阈值”对原始停产井数的数据进行处理 ,形成新的数据列 ,继续寻找数据间的规律。这样就把对停产井数的预测转化为对“停产”这一灾变出现时刻的预测 ,从而做到提前预报 ,并能及时采取相应的补救措施 ,减少工作中的盲目性 ,掌握生产主动权 ,以指导油田的高效开发。利用该方法模拟结果与实际情况比较吻合。表2参 2 (刘红新摘 )     

改进的灰色模型预测油气井剩余可采储量

在对灰色模型进行研究的基础上,对其进行了改进,使其适用范围更加广泛,并利用遗传算法的强大 搜索功能计算参数λ。建立模型时采用油气井日产量的累加序列作为基础数据,这样就弱化了原始数据的随机波 动性,强化了其规则有序性,而生成的一阶累加序列能列好地满足灰指数规律,适用于改进的GM(1,1)模型。计算 实例表明,该模型所需原始数据少,预测精度高,操作方便,具有一定的实用价值。     

灰色关联法在白云岩储层酸压地质选层中的应用

地质选层是储层酸压改造效果好坏的决定性因素。灰色关联法根据因素之间的相似程度衡量因素间的关联程度,样本需求少,能够解决地质特征参数众多且高度非线性的问题。靖边气田白云岩储层为典型的低孔、低渗、低压气藏,交联酸携砂酸压后单井产能差异大。应用灰色关联法进行了地质特征参数与压后产能的关联分析,确定了影响酸压后产能的主要地质特征参数。灰色关联法对酸压地质选层降低投资风险、提高酸压效果具有指导意义。     

Comparative evaluation of back-propagation neural network learning algorithms and empirical correlations for prediction of oil PVT properties in Iran oilfields

This paper presents a new approach to improve the performance of neural network method to PVT oil properties prediction. The true value of PVT properties which is determined based on the accurate data is a challenge of the petroleum industry. The main goal of the following investigation would be the performance comparison of various back-propagation learning algorithms in neural network that could be applied for PVT prediction. Up to now, no procedure has been presented to determine the network structure for some complicated cases, therefore; design and production of neural network would be almost dependent on the user's experience. To prevent this problem, neural network based recommended procedure in this study was applied to present the advantages. To show the performance of this procedure, several learning algorithms were investigated for comparison. One of the most common problems in neural network design is the topology and the parameter value accuracy that if those elements selection was correctly and optimally, the designer would achieve better results. Since, fluids of different regions have varying hydrocarbon properties, therefore, the empirical correlations in different hydrocarbon systems should be investigated to find their accuracies and limitations. In this study, an investigation of different empirical correlations along with the artificial neural networks in Iran oilfields has been presented. Then, the new model of artificial neural network for prediction of PVT oil properties in Iran crude oil presented. To test this new method, it was evaluated by collecting dataset from 23 different oilfields in Iran (south, central, western and continental shelf). In this study, two networks for prediction of bubble point pressure values (P_b) and the oil formation volume factor at bubble point (B_ob) were designed. The parameters and topology of the optimum neural networks were determined and in order to consider the effect of these networks designing on results, their performances were compared with various empirical correlations. According to comparison between the obtained results, it shows that the improved method presented has better performance rather than empirical and current methods in neural network designing in petroleum applications for these predictions.