基于长短期记忆神经网络的油田新井产油量预测方法

针对油田常用人工智能产油量预测方法无法考虑数据在时间上相关性的问题,提出了采用基于长短期记忆(简称LSTM)神经网络的油田新井产油量预测方法。在分别介绍反向传播(简称BP)神经网络、循环神经网络(简称RNN)、LSTM神经网络原理以及建模步骤的基础上,以某油田新井单井年产油量预测为例,对影响新井单井年产油量的开发指标进行了筛选,对相应LSTM神经网络进行了训练,并对新井单井年产油量进行了预测。将预测结果与支持向量回归模型和BP神经网络进行了对比,结果表明,该预测模型拟合效果更好,预测精度更高。基于LSTM神经网络的预测方法可以作为一种新的人工智能方法用于油田新井产油量的预测,为准确预测油田新井产量,指导油田开发决策提供了一种新的方法。     

基于循环神经网络的油田特高含水期产量预测方法

根据油田生产历史数据利用深度学习方法预测油田特高含水期产量,并进行了实验验证和应用效果分析。考虑到传统全连接神经网络(FCNN)无法描述时间序列数据的相关性,基于一种循环神经网络(RNN)即长短期记忆神经网络(LSTM)来构建油田产量预测模型。该模型不仅考虑了产量指标与其影响因素之间的联系,还兼顾了产量随时间变化的趋势和前后关联。利用国内某中高渗透砂岩水驱开发油田生产历史数据进行特高含水期产量预测,并与传统水驱曲线方法和FCNN的预测结果比较,发现基于深度学习的LSTM预测精度更高,针对油田生产中复杂时间序列的预测结果更准确。利用LSTM模型预测了另外两个油田的月产油量,预测结果较好,验证了方法的通用性。图3表3参40     

基于数据挖掘的长短期记忆网络模型油井产量预测方法

传统的BP神经网络及其改进算法广泛应用于产量预测,但并不适宜时间序列预测问题。基于产油量变化的时间序列特征,提出利用长短期记忆网络（LSTM）深度学习模型实现具有长期记忆能力的时间序列预测,在描述LSTM神经网络的基本结构和算法原理基础上,阐述了样本数据处理,输入层、隐藏层和输出层节点数选择及表征方式,形成产量预测模型。实例应用表明,LSTM模型可以准确预测油井产量,整体平均误差约为1.46%,并指出无预兆停产、特殊情况以及部分数据量缺失是影响预测准确性的主要原因。该模型的提出对于大数据和深度学习在石油方面的应用研究具有重要意义。     

深度学习的电泵井产液量动态预测模型

电泵井产量的动态预测对认识油井供排协调、电泵设备工况、改善工作制度、提高产量和节能降耗具有重要指导意义。根据电泵井静态数据、生产动态数据、举升设备的工况数据,利用皮尔逊相关系数分析方法,分析了影响潜油电泵工作特性因素的关联性,根据主成分分析方法(PCA)进行数据降维确定主控参数,并综合考虑了电泵机组设备工况的变化趋势和前后关联性,应用长短期记忆神经网络(LSTM)建立了电泵井产量时序预测模型。利用某油田现场实际数据对产液量进行预测,并与BP神经网络的预测结果相比较。研究结果表明,基于LSTM模型的电泵井产液量预测值与现场实际值高度一致,预测模型拟合效果更好,预测精度更高,考虑因素更全面、应用更方便、结果更可靠,进而为潜油电泵生产的产液量动态预测提供了一种新的方法,为潜油电泵工作制度调整以及合理选泵设计提供依据。     

预测高陡复杂断块岩性油藏产油量的一种新模型

现有产量预测方法,尤其是Arps递减方程在国内外油田得到广泛应用,有效指导了油田开发。但所应用油田一般规模较大,地层倾角较小,而且一般都是在高含水—特高含水阶段应用。现有产量预测方法多数基于历史产油量数据的拟合进行预测,产量数据越多,油田规模越大、地质情况越简单,准确率越高。对处于中低含水阶段的高倾角复杂岩性油藏,没有开发指标预测应用实例。从基本渗流理论出发,通过应用二项式公式表征油相相对渗透率随含水饱和度的变化规律,拟合砂岩、砂砾岩储层,达到较好效果,同时将油水相对渗透率融入产油量预测模型,使模型具备严格的渗流理论基础,结合重力校正系数,可以准确预测高倾角复杂岩性油藏产油量。在已开发区块应用情况表明,新方法预测精度在90%以上,能够用于产油预测。     

油井压裂潜力预测方法研究

针对目前油田对油井压裂潜力预测的准确性仍不能满足开发规划需要的问题,采用边际成本与油藏工程相结合的分析方法,建立了油井压裂措施的经济界限模型;同时应用数理统计理论与多元线性回归方法结合,建立了油田不同开发区块不同压裂井产量预测模型.将以上建立的2个模型有机结合,确定了更加准确预测油井压裂潜力的方法,并应用该预测模型及方法对大庆油田葡北区块2口油井进行了普通压裂潜力预测.预测结果表明,这2口油井具有压裂潜力.压裂后,其累计增油量为1 512 t,实际投入产出比1:4.05,达到了预测的效果.     

基于多参数时间序列及粒子群优化算法的油藏产量动态建模预测方法

在油田开发过程中,油藏产量预测方法的研究对开发方案的动态调整具有重要意义。针对利用机器学习算法进行油藏产量预测过程中,因缺乏考虑时间序列模型的参数调整优化技术,以及新数据叠加进行预测模型动态更新技术,导致产量预测的准确率不高且时效性不强,难以满足实际生产应用需求等问题,研究了基于长短期记忆神经网络模型的多参数时间序列预测方法及粒子群参数优化算法,构建了随时间动态更新的油藏产量预测模型,从而进一步提升油藏产量预测的准确率与实用性,并在长庆油田多个油藏的生产过程中进行了应用。应用结果表明,模型预测结果的准确率较高,且模型具有实时训练和自动更新的特点,在实际生产中展现出了较高的应用价值。     

低渗透油藏预测模型和水驱曲线联解法及应用

将考虑启动压力梯度的产量预测模型和水驱曲线特征方程进行联解,建立含水率与开发时间的函数关系,从而预测水驱油田的产油量、产水量、含水率等开发指标,这种联解法既保持了单独使用产量递减法或水驱特征曲线法的预测功能,又克服了二者的不足。利用该联解法,对低渗透油藏典型区块SD18的开发指标进行预测,绘制了产油量、累计产油量、含水率等开发指标随时间的变化曲线,预测数据和实际生产数据符合较好,该方法对于低渗透油藏的开发指标预测具有一定指导意义。     

低渗透油藏预测模型和水驱曲线联解法及应用

将考虑启动压力梯度的产量预测模型和水驱曲线特征方程进行联解,建立含水率与开发时间的函数关系,从而预测水驱油田的产油量、产水量、含水率等开发指标,这种联解法既保持了单独使用产量递减法或水驱特征曲线法的预测功能,又克服了二者的不足。利用该联解法,对低渗透油藏典型区块 SD18 的开发指标进行预测,绘制了产油量、累计产油量、含水率等开发指标随时间的变化曲线,预测数据和实际生产数据符合较好,该方法对于低渗透油藏的开发指标预测具有一定指导意义。     

一种CO2驱油井产能预测方法及其应用（） 引用格式:吴晓东，尚庆华，刘长宇，等.一种CO2驱油井产能预测方法及其应用［J］.石油钻采工艺，2012，34（1）:72-74. 摘要: 中图分类号:TE328

油井产能预测是油田开发和人工举升设计的重要基础和依据。为了建立CO2驱油井产能预测方法和模型,在考虑地层压力、泄油半径、渗透率、相渗曲线、原油组成、CO2含量及表皮因子等因素对其影响的基础上,进行了正交试验方案设计和油藏数值模拟计算,借鉴Vogel建立溶解气驱油井产能方程的方法,通过对数值模拟计算结果的综合无因次化,建立了CO2驱油井产能预测模型。应用该模型对吉林油田CO2试验区的2口井进行实例计算,11个数据点的平均相对误差为4.27%,最大相对误差为9.07%,说明该方法和模型的预测精度较高,在CO2驱油田开发方案编制和油井举升设计中具有一定的应用可行性。     

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。     

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。     

基于模糊集合理论的体积压裂水平井产量预测方法

传统的统计分析方法存在散点乱、数据量大、难以分析总结出规律等问题,无法准确判定致密油水平井体积压裂主控因素。提出了一套的基于模糊集合理论水平井体积压裂效果评价方法:首先根据模糊集合理论建立了水平井产量分类方法,以鄂尔多斯盆地55口致密油水平井为例,根据产量对55口水平井进行分类;其次,通过分类数据的归一化处理得到每个因素变化区间的斜率,并据此绘制产量影响因素暴风图;最后,结合各影响因素的权重,通过多元回归方法建立了考虑多因素的水平井体积压裂产量预测模型。研究结果表明,该方法能够清晰准确地反映出各因素对体积压裂水平井开发效果的影响,并给出不同因素对体积压裂水平井产量影响程度。结合油田生产实例进行了分析,预测产量的平均相对误差仅为7.6%,为油田现场的压裂方案优化和产量预测提供了理论依据。     

动态评价技术在塔河碳酸盐岩缝洞型油气藏中的应用

塔河油田奥陶系油气藏是大型碳酸盐岩溶洞型油气藏，其储渗空间主要为大小不同的溶洞、裂缝带、溶蚀孔隙等组成，该油气藏具有极强的非均质性，单纯用静态资料来认识这类油气藏是非常困难。文章提出利用生产动态资料和信息进行该类型油气藏研究的新思路，利用人工神经网络技术在处理非线性相关参数预测方面的优势，并以渗流理论为基础，结合试井成果，选用已知油井的产量、油嘴、油压、含水率、气油比、原油密度等6个开发动态参数作为样品输入数据，推导出影响油气藏开发的重要参数（地层系数）与生产信息的关系，建立了人工神经网络预测储层参数的结构模型。通过塔里木盆地塔河油气田实例研究，说明了利用动态信息评价油气藏技术在碳酸盐岩缝洞型油气藏储层预测和非均质性分析等方面具有较高的实用价值。     

葵花岛油田储层流体识别方法研究

针对葵花岛油田在盐水泥浆条件下准确识别储层流体存在一定的难度,为了不断提高该油田储层流体识别的符合率,本文充分利用该油田比较丰富的试油投产资料及3700测井资料,开展了该油田储层流体识别方法研究,建立了该油田油气水层及气层识别图版,同时应用模糊逻辑方法建立了葵花岛油田模糊逻辑储层流体识别模型,并应用该模型对该油田内各井进行储层流体识别,最后结合上述图版及模糊逻辑储层流体识别成果,综合划分了该油田各井的有效厚度,重新计算了原油天然气地质储量,圆满完成了葵花岛油田的储量套改工作。     

大庆长垣扶余致密油水平井测井解释

对大庆长垣扶余致密油藏水平井、导眼井或邻井测井和取心资料分析,搞清了水平井与直井的测井响应特征和差异,建立了井眼轨迹与地层几何关系确定方法和步骤。在"七性"参数评价成果基础上,总结了水平井甜点段、射孔位置划分原则和方法。通过对扶余油层已试20口水平井产能影响因素分析,优选水平段长度、有效孔隙度、含油饱和度、脆性指数和砂体厚度等参数,采用类比法建立了水平井产能预测模型。研究成果对水平井射孔位置、压裂段确定等工程设计提供了重要依据,对大庆长垣扶余致密油增储上产具有重要意义。     

渤海普Ⅱ类稠油过渡带弱凝胶驱增油预测模型

为解决海上普Ⅱ类稠油（> 350 mPa·s）弱凝胶调驱应用实例少、增油潜力预测难度大的问题,基于渤海BN油田调驱矿场实践,利用数值模拟方法研究了弱凝胶调驱相对于天然能量（边水驱）开发的增油量与8个静态参数的相关关系,基于拉丁超立方实验方法建立均匀设计样本集,并采用多元回归方法建立了过渡带调驱增油潜力预测模型。模型适用于渤海相似普Ⅱ类稠油油田,参数范围为平均渗透率（1 000~9 000）×10-3 μm2、变异系数0.1~0.9、边水倍数1~20、注采井距100~500 m、净毛比0.2~1.0、地层原油黏度为200~1 000 mPa·s、油层厚度4~20 m、生产井距内含油边界距离0~200 m。模型预测增油量与实际产量相对误差平均为2.5%,满足工程应用精度要求。