基于粗糙集理论-主成分分析的Elman神经网络短期风速预测

为了解决传统静态前馈神经网络(FNN)在短期风速预测中易陷入局部最优值及动态性能的不足,引入Elman动态神经网络建立风速预测模型,采用主成分分析法(PCA)对原始风速数据进行特征提取以优化神经网络的输入,改进激励函数和网络结构以寻求函数收敛速度和预测精度的最优解。针对Elman神经网络预测模型在风速波动的峰值处预测误差较大及预测精度存在波动性,提出采用粗糙值理论对模型预测值进行修正与补偿,进一步提高预测精度。实验证明:所提出的方法能有效提高预测精度,增强神经网络模型的泛化能力,具有较好的实用性。     

考虑不同完井方式的高速非达西效应评价方法

研究表明,不仅在高产气井,在某些高产挥发性油藏以及其他储层条件下都有可能产生高速非达西渗流。目前常用的高速非达西渗流判别理论公式与解析公式均以裸眼完井为起点,未考虑实际生产中完井方式的影响。因此,在基于二项式的产能方程的基础上,考虑射孔完井对泄流面积的影响,推导出射孔条件下的高速非达西产能方程,并结合国外某高产井评价完井方式对其高速非达西效应的影响。结果表明,当孔密超过25 孔/m 时射孔完井的泄流面积大于对应的裸眼井,高速非达西效应相应减弱。因此在评价实际生产井近井地带的高速非达西效应时,必须考虑完井方式的影响。     

气泡卡断过程中的喉道液领形态与聚并模型

在毛细管中用气体驱替润湿流体时,被驱替的流体通常会在管壁上留存一层薄液膜。气泡周围的润湿相液膜对于两相流中的流体运移起到关键作用,特别是气泡在孔隙喉道处的分离。此类液膜的存在,对于孔隙尺度的流动机理建模具有重要影响。文中通过建立气泡卡断过程中润湿流体在孔隙喉道聚并形成的液领形态模型,于结果分布中得到一条液领形态演变路径,可研究卡断现象的动态特征;随后通过建立液领聚并模型,计算得到液领聚并(卡断)时间。液膜厚度和卡断时间与实验结果相符,证明了模型较合理,精确度较高。     

非均质油藏井网注采参数优化的可视化模拟驱替实验

油藏储层的非均质性是影响油、水渗流规律及采收率的内在因素,注采参数是影响非均质油藏采收率的外在因素,可视化模拟驱替实验是确定非均质油藏合理注采参数的有效手段.利用可视化动态仿真驱替实验装置进行水驱油的驱替实验,通过设计7套采用不同的注采参数的实验方案,研究非均质油藏的物性差异、井网形式以及注采参数对水驱程度的影响.研究结果表明,对于非均质油藏,注水开发初期,渗流阻力主要为油对水的阻力,驱替受储层非均质性影响不明显,随着驱替不断进行,孔隙喉道的阻力成为主要阻力,驱替越来越不均衡.对比不同实验方案,通过优化调整非均质油藏的井网形式和注采参数,可以实现最大程度的均衡驱替,改善水驱油藏开发效果,获得更高的采收率和经济效益.