煤层气井产能分级方案研究

煤层气井产能的分级便于煤层气开发管理、产能的调整，对科学地规划煤层气开发方案、调整气井作业动态，以及对煤层气开发的各项作业顺利实施具有重要指导作用。本文在综合考虑了煤层气开发方式、开发阶段以及开发的技术和工艺，按照气井产能的稳定程度、井口压力、产量大小，把地面垂直井分为高产气井、较高产气井、中等产气井和低产气井4类。     

基于物质平衡方程的页岩气井产能预测方法

页岩气井产能受地质和压裂改造参数综合影响,在开发初期,难以确定可靠的地质模型来预测气井产能。为了快速、准确地预测气井产能,在研究页岩气物质平衡方程和产能方程的基础上,考虑吸附气和异常高压气藏岩石弹性能量影响,建立了基于物质平衡方程的页岩气井产能预测方法,该方法需要参数较少,可在开发初期快速对页岩气井产能进行预测。涪陵地区X1井实例计算表明:该方法综合考虑了页岩气吸附气解吸、异常高压气藏岩石弹性能量的影响,产能预测结果准确、可靠;吸附气对气井累产气量影响明显,约占总累产气量17%,对定产生产气井的稳产期影响不大;吸附气的贡献在2.5~4年逐渐体现出来,定压放喷生产初期产量高,地层压力下降快,吸附气的产出贡献比控制产量的定产生产方式要早;考虑岩石弹性能量的影响,气井稳产时间和累产气有所增加,但影响不明显。     

基于人工神经网络的煤层气井产能预测研究

基于时间序列预测思想构建了适合于煤层气井产能预测的BP神经网络模型.以潘庄CM1井为预测实例,结果表明:该模型能够较为准确地预测出煤层气井未来30天的产能变化,其产气量和产水量预测平均相对误差分别为1.35％和3.88％,从而可为煤层气并排采制度的调整提供依据.     

煤层气井多层合采产能影响因素

针对韩城煤层气田多层合采的特点,结合欠饱和煤层气藏开发特征,采用相关分析系统剖析该区煤层气井产能影响因素,用灰色关联分析定量评价各影响因素的重要性,并利用模糊层次分析法对煤层气井产能进行综合评价。相关性分析结果表明该区煤层气井产能与初见气时间、初见气累产水量、拟临储比、拟含气量、地解压差和煤层厚度具有很好的相关性,但与初见气井底流压、埋深、原始储层压力和间距之间的相关性较差。灰色关联分析定量显示区内气井最大产气能力主要受控于拟临储比、合采煤厚和拟含气量,而平均产气水平则主要受控于合采煤厚、初见气累产水量和地解压差。分析认为资源丰度和含气饱和度是影响欠饱和煤层气藏最大产气能力的关键因素,而降压幅度和难易程度是决定这类气藏平均产气水平的重要因素。模糊层次分析显示区内的煤层气井最大产气和平均产气的综合评价等级都为良好。     

沁南潘庄井田煤层气产能预测研究

煤层气产能预测是煤层气开发潜力评价和决策的重要研究内容。文章基于潘庄井田煤层气开发及实测资料,采用COMET3煤层气藏模拟软件对潘庄井田煤层气产能进行了模拟。结果表明:煤层气产能受诸多煤层气开发参数及其耦合作用控制,各参数对煤层气产能影响程度不同,实测参数的完整性影响煤层气井历史拟合和产能预测结果的真实可靠性;历史拟合模型可靠,产能预测结果具有高度可信度;产能预测结果显示研究区气井产气效果好,具备商业开发潜力。     

沁南盆地樊庄煤层气田早期生产特征及主控因素

在对樊庄区块煤层气井早期产能空间和时间分布特征分析的基础上,重点探讨埋深、煤厚、含气量、孔隙度和渗透率、压裂效果对气井早期产能的影响关系,同时采用灰色关联分析方法,定量确定影响高煤阶煤层气井（田）生产的主控因素。研究表明：压裂效果对煤层气井早期产能的影响最大,并决定气井早期高产的峰值大小,但随着排采时间的推移,其对气井产能的影响程度逐渐降低;而煤层含气量和初始渗透率影响气井整体产能及其变化趋势;含气量越高或初始渗透率越大,气井产能越好,早期高产后其下降速度也越平缓。     

彬长矿区低煤阶煤层气井的排采特征与井型优化

为研究我国西部侏罗纪低阶煤储层瓦斯的地面井排采特性及影响因素,以彬长矿区大佛寺井田煤层气井的地质资料、历史排采数据为基础,分析了该区块不同井型煤层气井的产水量、产气量的主要影响因素,并探讨了相关因素的主要控制机理。研究发现储层特性、水文地质条件是影响该区煤层气成藏的重要因素,在所研究的几种井型中,多分支井在该区有着良好的地面排采效果,其最高日产气量为16 582.3 m3,垂直井次之,而U型井则相对较差。排采数据显示井底流压与产气量呈指数关系,井底流压的减小,日产气量呈指数增加的趋势。在煤层气井不同排采时期,动液面高度对产气量的影响有着不同的作用规律,且对高产气阶段的影响更为显著。套压与产气量之间近似表现为线性变化的关系,但不同排采阶段二者线性关系的比例截然不同。在煤层气井的产气衰减阶段,多分支水平井的日产气量/累计产气量的比值与排采时间呈现为良好的E指数衰减关系,并以此构建了以日产量与累计产量之比和开发时间之间的关系为基础的煤层气井产能预测模型,拟合相关系数均高于0.848 2。     

大佛寺井田煤层气井生产特征研究

根据大佛寺井田煤层气井的产能分级,通过典型实例,研究分析了高产气井、中产气井、低产气井和不产气井4种类型井的生产特征。阐述了每种类型井产能的影响因素,针对产气量较好的井总结了所处的优势条件,针对产气量差的井分析其控制因素,并提出了相应的改进措施,对大佛寺井田的煤层气井前期的井位部署及后续的排采工作都有一定的指导意义。     

煤层气直井压裂规模对排采典型指标的影响

以沁水盆地的煤层气井为例,通过分析煤层气井的典型排采指标,研究了压裂规模对排采典型指标的影响,探究不同压裂规模对排采典型指标影响的机理。结果表明:煤层气井压裂后产水产气主要依靠煤储层的能量和通道条件;研究区内煤层气井的压裂规模集中在80～200 m~3/m之间,占总井数的86%;煤层气井的累计产水指数、见套压前的累计产水量及返排率与压裂规模指数无关,煤层气井的累计产气量、平均产气量与压裂规模指数有关;随着压裂规模指数上升,累计产气量、平均产气量上升,当研究区压裂规模指数超过140 m~3/m时,累计产气量、平均产气量整体出现下降。     

临汾地区煤层气井产层组合方式对产能的影响研究

分析了临汾地区5#、8#、9#煤层在不同组合方式下的气井排采效果,得出了合采5#+8#或5#+9#煤层组合的气井产能优于单采5#煤层及合采5#+8#+9#或5#+砂岩层+9#煤层组合的气井产能,并依据现场测试数据及理论计算,深入研究了产层间地质条件差异对煤层气井产气效果的影响,结果表明:层间水文地质条件、压力系统及渗透性、含气性及胶结程度、总资源量的差异是引起煤层气井产能好坏的主要原因。     

PSO-Elman神经网络在尾矿坝位移预测中的应用

由于BP神经网络模型容易出现局部极小值和训练时间长等缺陷,Elman神经网络模型有搜索速度慢、易出现局部最优等不足,因此考虑采用PSO-Elman神经网络模型进行尾矿坝位移预测。利用Matlab神经网络工具箱对PSO-Elman神经网络、Elman神经网络、BP神经网络三种模型进行编程,结合工程算例,验证了PSOElman神经网络模型在尾矿坝位移监测数据预测分析中具有更好的预测效果。     

遗传神经网络预测模型在选矿中的应用

分析遗传算法（ＧＡ）及ＢＰ神经网络（ＮＮ）的理论基础,提出了ＧＡ与ＮＮ结合的主要方式和步骤。讨论了基于遗传神经网络的建模思路,主要针对矿石可选性预测、选矿生产指标预报问题,建立相应的遗传神经网络模型。论述了选矿数据预处理的方法和ＧＡ－ＢＰ神经网络的设计。通过实例验证,模型的预测精度达到９０％以上。     

BP神经网络在煤与瓦斯突出预测中的应用

鉴于煤与瓦斯突出对煤矿的安全生产的威胁以及其影响因子的复杂性,合理的选择煤与瓦斯突出预测的影响因子,利用非线性的BP人工神经网络建立煤与瓦斯突出强度预测模型,来预测煤与瓦斯突出强度的大小。结果显示,煤与瓦斯突出强度的预测值与实测值吻合得较好,表明采用BP神经网络预测煤与瓦斯突出强度是可行的,为矿井煤与瓦斯突出的预测提供了一种预测精度较高的方法。     

基于神经网络的提升机减速器工况预测研究

针对传统监测方法无法实现提升机减速器工况预测的缺点,利用Matlab神经网络工具箱建立了提升机减速器工况参数的预测模型。对比模型预测值和实际测量值表明:BF和RBF神经网络模型预测结果和实际值的误差均小于10%,证明了神经网络模型用于减速器工况预测的可行性。对比BP和RBF神经网络预测结果,表明RBF神经网络模型训练时间短,预测精度高,更加适用于井下提升机减速器工况参数预测。     

基于自适应变步长BP法的煤与瓦斯突出预测

为准确预测矿井煤与瓦斯突出的危险性 ,本文基于反向BP神经网络提出了一种改进的自适应变步长BP网络模型 ,加快了BP网络的收敛速度。实际应用效果表明 ,该模型具有收敛速度快、准确性高、可靠性和实用性强等特点 ,是一种有效的煤与瓦斯突出危险性预测方法     

基于RBF神经网络的堤防管涌预测方法

影响堤防管涌的各种因素是不确定和随机的,在堤防管涌的发生过程中各因素间表现出复杂的非线性行为。运用基于RBF神经网络的基本原理,建立了堤防管涌预测的RBF神经网络模型,从新的角度研究堤防管涌的预测问题,对该问题进行了探索性的研究。对该理论的建立以及预测方法进行了系统的讨论,为该领域的研究提供了完整的技术方法。对于23个典型堤防管涌实例的研究表明,RBF网络较BP网络有较高的预测精度,较短的预测时间和较快的预测速度,能够较好地描述堤防管涌的非线性特征。     

基于随机森林算法的煤层气产能模式识别模型北大核心

为探究煤层气井的排采产能特征,合理分配开发顺序,根据沁水盆地柿庄南地区煤层气生产井实际生产资料分析,提取出排采曲线4类特征值:平均日产气量、峰值日产气量、见气到峰值的时间以及生产时间;结合排采曲线形态和4个特征值建立了3种产能模式,分析了3种产能模式的生产特征;利用随机森林算法建立3种产能模式与对应3号煤层的地球物理测井资料之间的非线性关系,通过网格搜索结合交叉验证的方式确定了随机森林模型超参数,建立了以测井曲线为特征向量的产能模式分类预测模型。将预测类别与实际类别对比分析,预测正确率达到91.7%,说明基于随机森林算法的煤层气产能模式识别具有较高的预测精度。     

煤层气直井井筒环空压力模型

为实现煤层气直井排采各阶段井筒环空压力分布的计算,为煤层气井的控压排采提供指导。结合国内煤层气井的生产实际,研究了以油管排水、环空产气为生产方式的煤层气直井,在排采各阶段的井筒内流体分布状态。提出了环空内的纯液流仅出现于煤层气解吸产出前;气液两相流阶段的环空内仅产生泡状流与段塞流;环空内气体上升不携液。基于此,采用水动力学方法,建立了3个井筒环空压力模型,分别为环空液体单相压力模型、环空气液两相压力模型以及环空气体单相压力模型,并给出了模型间的过渡条件及模型求解步骤,从而实现煤层气直井排采各阶段的环空压力分布计算。经41口井、共71组实测数据验证,所建立的3个环空压力模型,其计算结果与实测值的平均误差依次为:2. 70%,7. 96%及3. 80%,对煤层气直井井筒环空压力的计算具有一定准确性与实用性。     

基于分类方法的煤层气井压裂开发效果评价

煤层气井分类评价是指导煤层气藏开发调整的基础。煤层气井的分类存在干扰因素多,评价界限主观性强等问题;并且受煤层气井排水降压产气特点的影响,其压裂效果无法从压后短期内的产量来判定。基于数据挖掘中的分类方法,结合渗流力学理论,首先将煤层气井产量及井数做归一化处理,建立煤层气井产量分布曲线,提出以产量分布曲线的导数值作为划分低产井与高产井的评判准则,建立煤层气井分类方法。然后,采用现代生产分析的方法,分类评价煤层气井压裂开发效果。最后,通过对韩城某区块的深层煤层气井进行分类及压裂开发效果评价,结果表明,低产井HS16井形成的裂缝短,生产过程中表皮系数增大,裂缝导流能力降低,渗流通道堵塞,预测重复压裂可获产量300 m3/d;高产井HS14压裂裂缝长,裂缝导流能力与生产初期相当,生产过程中渗流通道未受影响,预测重复压裂可获产量1 300 m~3/d。     

基于优化的BP神经网络地层可钻性预测模型

提出了一种粒子群算法(PSO)优化的BP网络模型预测地层可钻性的新方法。利用粒子群算法优化BP网络模型的参数,避免了BP网络陷入局部极小值的缺点,提高了模型的预测速度和精度。结合钻探实例,利用测井资料和地层可钻性级别的关系建立了可钻性级别实时预测模型,并将该模型与传统的BP网络进行对比,结果表明,该模型优于BP网络,具有较高的精度和较快的收敛速度,有一定的适用性。