高压分层压裂排液及完井一趟管柱的研究与应用

吐哈油田属于典型的低渗、低孔、低压非均质砂岩油藏.针对吐哈油田储层特点,通过对以往压裂工艺管柱的研究,结合目前Y453封隔器及配套工具的性能参数,研究开发了适合吐哈油田的高压分层压裂、排液和完井一趟工艺管柱.通过现场应用,证明了该压裂工艺管柱具有安全、可靠,操作简单,低污染,而且成功率高的特点.因此,在油田具有广阔的应用前景.     

一种基于模糊神经网络的水淹层识别方法

针对油田水淹层识别存在在的模糊性和多解性，提出了一种基于模糊神经网络的水淹层识别方法。该方法将神经网络技术所具有的自适应性、容错性与模糊逻辑所具有的模拟人类思维中的模糊综合判别特点有机的结合，实现了多因素模糊综合判断推理来完成水淹层识别。采用该方法，对川中油田135个地层样本进行处理，符合率达87．6％。结果表明该方法对解决水淹层自动识别问题具有良好的适应性，可提高水淹层自动识别的精度。     

用改进的BP神经网络评判管道的腐蚀类型

用BP神经网络分析评判管道的腐蚀类型,可以避开寻找各种因素对腐蚀类型影响规律的难题,方便准确地分析评判出管道的腐蚀类型,但是传统的BP神经网络存在收敛速度较慢和容易陷入局部极小点两个问题,为此文章提出了将传统的BP神经网络与共轭梯度优化算法相结合,以优化网络权值和阈值的计算,同时确定了相应的计算方法。将改进后的BP神经网络应用到管道腐蚀类型的评判中,取得了良好的效果。计算结果表明,改进后的BP神经网络具有更好的学习能力,可以在更少的迭代次数和时间内,得到高精度的输出结果。     

基于BP神经网络的储层微孔隙结构类型预测

剩余油层分布是油田进入高含水期后研究的主要课题之一,在影响剩余油层分布的各种因素中储层的微孔隙结构是根本原因。本文提出了基于BP神经网络的储层微孔隙结构类型预测方法。该方法利用人工神经网络技术所具有的非线性、容错性和较强的模式识别能力实现了综合推理,进行孔隙结构类型预测。采用该方法,对大庆油田采用五厂储层样本进行了处理,在10%的可接受误差时,符合率达80%以上,结果表明该方法用于预测储层微孔隙结构类型是可行和有效的。     

基于BP神经网络的储层微孔隙结构类型预测

储层的微孔隙结构是影响高含水期油田剩余油分布的主要冈素.提出了基于神经网络技术埘测井资料处理以识别储层孔隙结构类型的方法.介绍了BP神经网络原理.该方法利用人工神经网络技术所具有的非线性、容错性和较强的模式识别能力实现了综合推理,进行储层孔隙结构类型预测.选取反映孔隙结构类型特征的自然电位、自然伽马,声波时差等7条常规测井曲线建立样本模式.并统一刻度,进行归一化处理.建立了神经网络模型.对大庆油田采油五厂储层样本进行了处理,符合率达80%以上,表明该方法用于预测储层微孔隙结构类型是可行和有效的.     

基于BP神经网络和遗传算法优化S Zorb装置汽油辛烷值损失

催化裂化汽油在精制改质过程中通常存在一定幅度的辛烷值损失.以国内某石化企业1.2 Mt/a S Zorb装置多年数据为基础,使用灰色关联分析和SPSS方法从包括原料油性质、吸附剂性质、产品性质和操作变量在内的368个变量中筛选出22个建模变量.在通过模糊C均值聚类算法将原料油分为3类的基础上,分别建立了结构为21-20...     

一种隐形酸完井液缓蚀剂的性能研究

隐形酸完井液能有效溶解油层的堵塞物,提高油层渗透率和油井产量,但对油套管具有较强的腐蚀性。本文使用失重法和动电位极化技术分别研究了温度、螯合剂浓度对隐形酸完井液腐蚀性的影响以及3种缓蚀剂对N80钢腐蚀的抑制作用。实验结果表明,随着温度和螯合剂浓度的升高,N80钢的腐蚀速率增大,并且点腐蚀变得更加严重。加入缓蚀剂可以有效控制腐蚀,在3种缓蚀剂(CA101-1、CA101-2和CA101-3)中,合成的聚酰胺类缓蚀剂CA101-2的缓蚀效果最好。当螯合剂HTA加量为0.2%、缓蚀剂CA101-2加量为1%时,N80钢腐蚀速率为0.056 mm/a。动电位极化曲线测试结果表明CA101-2是一种阴极型缓蚀剂,主要抑制了析氢反应。图4表4参5     

一种基于BP神经网络的气井重复压裂井优选方法

目前我国一些气田经过初次压裂后,增产效果不明显,或生产一段时间后,产量明显下降。为了提高气井的产量,可对气井进行重复压裂。进行重复压裂优选,可使气井得到较好的压裂效果。分析了影响气井重复压裂效果的因素,可分为地质因素和工程因素2部分。地质因素包括孔隙度、渗透率、表皮系数、产层厚度、含气饱和度、地层压力系数及剩余可采储量,工程因素包括前一次压裂是否成功、前一次压裂液用量、前一次压裂加砂量。基于BP神经网络理论,结合气井重复压裂效果影响因素分析,建立了重复压裂井优选模型。使用粒子群算法对其进行了优化,提高收敛速度的同时有效防止了局部最优解情况的发生,预测重复压裂井的日产气量,以此为依据优选重复压裂井。通过对C区重复压裂效果预测表明,基于BP神经网络优选重复压裂井可以提高选井的准确性。     

基于BP神经网络的低温提氦工艺优化

氦气是国家重要性战略物资之一,目前氦气的主要工业来源仍是从天然气中提取。为进一步优化低温提氦工艺,降低工艺能耗水平,对已有低温提氦工艺进行了改进,以一级提氦塔进料温度、压力、回流比、制冷剂高压、低压压力和制冷剂流量6个参数为变量,建立基于BP神经网络算法的综合能耗及提氦浓度预测模型,并对模型进行检验,并运用训练好的BP神经网络对改进工艺的综合能耗及粗氦浓度进行了预测。研究表明:BP模型训练效果较好,可用于综合能耗和粗氦体积分数的预测;通过训练误差分析,确定了模型隐藏层节点数为8时BP模型预测结果最优;利用确定好的BP神经网络预测出最优工艺生产参数,在满足粗氦体积分数不小于63.5%的基础上,综合能耗降低了18.08%。     

BP神经网络在致密砂岩储层测井识别中的应用

川西须家河组地层岩性复杂，属于超致密低孔渗储层，所以储层识别是该地层天然气勘探中所面临的关键问题和难点之一。针对常规储层识别准确率不高的状况，提出利用BP神经网络进行储层含气含水或干层的识别。 利用模糊聚类和产层测试结果标定建模样本，采取随机抽样形成建模集与测试集，建立BP神经网络模型对23口井的储层进行含气含水或干层预测，正确率达77.9%以上，明显地提高了该地区的测井解释精度，是一种准确率较高的储层预测方法。     

基于改进BP神经网络的油井流入动态研究

针对传统流入动态研究方法误差较大等问题,提出利用改进的BP神经网络进行油井流入动态研究。通过采用LM算法和贝叶斯正则化算法,改进了常规BP神经网络收敛速度慢、泛化能力差等缺点,并探讨了通过优化网络结构来提高网络泛化能力的方法。实例计算结果表明,采用LM算法和贝叶斯正则化算法的改进BP神经网络用于油井流入动态研究是可行的...