产量指数递减分析的自回归模型

本基于Ａｒｐｓ递减曲线方程，提出了油气田产量指数递减曲线分析的自回归模型，应用该模型进行产量指数递减曲线分析，方法简便实用，结果可靠。该方法也解决了油气藏年产量属于离散的时间序列给产量递减分析所带的问题。     

产量递减分析方法简评

随着油气藏的开发,其产量呈现动态递减趋势,产量递减分析方法一直是国内外学者研究的一个重要课题。本文对目前国内外学者提出的常规产量递减曲线和现代产量递减曲线的典型图版进行了综合分析对比,阐述了各曲线建立的理论基础、适用条件及其功能。与传统的产量递减分析方法相比,现代产量递减分析方法建立的典型曲线应用范围更广,生产数据和流压分析精确度更高,为今后能够更好地利用这些图版预测井产量和计算储层参数打下良好基础。     

水平井不稳定试井与产量递减分析新方法

针对水平井负表皮问题,在传统分析方法的基础上,建立了水平井不稳定试井与产量递减分析理论模型。利用拉普拉斯变换、分离变量及特征函数与特征值法等现代数学分析方法对模型进行了求解,获得了拉普拉斯空间中井底压力动态响应表达式和递减产量表达式。最后利用数值反演,得到了典型的试井分析和Blasingame产量递减分析样版曲线,并划分了流动阶段,分析了流动特征。此外,得到了受负表皮影响的样版曲线,样版曲线不再振荡,成功地解决了水平井负表皮问题。     

离心泵流量-扬程性能曲线的拟合方法探讨

在介绍几种常用的拟合离心泵流量-扬程性能曲线方法的基础上,重点讨论了指数回归分析方法和最小二乘法在性能曲线拟合中的应用,分析了利用Logest函数来拟合的指数回归分析方法的步骤和利用最小二乘法原理使用VB编程来拟合离心泵流量-扬程性能曲线的方法;对曲线拟合中的系数进行了求解和误差分析比较,证明2种拟合方法的计算精度均较高,而按照最小二乘法原理用VB编程拟合离心泵流量-扬程性能曲线的计算精度比指数回归分析方法的精度高得多。     

产量递减曲线参数最优化分析方法

认为拟合油气井产量递减规律的指数递减和调和递减是双曲递减的特例。但双曲递减曲线表达式无法变换成线性形式,常用方法（试凑法,曲线移位法,典型曲线分析法）既费时,又难以达到较高的拟合精度。对于实际油气井或油气藏产量递减分析来说,如果确定了递减阶段的初始产量、初始递减率和递减指数,就唯一地确定了其双曲递减曲线表达式。提出采用最优化理论优化求解这３项参数的计算方法,编制了应用程序。用该方法拟合某气井递减阶段的生产数据,拟合值的最大相对误差约为０．３３１％,平均相对误差约为０．０３９％。用该方法求解产量递减曲线参数,不受人为因素干扰,计算速度快,对指数递减、调和递减和双曲递减曲线都能精确地拟合。表１参２（陈志宏摘）     

双重介质重整产量递减分析模型与应用研究

针对压力恢复试井测试时间较短、压力波及范围小、解释结果不能综合反映长期生产后地层的特性等问题,建立考虑有效井径双重介质油藏的产量递减模型,并对模型进行求解,绘制新型产量递减分析样版曲线.通过实例拟合解释表明:产量递减分析法拟合解释结果与压力恢复试井解释结果较为接近,其结果更能综合反映地层的生产动态特性.产量递减分析方法不需关井测压,不影响油田正常生产,是一种非常优越的解释方法.     

致密气藏分段压裂水平井的不稳定压力与产量综合分析方法

基于达西线性渗流的常规试井解释模型及产量递减分析模型不再适用于具有非线性渗流特征的致密气藏,采用视渗透率的方法,建立了一种综合考虑储层应力敏感、启动压力梯度以及滑脱效应的压裂水平井3D非线性渗流数学模型。利用混合有限元方法对模型进行求解,获得了非线性渗流条件下压裂水平井的试井理论曲线及产量递减Blasingame曲线。研究结果表明,应力敏感及启动压力梯度会"抬升"试井理论曲线,"降低"产量递减曲线,减小压力扩散速度,延缓外边界响应的时间。滑脱效应会小幅度"降低"试井理论曲线,"抬升"产量递减曲线,但其影响程度比较小。利用所建立的非线性渗流模型对苏里格气田压裂水平井试井测试资料进行试井解释,对生产数据进行产量递减分析,将两者解释得到的储层参数及裂缝参数进行对比校正,并通过模型预测产量与实际产量的对比,证实新方法可靠实用,能降低解释的多解性,比常规方法更先进,可用于存在非线性渗流特征的致密气藏储层动态评价。     

产量递减的典型曲线分析

递减曲线在油气田中长期产量预测和可采储量标定工作中得到相当广泛的应用。在递减曲线分析中,一直存在两个未能解决的问题,即如何判断递减数据的有效性及结果的唯一性。应用 Arps 递减方程建立的 Q t 与 t 的关系曲线可以有效解决这两个问题。应用实例表明,该方法是可行的、有效的。     

基于小信号放大理论的早期试井分析方法应用研究

采用基于小信号放大理论的早期试井分析方法得到的典型曲线进行试井解释,解决了不出径向流直线段井的试井分析问题。为验证方法的正确性,使用标准井例,截取不同时间段的压力恢复数据进行曲线拟合。与常规的压力及其导数拟合方法相比,该方法大大降低了解释结果的多解性。结合实际井例,证明了早期试井拟合方法可解决低渗透油田不出现径向流直线段的压力资料解释问题;也可用于检验导数拟合方法的正确性,达到缩短关井时间的目的。     

致密低渗气藏气井动态分析方法

针对致密低渗气藏不稳定流动期较长的问题，提出基于不稳定流动理论的渗流模型描述气井的地层流动，并结合Duhamel原理求解变流量问题，建立了基于生产过程模拟的动态分析方法，可直接利用井口压力和产量进行单井动态分析。针对压力动态拟合中的参数多解性问题，引入Blasingame分析曲线，展现不稳定流动和拟稳态流动特征，提高了参数估算的可靠性。图4参8     

��������ݼ�������һ��ʵ�÷���

气田进入产量递减期后,一般通过Ａrps递减方程,应用典型曲线拟合或坐标变换法来研究递减规律。这些分析方法必须首先给定Ａrps进行了研究递减方程的形式,然后再求取有关的递减参数,因而不仅计算工作量大,而且带有很大的人为误差,以的递减参数一般不是最优的,预测结果往往偏差较大,分析认为,根据已获得的生产历史数据,经过一定的加工处理来预测气田产量,其准程度既取决于所使用的数学模型,又取决于所使用的数据处理方法,为此提出了用模拟退火算法求取递减以数的新方法,该方法应用于全局优化理论,依据通用递减方程,将递减参数的求解总是为最优化总是,然后再根据求取的递减判别递减类型,因此该方法通用性强。两个实际算例说明预测结果优于常规Ａrps递减分析方法,和实际数据吻合程度很高,适合于现场的推广应用。     

ˮƽ���Ծ������Զ�����ʶ���·���

影响水平井试井曲线形态的因数较多，给识别和求取储层参数带来极大的困难。研究了基于神经网络和系统辨识方法在水平井不稳定试井分析参数识别中的应用；通过神经网络对一含水平井的油气藏系统进行建模和辩识，从新的神经网络模型获得水平井自动参数识别结果；着重讨论了在均质无限大地层条件下的压力不稳定试井的参数识别问题，用实例验证了该方法的特性。     

Arps递减曲线与甲型水驱曲线的相关性及参数计算

Ａｒｐｓ产量递减曲线和甲型水驱曲线表达了大部分水驱油藏的基本规律。确定Ａｒｐｓ产量递减曲线的两个参数（产量递减率和递减指数）的传统方法是通过拟合生产历史（产量）获取,但存在拟合历史应取多长、预测范围应多大这两个问题。从甲型水驱曲线出发,提出了甲型水驱油藏的产量、递减率、含油率的预测模型,确定了Ａｒｐｓ产量递减曲线的两个参数与含水率、产油量、动态地质储量之间的关系。对不同的开发阶段,甲型水驱曲线可用几条含油率与累计产液量之间的双曲递减曲线分段描述。在产液量基本稳定的情况下,产油量与时间之间的关系也满足双曲递减规律,其递减率与年产油量、含水率成正比,与地质储量系数成反比;而递减指数取决于水油比。给出了Ａｒｐｓ曲线与油田生产历史能够吻合的范围和预测区间的大小,以及Ａｒｐｓ曲线与甲型水驱曲线的相关性。针对产液量基本稳定的生产过程,还给出了产油量的预测模型,用该模型预测产油量可到产油量初值的１／４～１／２,生产历史可拟合到产油量初值的１．２～１．５倍。在拟合预测区间内,甲型水驱曲线上的直线段与相应的Ａｒｐｓ递减曲线具有相同的开发特征。图３表２参３（裴连君摘     

试井解释模型的句法识别

针对专家系统技术和人工神经网络方法的应用 ,提出了一种基于句法模式识别的试井模型识别新技术。它克服了现有技术在曲线形态识别与模型诊断推理方面的困难 ,将识别过程分五步处理 :曲线平滑与分割、特征基元抽取、曲线形态跟踪与流动期划分、解释模型初步推断和解释模型的确认 ,以层次化方式分步完成识别任务。利用该技术开发的识别程序已能正确识别数十种复杂的试井模型。在此基础上 ,可进一步开展模型参数初值的自动估计研究 ,结合最小二乘法 ,最终实现自动试井解释 ,提高试井解释质量     

人工神经网络在气井管理及动态预测中的应用

鄂尔多斯盆地苏里格气田东区管理的井数多,稳产难度大,这对气藏开发及管理提出了更高的要求,而基于人工神经网络的气井动态预测方法不需要提供具体的地质参数,也不完全依赖气井生产动态数据。因此具有独特的优点。预测可分为3个步骤:1建立气井生产动态特征指标,用几个特征数据简单地识别气井生产能力,迅速准确地把待识别的单井生产日报数据与知识库样本中的单井做出类比,找到最相似的气井;2把ARPS递减曲线参数(初始产量、初始递减率)和开发指标(初始压力、动储量)作为预测目标,并与动态特征识别指标一起组合成向量,形成ARPS递减预测人工神经网络的预测模型,并计算气井每个月的动态数据;3建立气井动态人工神经网络训练的知识库,为更准确地预测气井合理开发指标提供依据。该方法在苏里格气田东区得到了成功应用,在投产时间较长的一批井中,通过动态分析以及气藏数值模拟得到143口井的气井动态ARPS递减参数人工神经网络预测模型,组成了人工神经网络的训练样本(知识库),为更准确地预测气井合理开发指标提供了依据。     

油气井产量递减分析新方法

针对油气田产量递减规律,广大研究者提出多种产量递减模型,如:Arps模型、SEPD模型、Duong模型以及它们之间的组合模型等。在实际生产中,由于递减模型种类繁复,使用条件不同等原因,在应用递减分析时难以选择最优递减模型。通常做法是利用线性拟合或非线性拟合方法拟合实际生产数据,通过相关系数高低来确定选择的模型,这种选择办法需对每种模型都进行拟合,计算工作量较大。鉴于此,提出一种新的产量递减模型,通过理论验证,确定新模型既包含Arps递减规律,也涵盖SEPD模型和Duong模型。实际生产数据分析表明,该方法拟合精度高,适用范围广,可有效避免模型选择问题,为递减分析方法选择提供了依据。     

BP�˹��������ڼ��㺬ˮ���Ͷ��е�Ӧ���о�

与传统的测井资料综合解释与数字处理方法相比较，ＢＰ人工神经网络方法具有极大的优越性和适用性，它勿需传统测井资料综合解释与数字处理方法所需的各种建立在实验之上的非精确的测井解释公式，ＢＰ人工神经网络方法在训练样品时只需知识道测井原始数据和求解的实际数据，而在进行求解预测时则只需知道测井原始数据即可，这为复杂地层以及其它一些特殊民政部下的测井解释和数字处理提供了一条切实可行的新途径。     

基于甲型水驱规律曲线的表征方法改进

甲型水驱曲线可以用泰勒展开方法近似成双曲递减曲线来研究油藏产量递减规律,该方法仅在含油率初值邻域内具有二阶精度,导致在产量预测后期误差较大。为了更加精确地建立甲型水驱曲线与Arps递减规律之间的联系,提高甲型水驱曲线预测油田分年产量的计算精度,通过对常用的水驱曲线递减率公式进行对比、分析,提出了甲型水驱曲线递减率的幂函数拟合表征方法,利用方差函数最小值分析方法得到了甲型水驱曲线在不同含水阶段含油率幂函数拟合的误差。结果表明：含水率越高,含油率幂函数拟合方法的误差越小;当含水率大于70%时,甲型水驱曲线含油率幂函数拟合方法不仅在含油率初值邻域内拟合较好,且在全局内拟合最优。改进的含油率幂函数拟合方法可以用来快速预测甲型水驱曲线的产量剖面,实例应用表明该方法计算精度较高,适用于符合甲型水驱特征且含水率大于70%的油藏的产量预测。     

致密油藏体积压裂建模理论与方法

致密油藏储层渗透率低,地层流体向裂缝渗流受到限制,常规压裂增产幅度不高.而采用体积压裂,“打碎”储集层,形成复杂缝网,可实现裂缝与油藏的接触面积和体积最大.为有效描述致密油藏体积压裂,采用双渗模型模拟SRV区域,然后用对数网格步长加密,分别描述天然裂缝、人工缝网、基质系统.采用Latin Hypercube方法,对模型进行敏感性分析,找出了影响产油量和产水量的敏感性因子并进行排序.采用DECE方法,通过多次自动历史拟合反推人工缝网和天然裂缝参数.最后通过Petrel软件建立基质模型,作为双渗模型的基质系统,历史拟合反推得到的裂缝参数作为裂缝系统,建立完整的双渗模型,并进行生产预测,证明了致密油藏体积压裂采用此建模方法的可行性.