Powell优化算法在气水两相流动分析中的应用

Ｐｏｗｅｌｌ优化算法是利用仪器测井理建立误差函数（非相关函数），借助Ｐｏｗｅｌｌ方向加速法求出非相关函数达到最小时的解，对于气，水两相流动，从预设的气，水流量初始值出发，沿不同的广向进行搜索，可求出气，水两相流动中可能最大产量。与目前常用的生产测井解释方法相比，文中提出的方法具有精度高，实用性强等优点，在测井曲线有缺陷时，仍有可能得到较好的结果。     

自适应混沌粒子群算法在油水两相流动分析中的应用

针对垂直井中油水两相流动的最优化测井解释,提出了一种新的自适应混沌粒子群优化算法(ACPSO).该算法具有较强的全局搜索能力,能以较大的概率收敛到全局最优解.然后,针对用仪器测井值和理论响应值建立的误差函数(非相关函数),用ACPSO算法进行优化处理,对实际井的处理结果表明,该算法是可行的.     

油水两相流动生产测井解释中关键参数的确定

基于模拟井中油水两相流实验,本文提出了油水两相流动中关键参数——相分布系数与状态分布指数的确定方法,并用该模型求得的油表观速度与大庆油田、阿特拉斯、哈里伯顿测井服务公司模拟井中的实验结果进行了对比,取得了较好的效果。本文提出的确定油水两相流动生产测井解释关键参数的新方法为更好地把漂移模型用于生产测井解释奠定了基础。     

油水两相流动生产测井解释模型

依据油水两相流动模型,对流动模拟实验数据进行了整理分析,建立了生产测井油水两相解释模型。利用实验资料对该模型与实验相关模型的检验对比结果表明,本文提出的解释模型不仅理论依据充分,反映了油井内油水两相混合流动的物理机理,而且形式简单,应用方便、解释精度较高,为改进油水两相流动生产测井解释提供了一种非常有用的新方法。     

基于电阻率差异的油水两相流动阵列是忝像方法探讨

依据油田生产中常见的油、水两相电阻率异常差异，提出了一种油水两相流动阵列电阻成像方法。该方法通过测量相邻电极电流激励模式下的电压变化，运用基于微扰原理的线性反投影图像重组算法，再现井筒测量截面上的油、水分布，显示为管道截面流动图像。理论研究表明，该方法是实现生产测井成像化测量的一种有效途径。     

水平井及大斜度井油水两相流动模型研究

水平井及大斜度井中由于存在重力分异,油水两相流流型、局部流速和局部持水率沿管径方向发生了复杂的变化,致使其流量和持水率测量及多相流分相流量解释非常困难,在垂直井生产测井解释中得到广泛应用的常规漂移模型已经不能解决其流动剖面解释问题。对水平井及大斜度井中的油水两相流动进行了实验研究和半理论分析,在对多相流动环路模拟实验资料分析的基础上对漂移模型进行了修正,分别针对井斜角和持水率对相分布系数和油滴上升极限速度进行改进,确定了相关计算公式。采用改进的漂移模型预测了多相流动环路模拟实验环境下的油相表观速度,并与实验数据进行了对比分析,计算结果与实验很好地吻合,发现该模型对小于50m3/d的低流量油水两相分相流量计算平均相对误差为18.86%,大于100m3/d的中高流量油水两相分相流量计算平均相对误差为8.49%,能够满足生产测井产出剖面解释的要求。相关参数的改进扩大了漂移模型的应用范围,提高了水平井及大斜度井筒中油水两相产液剖面测井的解释精度。     

油水两相流动漂流模型的研究

漂流模型考虑了多相流之间在流动特性上的相互影响以及流动机构因素，常常用来整理滞留数据，在研制管道多相流动中得到了广泛应用，对模拟并动态实验数据整理发现，漂流模型在持水率大于０．７５时具有较低的解释精度，在实验数据的基础上对此问题进行了探讨，并提出了新的解释方法。     

斜井油水两相流动产出剖面测试技术

受井斜和油水密度差的影响，地层所产流体在斜井中会出现不同程度的油水分相流动，致使连测量仪器所录取的产出剖面资料及其解释结果失真。订流式流量、持水组合仪和非集流的井温仪、压力仪、流体密度计以及同强度电动扶正器组成的测井系列，可较好地解决斜井油水两相流动剖面资料的录取问题，文中给该资料的解释技术。     

A New Approach to Sand Production Onset Prediction Using Artificial Neural Networks

Abstract

Sand production prediction has always been an important issue when dealing with production phenomena. Knowing all significant consequences of precise sand production prediction, different methods were developed using a variety of criteria and material models were implemented to obtain more accurate results. Although sand rate prediction has become a prevalent challenge nowadays, it does not reduce sanding onset prediction. Dealing with different methods and knowing the disadvantages of each one will clarify the necessity of developing a technique having the exactness and accuracy of numerical and experimental methods and simplicity of analytical ones. There was an endeavor in this article to apply powerful tools of an artificial neural network to predict critical bottomhole flowing pressure inhibiting sand production. Comprehensive well data gathered from 38 wells distributed in three oilfields producing from the same source rock were investigated to find the main parameters causing sand production. After verifying the proposed model with test wells, it was evaluated against well-accepted analytical models. The final results illustrate a reliable and more exact method that can predict sand initiation with a high degree of accuracy.     

模糊逻辑和神经网络及其在含油饱和度预测中的应用

对人工智能技术在油田开发中的应用做了简要回顾.介绍了模糊逻辑理论中的模糊排队算法和人工智能中的BP神经网络模型.将模糊排队算法和BP神经网络相结合,以新疆油田某井的实际测井曲线为例,用模糊曲线分析方法确定全局相关性强的输入变量(测井曲线),建立BP神经网络含油饱和度预测模型,并对含油饱和度做了预测,利用模型的预测结果和计算值相比较具有较高的吻合度,证明该方法在实际储层参数预测中具有良好的实用性.     

相似度-遗传神经网络在储层物性预测中的应用

传统的测井解释需要建立精确的数学模型,并常伴有严格的条件限制,因此很难得到真实反映储层特性的结果.采用遗传算法与BP神经网络相结合,利用遗传算法的全局寻优特点,优化神经网络的连接权值和阀值,提高网络的训练精度和预测精度,避免了BP算法易陷入局部极小的缺点,提高运算速度.将相似度的概念引入到测井中,定义相似度在测井中的计...     

考虑井筒储集的油水两相流试井分析

油水两相流在油田中广泛存在,但目前常用的研究方法中没有考虑井筒储集效应的影响。鉴于这种情况,本文将井筒储集系数和表皮系数引入油水两相流数学模型中,并用数值模拟方法求出数值解。经实例验证,此方法行之有效。     

Flow Zone Indicator Estimation Based on Petrophysical Studies Using an Artificial Neural Network in a Southern Iran Reservoir

Porosity is a volumetric parameter whereas permeability is a measure of a rock's flow properties and depends on pore distribution and connectivity. Thus zonation of a reservoir using flow zone indicator (FZI) can be used to evaluate reservoir quality based on porosity-permeability relationships. The objective of this study was to develop an accurate reservoir FZI with the aid of artificial neural network (ANN) utilizing available geophysical well log data and dipole sonic imager (DSI) derived body wave velocities. The efficiency of utilizing shear wave and compressional wave velocities (V_p and V_s ) in improving estimation accuracy has been evaluated as well. It is the core data were used for ANN training that involves the calculations of Reservoir Quality Index, normalized porosity (? _z ), and FZI. Correlation between FZI calculated from core data and that obtained from well log data showed that ANN model were successful for estimation of FZI from conventional well log data. The compressional wave velocity was more effective than shear ones in delivering more accurate responses to estimate FZI. On the other hand, in association with other logs, utilizing compressional and shear wave velocities caused the responses to be closer to the reality and decrease the estimation error.     

基于神经网络的油罐故障模糊诊断系统

根据油罐故障现象分析，建立了油罐故障诊断模型。采用模糊数学和BP神经网络结合的算法对此诊断模型进行求解，并对模型的有效性进行了分析。