神经网络技术在气田产能评价中的应用

从气田的实际情况出发，讨论了储层的产能与测与响应之间的潜在关系，采用神经网络技术实现了测井对产能的预测评价，从而对气田的开发奠定了一定的基础，进一步拓宽了测井在油气勘探开发中的应用范围。     

常规测井特征比值法在大牛地气田产能评价研究中的应用

从鄂尔多斯盆地北部大牛地气田上古生界致密砂岩天然气储层的地质和岩性特征出发,在储层参数精细解释基础上,完成了一项储层产能分析与评价方法研究.首先把常规测井资料分类处理成几组本地区的测井特征参数比值,包括:岩性测井比值(自然伽马相对比、井径比)、电性测井比值(自然电位相对比、深浅电阻率比)、物性测井比值(时差比、密度比);把这些比值按地区经验加权合成为储气层产能综合比值K;把K和气层厚度H的乘积KH(取名为测井储能特征指数)与气层无阻流量测试数据相拟合,得出相应的经验回归关系.在评价气层时,用K值划分产能级别,用KH值预测产能.实测结果表明该方法效果明显,已在大牛地气田的新井储层产能评价和老井挖潜工作中推广应用.     

苏里格气田储层产能模糊综合评价方法

测井解释结果通常是制定单井压裂方案的静态参考资料,但是储层静态评价的准确与否影响相关方案的决策和评估.考虑多个测井参数对气井产能指示的综合影响,首先建立了表征储层产能大小的评价指标体系,然后根据大量现场数据建立了指标评价范围,采用模糊层次分析法综合各单因素评价结果对产能进行评价,实例表明基于测井参数的储层产能模糊综合评价方法在苏里格气田见到好的应用效果.     

概率神经网络及其在储层产能预测中的应用

概率神经网络（PNN）是一种基于概率密度函数理论且泛化能力很强的神经网络，并且能够广泛地应用于模式识别等领域。针对储层产能的预测问题，提出了一种具体的概率神经网络方法，包括网络模型的构造、学习训练和预测识别等步骤。基于MATLAB6．5设计出概率神经网络的具体应用软件，实际应用表明，在储层产能预测中效果显著。与BP网络进行对比实验，其预测正确率优于BP网络。     

BP神经网络技术在神木气田水平井产能预测中的应用

传统水平井产能预测计算由解析解法与半解析解法确定,有极大的局限性,所以在应用中常常预测不够准确。本文选择BP神经网络算法,通过输入信息神经网络权值和阀值作用,计算各层误差,依次对权值和阀值进行修改,达到高精度、快速逼近样本的目的。最后用训练好的网络来进行神木水平井产能预测。仿真结果表明,神经网络算法应用效果显著,预测值与实际值相对误差在±10%之内,能够满足工程精度要求。     

录井专家解释系统在大牛地气田产能评价中的初步应用

为了实现应用随钻录井技术开展低渗透气田的气层产能评价,在原有评价手段的基础上,开发了录井专家解释系统,从初步应用效果看,弥补了单参数或两参数交汇法均不能很好地评价产能的不足。该系统通过合理选取评价参数,利用遗传算法、神经网络方法建立的专家系统,能够得出更加合理的产能评价结论。对该系统的验证表明,其操作简便,符合率为77.5%,能够满足现场快速评价产能的需要。     

神经网络技术在煤层气测井评价中的应用

同常规油气勘探和开发应用一样,测井也应成为煤层气评价的有力工具。但是,煤层气的储集、产出机理与常规油气藏不大相同,目前的研究水平尚难建立一套完善的煤层气解释方法或方程,借助于神经网络技术进行煤层气测井评价,是现阶段的优选方法之一。     

利用测井资料进行储层的产能评价

通过室内岩心实验测井资料的分析可知，利用自然电位（SP）曲线和感应电阻率曲线可直接进行储层的产能预测，对于不同的储层，产能指数（PI）与电阻率比率（Rn)呈双对数关系；对于同一储层的不同开发期，产能指数（PI）与电阻率比率（Rn)呈单对数关系。     

洛带气田遂宁组致密储层的快速产能评价

洛带气田遂宁组为岩性圈闭气藏,储层为低孔隙度、低渗透率致密砂岩,以孔隙型储层为主,部分发育微裂缝.分析了其产能与储层参数及钻井走向的关系,认为泥质含量、孔隙度、渗透率、饱和度、储层有效厚度以及微裂缝发育等储层参数对其产能有较大影响;走向垂直于其构造长轴的定向井产能较高.该地区常规测井识别微裂缝发育的标志可归纳为微球电阻率测量值明显低于双侧向电阻率测量值.通过回归分析建立了其储层参数与产能的拟合关系式,其估算值与测试结果吻合,可用于遂宁组储层产能的快速估算.     

神经网络及模式识别技术在测井解释中的应用

针对四川碳酸盐岩储层实际情况，用测井资料与岩心分析结果组成孔隙度、含水饱和度样本，经BP网络训练后得到模型参数。使用模型参数进行孔隙度、含水饱和度计算、计算结果精度高。BP网络在产能评价方面也有明显优势，能较好地表达储层参数与产能之间的关系，提高预测结果精度。对汉明网络结构作了适当的调整，使其适用于输入为连续值的模式识别问题。在储层流体性质判别方面，气层、水层的判别符合率达93%；该网络在多个地区的测井相分析中应用表明，能提高沉积微相识别率和预测符合率。实际应用证实，神经网络技术能提高测井解释中的数值计算精度和模式识别符合率，已在测井精细解释及储量计算中应用。     

常规测井资料在致密砂岩储层产能评价中的应用

从鄂尔多斯盆地B区块上古生界致密砂岩气储层的测井响应特征出发,研究了测井参数与储层产能的关系。通过分析岩性、物性、电性测井资料,提取了储层产能测井敏感参数,建立了储层分类标准。以物性参数为主建立产能预测模型,在此基础上,考虑岩石脆性对储层压裂后产能所造成的影响。将岩石脆性因子引入到产能预测模型中,修正了原有模型,提高了预测精度。实际测试结果表明该方法效果明显,在B区块的新井生产、测试中有一定的指导意义。     

致密气藏水平井测井产能预测方法研究

苏里格气田×区具有孔隙度小、渗透率低、孔隙结构复杂、各向异性和非均质性强等特点。在水平井开发过程中,由于测井系列少,水平段物性变化大,难于给出合适的解释标准,多级分段压裂难以优选射孔层段,评价水平井产能成为难点。通过构建综合反映储层物性、岩性、电性的综合指数,对水平段分段分级评估,基于简化油藏渗流模型,利用测井资料分别计算各类储层的产能指数,与试油资料相结合得到了该区的产能预测模型。应用综合指数能很好地划分储层类型并指导射孔层段的优选,该产能预测方法只需测井参数,操作简单,预测精度高。     

关于测井储层的产能预测研究

油气储层产能评价和预测是编制油田开发方案的重要组成部分。一般说来,产能是油气储层动态特征的一个综合指标,它是油气储层生产潜力和各种影响因素之间在互相制约过程中达到的某种动态平衡,而利用测井储层评价手段所获取的储层参数,主要反映的是储层的静态特征,而对其动态特征极少直接反映,充分应用测井资料来评价由基岩块孔隙和裂缝或溶洞等双重介质组成的双孔结构储层的产能,却一直是测井解释分析家们所致力解决的问题。     

凝析气藏水平井产能评价方法及其应用

凝析气藏水平井产能预测与评价是水平井设计中的一个重要方面。水平井产能的影响因素较多,已有的水平井产能计算方法,其理论计算结果与实际生产数据往往差别较大。本文建立了一种凝析气藏水平井产能评价的新方法,该方法把理论计算公式和现场实际的直井生产试井资料相结合,利用直井试井解释结果,可以对开发设计水平井的产能进行相对精确地预测和比较切合实际地评价,从而为水平井的设计提供依据,并给出了实例计算。     

低渗气藏压裂水平井产能评价新方法

采用数值试井模拟方法,建立压裂水平井数值试井模型,模拟分析压裂水平井在各种产能影响因素下的压力一产量特征及绘制采出程度IPR曲线,采用Vogel处理方法,将采出程度IPR曲线纵坐标转换为产量无因次量,将横坐标转换为压力无因次量,对无因次化压力一产量数据进行统计和回归分析,最终形成具有普遍代表意义的压裂水平井动态IPR产能评价公式,为低渗气藏压裂水平井产能评价提供简便、快速的新方法。     

基于神经网络的油气产能建设项目评价模型研究

在详细分析油气产能建设项目评价中所涉及的评价指标基础上,利用神经网络的非线性映射、推理和预测的特点,建立了油气产能建设项目评价模型,同时对所选的决策变量利用敏感性分析进行优化。模型弥补了传统德尔菲法主观估计权重的缺陷,模型的运用使石油公司更为客观地对产能建设项目进行排队和分类,使产能建设年度计划预安排更加科学化。     

利用测井资料预测辽河小洼油田东营组油气产能

油气的产能影响因素可分为人为因素和储集层因素两类,一个油区,在各种作业方式等人为因素大致相同的前提条件下,产能主要取决于储集层的性质。从达西二维产量公式出发,研究了产能的理论方程,以相对渗透率与含水饱和度的函数关系为纽带,导出产能与有效孔隙度、渗透率以及电阻率之间的多元关系式,在此基础上,结合测井学的基本理论,将其作为综合评价的参数,采用人工神经网络技术建立了产能预测系统,该方法用于辽河油田小洼地区东营组的油气产能预测,效果良好,从而证实了方法的有效性。