利用注采数据研究岔15油田井间连通性

为了简单准确地研究复杂断块油田的井间连通性,改进了非线性扩散系数的计算方式,利用斜率关联度法计算注采关联度,克服了注水信号衰减性和时滞性及数据无量纲化方式对计算结果的影响,进而更准确地研究井间连通性。研究表明,修正后的注采信号间关联程度更高,且注采信号间的关联程度越大,井间连通性越好。沉积相分析和示踪剂监测结果充分证明了该方法的可行性,具有较高的矿场应用价值。     

砂砾岩油藏井间动态连通性判定方法

砂砾岩油藏储层结构复杂、非均质性严重,依靠传统的方法难以获得可靠的储层解释,研究砂砾岩油藏井间连通关系对于合理有效开发砂砾岩油藏至关重要。 针对砂砾岩油藏的储层特征,对以往井间动态连通模型进行了改进,利用正求法和反求法,将非线性优化问题转化为多元线性回归问题,减少了模型的计算量,并且有效避免了模型的多解性。 应用实例证实了改进后模型的准确性和 ２ 种求解方法的有效性,利于现场推广,可有效指导砂砾岩油藏的开发决 策。     

基于油藏井间动态连通性评价化学驱油效果

应用信号处理方法建立了油藏井间动态连通性反演模型,并基于遗传算法和最小二乘法给出了反演模型的自动求解方法.利用该模型对化学驱油前后单元井组内井间连通系数进行求解,同时基于变异系数法对连通系数离散程度的变化进行分析,建立了一种新的化学驱油效果评价方法.该方法仅需注采量动态数据,易于操作,简便直观.对典型概念模型和孤东油田二元复合驱矿场实例对比分析表明,该方法可有效预测化学驱后注入井的水流方向改变情况,直观有效地反映化学驱油效果,从而验证了新方法的适用性和有效性.     

基于系统分析方法的油藏井间动态连通性研究

注采系统具有一阶线性时滞系统的特征,应用系统分析方法,建立了油藏井间动态连通性反演模型,模型参数意义明确,可以考虑注入信号的衰减和时滞特性,同时基于拟牛顿算法给出反演模型特征参数的求解方法。应用所建模型,对冀东油田高13断块进行了井间动态连通性反演。根据井间动态连通图,可将各井组划分为各向连通型、单向连通型、线状连通型。对区块内各油井目前的动液面进行统计表明,应用本文方法进行井间连通性反演符合油藏的实际情形,可为该区后期开发方案的实施提供依据。     

彩南油田彩9井区西山窑组油藏井间动态连通性研究

彩南油田彩9井区西山窑组属于低渗-特低渗油藏,非均质性强,注采井网适应性差,储量动用程度低,水驱开发效果极差。准确的判断注采井间动态连通性,是改善油田开发效果的关键。针对彩南油田彩9井区西山窑组油藏,建立井间动态连通性模型。利用油田注采动态数据反演得到井间动态连通系数,绘制全区注采井间连通图。对比分析示踪剂和微地震解释结果,验证方法的准确性,并且分析表明该油田西部连通性存在明显的方向性,呈西北-东南方向。     

海上油田井间连通性综合评价技术研究

海上油田开发成本高,探井、评价井及生产井数少,导致油田资料及油藏认识有限,而对于注水开发的油田,井间连通性的认识对于改善注水效果及提高采收率是非常重要的.因此,针对这一难题及需求,以海上某油田注采井组为例,提出了井间连通性综合评价技术.利用砂体展布、储层物性、沉积相等地质研究分析静态连通性,根据油井泵吸入口压力及产液量...     

基于高速非达西渗流的断溶体油藏连通性预测模型

针对断溶体油藏地质特征复杂、准确快速模拟难以实现的问题,以储层静态物性参数和动态注采数据为基础,将复杂的断溶体结构离散为井—缝—洞间的一维连通单元。提出了能够表征井间连通特性及物质基础的两个特征参数：传导率和控制体积。同时,引入流体高速非达西渗流项来描述断溶体内真实渗流特征,建立了断溶体油藏井—缝—洞间的连通单元物质平衡方程,实现了断溶体油藏油水动态模拟。研究结果表明：定液制度下,非达西渗流系数β=0,传导率值不变;β>0,随β值增大,连通单元内传导率下降程度增大,水相受非达西作用影响更明显,导致油井见水时间滞后,地层压力及井底流压下降,所需生产压差增加。针对Z断裂带,在达西渗流条件下,各计算指标与实际值难以拟合;当β取值在10³~10⁴时,单井流压及区块产油拟合效果理想,更符合实际流动。高速非达西作用明显的单元内连通性更好,对井间连通性准确预测具有指导意义。     

低渗透油藏井间动态连通性研究

低渗透油藏井间动态连通性的传统研究方法具有操作复杂、费用高、影响正常生产等缺点。为更加简单、快速地进行定量评价,考虑低渗透油藏流体流动存在的启动压力梯度和注水的时滞性及衰减性,在建立低渗透油藏拟线性产量计算模型的基础上,根据一阶电路原理和物质平衡原理,建立了累计产液量和累计注水量间的离散关系新模型。根据未知参数的物理意义设置约束条件,利用最小二乘法和粒子群优化算法求解新模型,得到连通系数。研究表明,连通系数可以定量表征井间的动态连通状况,现场应用结果与示踪剂测试结果、动态分析结果非常吻合。新方法利于现场推广应用,计算结果为油田后期调整提供了重要的技术支持。     

利用微地震监测成果判断砂砾岩油藏压裂裂缝井间连通性——以准噶尔盆地玛湖油田为例

现阶段离散的微地震事件点刻画的裂缝形态仅代表压裂裂缝网络的包络范围,很难精细刻画缝网包络中人工裂缝的真实形态,而且受速度模型、初至拾取等因素影响,微地震事件定位结果存在一定误差,因此仅靠离散的微地震事件点分布位置信息无法判断裂缝井间连通性。为此,以准噶尔盆地玛湖油田玛131示范区示踪剂检测结果作为判断井间人工改造裂缝是否连通的依据,总结未受天然裂缝影响情况下微地震事件点与邻井事件点最小距离规律,形成一种新的利用微地震监测结果定量评价砂砾岩油藏压裂裂缝井间连通性的方法。玛湖砂砾岩油藏在未受天然裂缝影响情况下,相邻井微地震事件交叉,且微地震事件距邻井事件最小距离小于10m,代表两井压裂裂缝连通;反之,微地震事件距邻井事件最小距离大于10m,代表两井压裂裂缝未真正连通。应用判断玛湖凹陷砂砾岩油藏井间裂缝连通性方法可以评价玛湖区块井间距与施工规模的合理性,也可推广到其他地区。     

准噶尔盆地六中东区克下组油藏井间连通性 动态反演及地质控制因素

针对准噶尔盆地六中东区油藏井间连通性测试成本高、研究周期长的问题,以油井产液量和水井注水量等动态数据为基础,采用多元线性回归数学方法定量反演油水井连通系数,并通过示踪剂资料进行验证。研究结果表明,该区克下组油藏油水井存在单井突进、单线连通、单向连通和多向连通4种连通样式,连通性主要受构型要素、断层、储层物性和储层改造措施等地质因素控制。其中扇根开发层系S74和S73小层以单井突进、单线连通为主,主要受储层物性控制;扇中开发层系S72和S71小层以单线连通和单向连通为主,主要受构型单元控制。     

应用人工神经网络算法的地震面波非线性反演

利用瑞雷波频散曲线反演地下介质的横波速度是一种有效可靠的地球物理方法,且已被广泛应用于近地表地质调查和勘测。传统线性反演方法已不能满足日益复杂的目标或任务的需求,而非线性反演方法因其反演速度快、原理直观易懂而倍受关注。非线性反演方法中的人工神经网络具有自组织、自学习能力、联想记忆能力、高度容错性和抗干扰性,对不同反演问题能（通过相应网络训练后）反演出相应的目标参数。鉴于此,引入BP人工神经网络对地震面波进行反演,通过网络设计、训练和学习,求得最优解而不是精确解,以此避免了其他非线性反演方法易陷入局部极小值的问题。通过选取BP神经网络对多种典型地质模型在无噪和含噪情形下得到的频散曲线分别进行反演,并对比反演结果与真实数据,验证了此方法反演频散曲线的有效性和稳定性。最后,对实际数据进行反演,并与其他方法反演结果进行对比、分析,检验了该反演方法的实用性。     

应用改进的BP人工神经网络快速预测储层敏感性

标准的神经网络算法存在训练时间长，在一些特定的给定初值情况下会陷入局部最小等缺点，应用受到一定限制。该文介绍了改进的BP人工神经网络训练算法，该算法在一个权值修改过程中对权值修改两次，以达到加速收敛避免陷入局部最小等目的，利用该算法进行了储层敏感性快速预测软件研制。分析表明，该算法受人为因素干扰小，所需参数少，结果比较可靠，总体符合率达到91％，改进后的算法训练所需时间与标准BP网络相比缩短了许多，是一种适用于现场的良好方法。     

用神经网络和地质统计学综合多元信息进行储层预测

由于实际地下地质地球物理条件的复杂性和地震等资料品质所限,相关问题的解决较为困难。在研究中如何将多元信息结合起来是实现这一目标的可行途径。遵循这一思路,在D气田地震储层预测中,针对研究区储层地质、地球物理特点,尝试用神经网络和地质统计学作为不同信息的融合平台,并将二者结合起来,充分地将多种地震属性和测井资料相结合,有效地减少了储层预测的多解性,提高了储层预测精度,达到了良好的应用效果。     

Viscosity prediction in selected Iranian light oil reservoirs: Artificial neural network versus empirical correlations

Viscosity is a parameter that plays a pivotal role in reservoir fluid estimations. Several approaches have been presented in the literature (Beal, 1946; Khan et al, 1987; Beggs and Robinson, 1975; Kartoatmodjo and Schmidt, 1994; Vasquez and Beggs, 1980; Chew and Connally, 1959; Elsharkawy and Alikhan, 1999; Labedi, 1992) for predicting the viscosity of crude oil. However, the results obtained by these methods have significant errors when compared with the experimental data. In this study a robust artificial neural network (ANN) code was developed in the MATLAB software environment to predict the viscosity of Iranian crude oils. The results obtained by the ANN and the three well-established semi-empirical equations (Khan et al, 1987; Elsharkawy and Alikhan, 1999; Labedi, 1992) were compared with the experimental data. The prediction procedure was carried out at three different regimes: at, above and below the bubble-point pressure using the PVT data of 57 samples collected from central, southern and offshore oil fields of Iran. It is confirmed that in comparison with the models previously published in literature, the ANN model has a better accuracy and performance in predicting the viscosity of Iranian crudes.     

基于BP神经网络进行裂缝识别研究

裂缝系统是个复杂的地质体,其储层物性的改善作用是非线形的,各种评价参数与裂缝发育程度之间的关系也是非线形的。基于人工神经网络理论,开展了常规测井资料识别评价裂缝的研究。结果表明,基于BP神经网络的裂缝性储集层常规测井识别,与成像测井对比具有较好的应用效果。     

基于BP神经网络的天然气采气管线甲醇加注量预测及其分配管网优化

针对天然气采气管线冬季冻堵事故频发这一问题,以井口压力、井口温度、日产气量、日产水量和天然气相对密度为输入,以甲醇理论加注量为输出,利用BP(back propagation)人工神经网络技术对采气管线甲醇理论加注量进行了预测,采用Sobol灵敏度分析找出了显著影响甲醇理论加注量的关键参数,并对注醇分配管网进行了优化。结果表明:5-16-12-1型BP人工神经网络经过2 764次迭代后,它的训练样本、验证样本、测试样本均方误差分别为0.005 5、0.007 2和0.008 5,均小于容许收敛误差限0.010 0,而其决定系数亦高达0.999 5、0.998 6、0.996 4,表现出良好的相关性;井口温度、天然气相对密度和井口压力对甲醇理论加注量影响较大,而井口压力、井口温度、日产气量、日产水量与其他参数之间可能存在明显交互作用;靖99-66、靖99-65、靖99-66H2和靖98-65在放射状和环状管网模式下甲醇实际加注量小于甲醇理论加注量,存在欠注现象,而新北5站所有气井在树枝状管网模式下甲醇实际加注量都大于甲醇理论加注量,起到了预防冻堵的目的。研究结果可为天然气采气管线注醇过程的节能降耗、提质增效提供必要的理论支撑和数据来源。     

Predicting asphaltene precipitation during titration of diluted crude oil with paraffin using artificial neural network (ANN)

Abstract

Asphaltene precipitation from crude oil in underground reservoirs and on ground facilities is one of the major problems in a large portion of oil production units around the world. Many scaling equations and intelligent predictive models using the artificial neural network (ANN) are proposed in the literature but none of them can be applied when crude oil is diluted with any types of paraffin. In this study, feed forward artificial neural network is used for prediction of the amount of asphaltene precipitated weight percent of diluted crude oil with paraffin based on titration tests data from published literature. Trial and error method is utilized to optimize the artificial neural network topology in order to enhance its strength of generalization. The results showed that there is good agreement between experimental and predicted values. This predictive model can be applied to estimate the amount of asphaltene precipitated weight percent when the crude oil is diluted with paraffin and to avoid experimental measurement that is time-consuming and requires expensive experimental apparatus as well as complicated interpretation procedure.