涪陵页岩气井出砂判断及管理方法

涪陵页岩气田治理气井出砂方法大多着眼于压裂试气,缺少基于采气生产过程中出砂判断和治理方法。分析出砂井的生产数据,发现可以通过气井瞬时流量持续上升、瞬时流量异常波动来第一时间判断气井出砂,也可以通过设备异常来直观观察气井出砂情况。实践表明,在合理配产的基础上从地质与工程两个方面着手治理出砂井,可收到较好的治理效果。     

乌里雅斯太凹陷压裂选井选层研究

乌里雅斯太凹陷砂砾岩油藏具有储层敏感性强、微裂缝发育、隔层应力低、射孔投产后产能低以及压裂后效果相差悬殊等特点.如何准确、定量优选出最具潜力的压裂井层已成为该油藏开发的瓶颈.根据对前期压裂井资料的统计分析,选取了地层系数、孔隙度、含油饱和度等地质参数以及排量、前置液百分数、加砂强度等工程参数作为影响压裂效果的主要因素,建立了压裂井的专家数据库.利用回归分析和BP神经网络对3口待压裂井进行了优选.实践表明,各影响因素与压裂效果之间存在非线性关系,线性回归不能满足优选压裂井的需要;二次回归和神经网络方法的拟合误差为0,预测误差不超过2%,可以满足现场压裂选井选层的需要.     

致密低渗油藏压裂井网气驱深度学习预测模型

压裂井网气驱将油藏压裂与注气井网驱油结合,是当前致密低渗油藏提高采收率有效技术之一．水力裂缝及多相流动复杂性,使得基于精细油藏数值模拟的压裂井网气驱效果预测变得困难且耗时．提出一种基于均方根传播（root mean square propagation,RMSProp）深度学习的压裂井网气驱效果预测方法．通过建立压裂直井/水平井混合井网气驱数值模拟模型,引入高斯函数定量表征压裂水平井多级裂缝分布特征．利用正交试验筛选试验样本方案,自主编程实现数值模拟结果自动提取与数据处理,建立致密低渗油藏压裂井网气驱样本数据库．基于随机森林算法,筛选油藏地质、裂缝、生产等关键参数重要性特征,通过误差逆传播（back propagation,BP）神经网络、长短期记忆单元（long short-term memory,LSTM）、双向长短期记忆单元（bi-directional long short-term memory,BiLSTM）等深度学习算法,建立日产油、地层压力和采出程度预测代理模型,通过与油藏数值模拟对比,验证模型准确性．结果表明,BiLSTM算法在预测压裂井网气驱和压裂衰竭开发时效果最好...     

涪陵页岩气井焖井时间与产能关系分析

涪陵页岩气井压裂后,多数井经历了3天以上的焖井,再进行钻塞后放喷排液、测试求产。随着焖井时间的变化,气井初始产能相差较大。根据调研资料表明,焖井期间人工裂缝内压裂液滤失、微裂缝沟通、页岩浸泡等因素共同影响近井地带的储层物性,进而影响气井产能。进一步统计、分析涪陵页岩气井焖井时间与压裂液返排率、气井初始产能的对应关系,认为焖井20天以上能大幅度改善气井近井地带储层物性,提高单井产能。     

川西地区定向井压裂工艺技术研究及应用

结合川西实践,总结出定向井压裂表现的特点:破裂压力异常、近井摩阻大、施工压力较直井高、压后效果斜井较直井差,并就其原因进行了分析,得到近井效应显著、裂缝空间转向、多裂缝的形成是造成定向井压裂施工难度大和压后效果普遍较直井差的主要原因.围绕分析结果进行了定向井压裂工艺技术研究,提出了优化射孔、前置液段塞、线性加砂、变排量压裂工艺技术、以及变粘压裂液、增加前置液量、增大加砂规模等措施.2006年在川西马井和新都地区共进行了16井次定向井现场应用,施工成功率100%,工业气井建成率达94%;2005年马井区块平均直井、斜井压后无阻流量之比为2.05,2006年仅为1.39,同井组斜井、直井压后产量差距明显缩小.该研究为开发定向井提供了有效的手段,增产效果显著,具有很好的推广应用价值.     

压裂气井非达西流动模拟研究

在压裂气井中,低粘气体在高导流支撑裂缝中的渗流阻力降低,渗流速度加快,气体渗流入井的流动由达西流变为非达西流,目前基于达西流动假设所制作的预测压裂井生产动态的典型图版,对压裂气井生产动态的计算结果与实际相较大。为此在引入非达西因子基础上,首次推导建立了压裂气井中真实气体在地层－－裂缝中非达西渗流的数学模型,采用有限差分法得到该模型的数值方程和求解方法,推导了非达西因子的数值计算法,模拟计算了压裂气     

页岩气井返排液对产能评价影响的研究

涪陵页岩气水平井产能试井测试数据主要采用孔板流量计计量,节流上游温度和压裂液流量的数据质量相对较低或部分缺失,给精确计算气井节流临界流量带来了一定的难度。为解决页岩气分段压裂水平井试采期间不同节流嘴尺寸、不同压裂液返排量条件下的临界流量计算问题,建立适合于页岩气分段压裂水平井气-液两相节流临界流计算方法,对于研究返排液对产能评价的影响具有重要的现实意义。     

煤粉源集合体对水力压裂效果的影响

煤粉颗粒在压裂液中发生"造浆"及"聚集"作用是影响煤层气藏水力压裂效果的关键.构造煤粉源集合体对压裂效果影响显著,研究结果表明:原位状态下,煤粉以构造煤粉源和原生裂缝煤粉源集合体两种形式赋存.前者体积在20~30m3之间,呈顺层和断层两种产状,其明显受煤储层小微构造的控制;后者规模很小,主要分布在内生裂隙缝间,其受煤变质程度和煤岩类型影响.煤层气完井期间,井筒附近构造煤坍塌扩径,构造煤粉源卸压膨胀,煤粉颗粒启动难度降低;压裂期间,在压裂液动压、紊流搅动作用下,煤粉颗粒均匀混合在流体中形成浆体;排采期间,回排的压裂液中煤粉含量较高,导致气井近井部位压裂裂缝及炮眼较早地堵塞,气井减产.而原生裂缝内煤粉在压裂液中通过颗粒疏水相互作用发生聚集,在压裂裂缝内形成堵塞,但堵塞程度较轻.稳定压裂液注入排量、减小流速,利用煤储层小微构造解剖技术预测构造煤粉源集合体发育部位能够降低近井部位堵塞的风险,改善水力压裂效果.     

涪陵气田压力恢复试井解释方法探讨

页岩气藏孔隙度、渗透率都很低,均需要实施压裂等增产措施,对于压裂改造后的储层的渗流机理及渗流特征认识不够明确,需要通过压力恢复试井了解地层、井筒特征参数。通过分析焦石坝页岩气井的压力恢复曲线,发现页岩气井压力恢复仅能获取SRV流动区域内的地层特性,无法获得基质特征;同时,初步总结出该区块试井时机和合理的关井时间:所选井必须累计生产4个月,累产达到1 000万方以上,形成了一定规模的压降漏斗;对于累计生产时间较长的井,关井时间越长,试井所获得地层信息越丰富;在研究焦石坝主体区开展的15井次压力恢复试井曲线特征的基础上,将焦石坝区块压力恢复曲线分为3大类,并分别探讨了合理的试井解释模型和解释方法,以及曲线对压裂效果评价的指导意义。导数曲线下掉为0的原因是生产时间较短,显示出径向流特征的曲线对应压裂效果优于裂缝线性流特征的曲线,可为后续压裂方案设计提供指导。     

利用支持向量机优化压裂加砂规模研究

压裂效果受多种因素的影响,与工艺参数、储层条件等影响因素之间是一种非线性映射关系.针对压裂设计过程中确定加砂规模难的问题,利用前期压裂井数据作为样本,考虑储集层有效厚度、含油饱和度、孔隙度、渗透率、加砂规模、砂比对压后效果的影响,通过支持向量机的学习训练,建立影响因素与压裂效果之间的预测模型,预测不同加砂规模下的压后效果,从而优选出最佳的压裂加砂规模.对压裂井进行实例计算并通过现场实施,表明该方法能有效克服小样本难题并且收敛速度快,优化结果与实际压裂效果吻合度高,对压裂加砂规模设计具有指导意义.     

人工神经网络在测井资料参数估算中的应用

利用人工神经网络(BP网络)的原理对测井资料进行了解释，建立了测井解释的BP神经网络模型，对BP网络进行了改进，提高了收敛速度，并防止陷入局部极小．利用多种测井数据及岩芯描述资料作为网络模型的学习样本，通过网络的学习、训练，建立了测井解释的神经网络模型．以渗透率的计算为例，应用此模型定量计算了川西某气田多口井的渗透率值，其解释结果及精度均令人满意，取得了良好的实际应用效果。     

基于数据挖掘的BP神经网络模型的一种改进算法

数据挖掘方法的人工神经网络是一种新的数学建模方式.传统方法对非线性数据的预测不易找到简单而有效的模型,神经网络的提出为处理非线性问韪提供了比较好的方法.针对BP算法的局限性提出了改进的BP网络模型,通过对CSP质量指标的预测结果与传统的BP模型比较,结果表明,改进的BP算法提高了学习效率,网络有较好的泛化能力,而且预测更可靠.     

基于神经网络算法的人工蜂群算法在地层岩性识别中的应用

合理确定地层岩性对合理选择钻头类型、快速建立岩性剖面、及时发现油气层和卡准取心层位有着重要意义。以录井资料为基础,结合已钻井的测井资料,根据BP神经网络和人工蜂群算法,建立基于BP神经网络算法的人工蜂群算法模型。应用该模型在青海油田某区块进行地层岩性随钻识别试验,试验结果与测井资料解释结果相比,符合率可达91．35％。     

基于Matlab的BP神经网络在大坝观测数据处理中的应用

建立大坝观测数据处理的BP人工神经网络模型,用正交变换法来初步优化设计大坝变形分析的模型结构.运用Matlab工具箱函数建立网络模型,选择合适的训练函数,并采用正则化的算法以缩小网络的规模,改进BP算法提高学习速度和算法的可靠性.实例表明,基于Matlab的神经网络优化设计能比较有效地避免BP网络的固有缺陷,在精度和训练速度上得到提高.     

基于BP网络模型的青弋江水质预测研究

以水质因子CODCr为例,构建并训练BP神经网络预测模型,分别从空间和时间上对青弋江芜湖市区段水质进行预测,并用实际监测值检验预测精度.预测结果说明BP网络模型在青弋江水质的预测方面是一种简单有效的方法.     

城市燃气小时负荷预测模型的研究

城市燃气小时负荷的预测对于保证管网用气量，进行管网的优化调度，设备维修具有极其重要的意义。应用人工神经网络理论和灰色预测理论中的等维新息建模思想，建立了既反映燃气负荷周期性增长趋势，又包括天气，气温等非线性影响因素在内的燃气小时负荷预测模型。通过改进BP算法，对哈尔滨市燃气管网系统的小时用气量进行了预测，所建立的模型收敛速度快，精度高。     

人工肺-嗅觉系统集成与混合气体识别方法

针对仿人机器人的嗅觉及多种混合气体识别问题,提出一种人工肺-嗅觉系统(HALOS-I)及基于主动呼吸的气体识别方法.该系统硬件主要集成了微型真空泵、酒精/硫化氢/氨气/烟雾/甲烷5种气体传感器、单片机以及信号采集与处理电路;分别用K-均值聚类分析法、遗传算法结合神经网络(GA+BP)、三级级联神经网络(GA+3BP)进行了5种单一气体及4种混合气体的识别实验,结果表明:GA+BP算法仅对5种单一气体识别率达到90%以上,加入混合气体后识别率较低;GA+3BP算法除对硫化氢和烟雾的混合气体识别率为70%以外,对其余8种气体识别率均在90%以上,表明GA与多级级联BP神经网络相结合方法对多种单一及混合气体具有较高的识别率.     

基于人工神经网络的电力电子电路故障诊断

提出了采用基于波形直接分析的人工神经网络故障诊断方法实现电力电子电路的故障诊断．以三相整流电路的诊断为例，设计了人工神经网络的层数和点数，建立了三相整流电路的模型获取了样本数据，并训练了人工神经网络．仿真表明用四层人工神经网络对三相整流电路进行诊断可获得正确结果、     

利用BP神经网络描述作物-水模型

研究了利用BP神经网络描述作物－水模型的方法，将各生育阶段的耗水量作为输入，将作物单产作出输出，构建了具有1个隐含单元层的BP神经网络结构，利用北京永乐店试验站1998－1999年度的冬小麦灌溉试验资料进行了样本进行训练和检验，得到了作物－水模型的人工神经网络模型。结果表明，作物－水模型的人工神经网络模型具有较高的拟合精度和预测精度。     

基于改进BP网络的高炉煤气发生量预测模型

针对高炉煤气发生量波动对煤气调度和优化影响的问题,提出一种基于改进BP网络的高炉煤气发生量预测模型.由于影响高炉煤气发生量的因素很多,采用机理和现场实际数据相结合方法分析影响高炉煤气发生量的因素,确定模型输入,采用炼铁高炉现场数据对模型进行训练,利用贝叶斯正则化算法来提高神经网络泛化能力.仿真结果表明,该模型能够准确预测高炉煤气发生量的变化趋势,为制定煤气管网平衡调度策略提供科学的依据和决策支持,有利于减少煤气排放,提高煤气利用率和企业的信息化水平.该预测模型已经成功应用到杭州钢铁集团煤气调度系统中,运行结果验证模型的有效性.