预测油田水驱油效率四参数模型

预测油田水驱油效率对调整油田开发方案、描述剩余油微观分布等具有重要意义。针对油藏水驱油效率随生产时间变化的特性,利用新型增长曲线拟合油藏驱油效率与生产时间的关系,建立了预测驱油效率的四参数模型。以室内水驱岩心试验数据为基础,采用非线性回归方法及多变量寻优算法求解四参数模型,获得4个模型参数值,实现对油田水驱油效率的拟合和预测。实例表明,利用四参数模型获得的水驱油效率拟合曲线与试验值比较相符,预测的水驱油效率与试验值的平均相对误差为1.78%,较其他方法的平均相对误差7.46%和5.36%更精确。该模型的建立为预测油田水驱油效率提供了一种实用、有效的方法。     

石油产量预测的麦克斯韦模型

使用广义翁氏模型研究石油产量预测问题时,常采用线性试差法进行模型参数估计,该方法因需要预先设定1个参数值,并在此条件下求得另2个参数,所以受到的人为影响因素较多。基于统计学中的麦克斯韦分布,建立了两参数的麦克斯韦模型,提出了非线性最优化、一元多项式回归、二元线性回归这3种参数估计法求解麦克斯韦模型中的2个参数。依据1971-2016年挪威石油产量数据,对比了3种方法的求解过程及计算结果,并分析了3种方法的优缺点。结果表明：3种方法的计算结果与实际数据均非常吻合,由此证明了麦克斯韦模型的适用性及其参数估计方法的准确性;回归方法所得均方差极小,说明该方法具有较高的精度,而非线性最优化方法拟合的最高产量发生时间更为准确。这一研究为油气田的产量预测提供了新的模型和有效的模型参数估计方法。     

有井筒存储和表皮效应的脉冲试井优化分析方法

脉冲试井参数解释常用切线法、割线法、图版拟合法及参数匹配等方法,过程均是运用生产数据中的一些特殊点进行图版解释,存在数据利用率低、解释速度慢、拟合精度低等缺点.建立了有井筒存储和表皮效应的脉冲试井优化解释模型,结合非线性回归技术,提出有界信赖域优化分析方法求解模型中储能系数、流动系数、表皮因子、井筒存储系数等6项参数.拟合某油藏生产数据,得到拟合值的最大相对误差为6.49％,平均误差为2.98％.有界信赖域优化分析方法具有超线性拟合速度、自动拟合、不受人为因素影响等特点,在解决多参数识别问题时,效果更佳.     

脉冲试井模型多参数自动拟合方法

脉冲试井是干扰试井的一种,参数解释常规方法可归纳为切线法、割线法、图版拟合法及参数匹配方法,以上方法解释过程均是运用了生产数据中一些特殊点进行图版解释,因此存在数据利用率低、解释速度慢、拟合精度不高等缺点。建立脉冲试井井储表皮模型,结合非线性回归技术,提出有界信赖域优化分析方法求解脉冲试井模型中的储能系数、流动系数、表皮因子、井筒存储系数等6项参数。用该方法拟合某油藏脉冲试井生产数据,得到拟合值的最大相对误差为6.49%,平均误差为2.98%,同时该方法是自动拟合技术,不受人为因素影响,并具有超线性拟合速度。     

通过自动历史拟合揭示油田（规模）水平井动态的可靠性

本文介绍了预测水平井产量时误差界限（９５％的信度区间）确定的有效方法。特别对一定的油藏结构，采用自动拟合得最佳的油藏参数值（有代表性的孔隙度和渗透率值）。如果使用高斯－－牛顿算法进行油藏参数研究，参数标准误差估算进所需的敏感系数和油井产量都被做为部分研究参数计算出来。使用有代表性的统计地（以及多变量非线性回归估算的统计法），就可以直接计算出预测产量的置信度区间。在所有的油藏参数中，围绕着人们所期待     

基于新型集成学习算法的基岩潜山油藏储层裂缝开度预测算法

天然裂缝是基岩潜山油藏油气存储及运输的重要场所,而裂缝开度是表征潜山油藏储层品质、油气储量及产能评价的关键参数。为此,提出一种基于集成学习算法的新型裂缝开度预测算法。以B盆地中非乍得某基岩潜山油藏岩心描述、关键井成像测井、裂缝参数解释获取开度数据,以相同深度测井数据作为特征变量构成学习样本。利用K均值聚类算法对学习样本进行降噪,剔除异常数据,以支持向量机回归和XGBoost回归算法为基础模型,再利用随机搜索进行参数优化,通过岭回归算法对基础模型进行集成组合,再进行裂缝开度预测。结果表明所提出的新型集成学习算法比基础模型性能有明显提升。测试集样本预测值与实际值均方根误差为0.047,相关系数达0.931。该算法弥补了单一回归算法不稳定的特点,提高了泛化能力,为裂缝开度预测提供了新思路。     

变压力变流量生产动态分析新方法研究

在物质平衡基础上,考虑压力变化分析生产数据,应用非线性回归拟合技术,准确计算地质储量和相关地层参数;变压力变流量分析技术考虑了变化的压力数据,可获得更准确的地层参数。该技术可使用永久压力计监测的压力数据,对油藏动态监测工作具有重要意义。     

钻井液幂律模式非线性最小二乘参数估计的新算法

钻井液的幂律流变模式的流变参数估计问题大多使用线性回归方法进行求解,然而,线性回归方法改变了测量误差的统计特征,使得所得到的流变参数估计不具有无偏性和方差最小等特点.针对幂律流变方程的特点,提出了一个非线性最小二乘估计的新算法,该算法不需要人工给定迭代初始值,迭代过程稳定收敛到最小点,不会陷入极小点陷阱,收敛速度很快.新算法是一个全局优化算法,所得到的流变参数估计具有拟合残差近似无偏性和方差几乎最小的优良统计特征.大量的实际钻井液算例表明,新方法具有比线性回归方法更小的拟合方差和相近的均值,拟合残差统计特性优于线性回归方法.该方法可以应用到钻井液幂律流变模式中流变参数的确定、钻井液流变模式优选、钻井液性能调整和评价等许多问题中.     

钻井液卡森模式流变参数非线性最小二乘估计新算法

针对卡森流变方程的特点,提出了一种非线性最小二乘估计的新算法.该算法不需要人工给定迭代初始值,迭代过程稳定的收敛到参数允许区域中的唯一最小点,不会陷入极小点陷阱,存储需求量小,收敛速度快.新算法是一个全局优化算法,所得到的流变参数估计具有拟合残差近似无偏性和方差几乎为最小的特征.利用实际钻井液数据计算的实例表明,新方法具有比线性回归方法更小的拟合方差、相近的均值及优良的拟合残差统计特性.该方法可以应用到钻井液卡森流变模式流变参数的确定、钻井液流变模式优选及钻井液性能调整和评价等方面.     

基于数据空间反演的油藏实时生产优化方法

油藏开发实时优化调控技术是智能油藏研究的核心内容。提出了基于数据空间反演的油藏实时生产优化新方法,仅需若干油藏模型先验生产动态,基于贝叶斯理论构建代理模型,根据随机极大似然原理拟合历史观测数据进行模型训练,反演得到符合实际观测数据的生产动态后验估计。采用同步扰动随机逼近算法建立生产优化数学模型,实现注采参数实时优化,提高经济开发效益。该方法基于代理模型在拟合阶段避免了重复数值模拟计算,得到正确生产动态后验估计同时兼顾了油藏模型实际地质特征,优化所得方案考虑了目标油藏的不确定性,降低了实际生产开发风险。油藏实例应用表明:该方法能得到与常规多模型数据同化方法相一致的生产动态预测结果,拟合过程计算效率提高了5倍,且注采优化方案能取得良好的驱油效果。提出的油藏开发生产优化设计方法为油田实时生产优化提供了新的思路。     

���Ż����������ش��������е�Ӧ��

��The authours use the optimum method to calculate the reserves of carbonate gas reservoir containing water. After obtaining various parameters using simplex method and nonlinear least square method and taking the calculation of drive index of gas reservoir as the optimum selected criterion of multi-solution values,the optimum solve is finally determined through the regression analysis. This method is used for a given gas reservoir,the result obtained is conformed with the actual data of the static state and active state.     

油井采油指数及地层压力计算新方法

根据拟稳态下流体能量平衡原理，建立了一个新的油井采油指数及地层压力计算的数学模型。新模型将现场地面生产动态数据与地下未知地层参数相关联，建立目标函数，大大提高了模型的实用性。引入非线性最小二乘法原理及最速下降方法，运用VB计算机语言编制相应程序进行求解。通过实例分析表明，模型计算结果与实际测试结果相关性好，取得了良好的效果，可用于生产实践。     

基于贝叶斯理论的天然气水合物储层弹性—电性数据联合反演

单一的声波或电阻率数据,一般通过简单线性或对数线性岩石物理模型预测天然气水合物储层参数。但声波数据或电阻率数据与储层参数之间存在敏感性差异,使用数据源不同,储层参数预测结果可能会存在很大差异。针对此问题,本文提出在贝叶斯理论框架下基于非线性的简化三相方程和改进Archie公式的声波—电性数据联合反演方法,同时预测天然气水合物饱和度、孔隙度和泥质含量,并可评估预测参数的不确定性。应用合成弹性—声波—电性数据分别进行单一弹性、电性数据试验,以及联合声波—电性数据反演模型试验,并将这些反演算法应用于实际测井数据。反演结果表明,本文提出的联合反演方法能预测出可靠的储层参数,且能有效降低因敏感性、噪声等问题产生的不确定性。     

随机森林回归在地震储层预测中的应用

针对储层预测的复杂非线性及稳定性问题,将随机森林回归算法引入到地震储层预测中,建立地震属性与储层特征参数之间的非线性关系。以多种不同的地震属性为基础,通过构建井旁道地震属性与特征参数的回归森林模型进行储层预测,以预测值与实际值之间的均方根误差值为评价标准,分析随机森林回归算法在地震储层预测中的特点。将本方法应用于某陆地工区的自然电位预测和某海上工区的自然伽马预测,并与支持向量回归机方法的预测结果进对比,结果表明,尽管地震数据受到较强噪声的影响,随机森林方法仍可较好地刻画出储层的三角洲前缘沉积特征,表现出较好的稳定性和较高准确性。     

基于GA-ANFIS的油气储层地震预测方法及应用

基于GA-ANFIS理论，将遗传算法与模糊神经网络技术有机地相结合，构成一种新的油气储层地震非线性预测方法。这种新的预测方法在油气储层预测中，利用地震数据和测井数据之间的非线性映射关系建立训练样本，将GA算法与ANFIS网络中的学习算法相结合，构成混合算法来优化ANFIS网络的前提参数和结论参数，并在遗传算法中加入禁忌搜索算法，这种混合算法自始至终将各算法按一定概率比例进行，其概率自适应变化，加快了网络收敛速度和提高了网络性能，获得了良好的预测效果。在测井数据约束下，应用所提出的方法对碳酸岩盐储层和砂岩储层分别进行了平面预测和剖面预测，并按储层有效性指数进行了储层分级，这种分级反映了储层的有效性和含油气状况，提高了油气储层的实际预测效果，是对油气储层预测技术的一种新发展，开拓了油气储层预测发展技术。     

利用毛细管压力预测油水界面位置的一种回归分析方法

本文提出了一种将测井解释成果与毛管压力资料结合起来，预测油藏油水界面的回归分析方法。该方法无须预先提供油藏条件下的油水界面张力和接触角资料，交能根据所获得的回归参数对预测的油水界面的可能误差范围可信程度进行适当的评价分析。     

多属性神经网络地震反演在NB油田水平井钻探中的应用

NB油田位于渤海海域,为新近系河流相稠油油田,储层横向分布不稳定,砂体厚度薄、连通性较差,油水关系复杂,开发设计部署了大量水平井。选择神经网络反演方法,建立地震属性与储层参数的非线性关系,进而根据其关系反演得到储层参数数据体,利用该数据体沿层切片提取储层预测信息,研究储层发育规律,指导该油田水平井的部署和钻探,取得了较好的效果,降低了钻探风险。用神经网络地震反演方法进行储层预测研究,指导水平井钻探,在渤海海域尚属首次。     

基于支持向量回归机与井导向的三角洲岩性油气藏储层参数预测

三角洲岩性油气藏中储层河道砂体小、散、薄,连通性差,且与泥岩互层,导致反射信号弱,难以进行综合/精细解释。据此,本文提出基于支持向量回归机与井导向的三角洲岩性油气藏储层参数预测方法,用于刻画此类砂体分布特征。从测井资料中提取揭示储层特征的参数作为储层预测的导向,利用支持向量回归机建立多种属性与储层参数之间的映射关系,进而开展储层预测。针对CF区实例,通过估算储层的伽马参数和R4参数预测河道砂体的分布特征,所得结果与钻井揭示的实际岩性有较高吻合度。因此,本文方法适用于三角洲岩性油气藏预测。     

基于GRU神经网络的测井曲线重构

通过测井曲线解释可以获得地层岩性、电性以及孔渗饱等地层参数,然而,实际应用中时常出现部分测井数据失真或缺失的情况,而重新测井不仅价格昂贵且实现较困难。目前基于传统的线性假设和统计分析的测井曲线重构方法已不能满足储层特征的精细描述要求。门控循环单元（GRU）神经网络是一种适合于解决非线性和时序性问题的新型深度学习算法。基于深度学习的最新成果,提出使用GRU神经网络进行测井曲线重构。该方法兼顾了测井数据之间的非线性映射关系、数据随储层深度变化的趋势及历史数据之间的关联性。对实际资料进行试算,并与多元回归方法结果对比,表明GRU网络模型取得了良好的重构效果,为测井曲线重构提供了一种新的思路。