原油中气油体积比神经网络预测模型研究

针对国外原油气油体积比预测模型在国内一些油田并不适用,在分析前向BP神经网络基本原理的基础上,提出了原油气油体积比新的预测模型。该模型结构为4—10—1的三层BP网络模型,它考虑了压力、温度、地面原油重度和气体的相对密度对气油体积比的影响。利用该模型对大庆油田实测值进行了训练与测试。测试结果表明：利用人工神经网络方法建立的气油体积比预测模型比国外模型精度高,基本合理可靠。     

基于人工神经网络混合油品粘度预测模型研究

在分析前向BP神经网络基本原理的基础上,对3种混油建立了人工神经网络混油粘度预测模型,该模型结构为1-7-1的三层BP网络模型。运用实测数据对BP网络进行训练和仿真。结果表明,三种模型预测误差全在2.5%以内,比前苏联学者提出的混油粘度计算公式——克恩达尔-莫恩罗埃公式和兹达诺夫斯基公式更具有计算精度高、适用性强的特点,可完全满足工程实际需要。     

利用测录井资料定量计算复杂油气水系统的气油比——以柴达木盆地英东油气田为例

柴达木盆地英东油气田多套油气水系统纵向上相互叠置,油层、气层难以准确区分,气油比计算非常困难。为此,结合油气测试、生产资料,分别利用常规测井、核磁共振测井、气测录井来定性区分油气进而定量计算气油比。在区分油气方面,常规测井主要是利用补偿中子测井的挖掘效应;核磁共振测井依据的是轻质油与天然气在岩石大孔隙中不同的弛豫机制;气测录井则是在考察现有图版法和数理统计方法的基础上,提出气体组分星型图版。在气油比定量计算方面,首次提出以气体组分星型图面积比来计算气油比。研究结果表明:1受地层压力、含氢指数、泥质含量、井眼条件、钻井液侵入等因素的影响,常规测井定性区分油气效果一般;2核磁共振测井区分油气效果较好,但受昂贵价格的制约难以广泛使用;3气体组分星型图区分油气效果最好;4根据气体组分星型图面积比计算的气油比得到了油气测试、生产、产液剖面资料的验证。所得成果为该油气田的勘探开发提供了技术支撑。     

不同气油比地层流体物性及岩石物理实验研究

凝析油气藏具有油轻气重特点,油气层识别难度大.进行了模拟地层条件下不同气油比流体物性参数测定及饱和流体岩石物理实验联测研究.实验结果表明,声速、体积压缩系数对气体最敏感,其次是含氢指数.高气油比轻质油密度与低气油比凝析气密度差异甚小.岩石的纵波速度、体积模量、纵横波速度比随充注流体气油比增大而减小,横波速度略增大.该实验成果可为凝析油气藏油气测井识别方法的建立提供实验依据.     

确定地下储气库工作气量的优化方法

块状底水砂岩油藏在开采后期改建地下储气库需要解决的核心关键技术之一就是如何确定最大库容量和最佳工作气量。通过借鉴国外含水层储气库注采运行的经验，在物质平衡原理基础上，提出了描述块状底水砂岩饱和油藏改建地下储气库注采运行的预测模型。该模型能够比较准确地预测建库能够达到的最大油气界面位置和库容，并在此基础上进一步预测最佳工作气量和相应的气垫气量。通过实例求解得出工作气体积与油气界面深度存在着极值关系：即在一定的增压系数范围内，存在一个油气界面的最佳深度，在这个深度时，工作气体积达到最大值；同时随着增压系数的增大，工作气与气垫气的体积比迅速增加，气库效率随之提高。因此提高增压系数是提高块状底水油藏储气库效益的重要途径。     

减压转油线气液两相流动的流程模拟

应用流程模拟软件PROII,基于压降模型和多级闪蒸模型,对减压蒸馏装置转油线（简称减压转油线）内的气液两相流动过程进行模拟,预测转油线中的压力、温度以及油气汽化率和气液体积比的变化。结果表明：压降、温降以及油气汽化率和气液体积比的变化主要发生在转油线的过渡段和衔接处;与高速转油线工况相比,低速转油线工况下的压降和温降均明显降低;在减压塔内油气汽化率一定的条件下,低速转油线工况下的入口温度更低,且能量的传递效率更高;同时,低速转油线工况下的油气汽化率和气液体积比的变化较为缓和,更有利于减少减压蒸馏塔进料段的雾沫夹带。所建模型的预测结果与工业数据较为一致。     

线性程序设计在油藏开发评价中的应用

目前，线性程序设计的产量预测模型已经发展到对常规生产设备下的多流体进行综合预测。该模型将油气生产过程视为在一系列相互独立的约束条件下获得最大产油量的线性最优化问题。该模型反映了有限的固定基础设备处理能力和产出流体的矛盾。当使用的设备容量合适时，该方法可以对不同比例［气／油比（ＧＯＲ），气／液比（ＧＬＲ）或水／油比（ＷＯＲ）］混合在一起的产出液进行综合预测。尤其是，该模型可以用来预测公用设备下几个相     

中子能找水技术在文中油田的应用

中子能找水技术星利用中子能谱测量原理研制出来的一种找水仪器及测试工艺。在地层中进行中子能谱测量，可区分含才地层和含油气地层，划分油-水、气-水、油-气界面，计算地层中的各数参数，用于指导生产开发。该技术在中原油田文中区块应用取得了满意效果。     

基于三相渗流机理的自然递减模型研究--以温米油田为例

为了掌握当地下存在三相渗流时的油田开发规律,有效控制自然递减,从分析地层流体渗流机理入手,结合油气水三相渗流时产量积分表达式,系统分析含水、地层压力、生产压差、气油比、剖面动用对产量的影响,并利用Visual Basic编制开发程序,建立了基于三相渗流机理的自然递减率多因素计算模型。实践证明该模型计算结果与实际数据相对误差在5％之内,吻合程度较高。利用该模型可以量化评价含水、地层压力、生产压差、气油比、剖面动用的变化对自然递减的影响,提高制定技术政策的合理性和科学性,有助于提高油藏管理水平。     

委内瑞拉超重泡沫油泡沫强度实验研究

超重泡沫油油藏中"泡沫油现象"的决定性因素在于产生泡沫的强度,而泡沫的强度取决于泡沫存在的时间和产生泡沫的体积。为定量描述泡沫强度的主控因素,自主研制了高温高压可视化泡沫强度测试模型,并利用该模型首次开展了不同温度、溶解气油比、降压速度及孔隙尺寸条件下的泡沫强度实验。实验结果表明,高温条件下泡沫破灭频率远大于生成频率;原始溶解气油比小于5 m3/m3,原油中"泡沫油现象"趋于消失;充分发挥泡沫油作用的最低降压速度应不小于80 kPa/min;多孔介质泡沫油实验趋势分析表明,实际油藏中泡沫存在的时间将远长于实验室内得到的结果。     

基于小波变换和BP神经网络的润滑油水分测量研究

基于小波变换和BP神经网络理论，构造了一个应用于润滑油水分含量判断的BP神经网络分类器。通过PULSE系统对7种不同浓度润滑油加热后发生微爆效应时产生的声信号进行采集，并进行小波变换，提取能量分布特征信号，最后根据BP神经网络分类器对声信号进行分类并半定量判断润滑油中的水分含量。实验结果表明，该方法能有效地判断润滑油中水分含量是否合格，为研究润滑油水分含量的现场测量提供了新的思路和方法。     

裂缝性底水油藏储气库最大工作气量的预测方法

利用华北油田水驱开发晚期裂缝性碳酸盐岩块状底水油藏改建大型地下储气库，对保障京、津、冀等地区安全、平稳供气，具有重要意义。虽然前期对华北任11井裂缝性碳酸盐岩块状底水油藏改建地下储气库的可行性已开展了相关研究工作，但没有解决工作气量、气垫气量优化评价的关键技术问题。文章通过借鉴国外含水层储气库注采运行的经验，在物质平衡原理基础上，提出了描述裂缝性碳酸盐岩块状底水油藏改建地下储气库工作气量预测的数学模型。该模型能较准确地预测随油气界面下移，气库能达到的最大工作气量和相应气垫气量。通过实例求解得出注气增压系数对工作气量及其在库容量中所占的比例影响较大。随着注气增压系数的增大，工作气量及所占的比例迅速增加，气库效率随之提高，因此，提高注气增压系数是提高裂缝性碳酸盐岩块状底水油藏储气库效益的重要途径。     

用神经网络建立自喷井井底流压预测模型

了解油井生产时的井底流压大小是现场生产测试和分析中的一项重要工作。自喷井的井底流压值与产油量，含水，气油比，流体性质等参数呈复杂的非线性关系。神经网络具有表达任意非线性映射的能力，可以将其应用于建立自喷井井底流压预测模型。用一定数量的实测井底流压及相应的有关参数、根据ＢＰ神经网络实习算法对网络进行训练。     

油气化探分析检测技术现状及发展趋势

简要介绍了国内油气化探分析检测技术现状,内容主要涉及有机指标检测技术、无机指标检测技术和微生物指标检测技术。分析了目前油气化探分析检测技术中存在的主要问题,指出样品预处理技术的完善和创新、痕量油气信息提取技术和微生物指标检测技术的研究是今后的主攻方向。     

BP神经网络模型设计的研究

就BP神经网络应用设计中的网络隐含层数、隐含层神经元个数等具体设计问题进行了研究与探讨,提出一种新的构建BP神经网络模型方法。实验表明,使用该方法构建的网络模型训练曲面图形时,得到的网络输出曲面与原样本曲面非常接近,训练误差满足设定要求。     

基于层级支持向量机的石油价格预测

本文针对石油价格预测中数据选择不当、数据没有预处理和预测方法单一等问题,提出了层级支持向量机模型(SVM),予以解决。模型的第一层通过Gauss径向基核的支持向量回归机(SVR)对输入数据进行了预处理;模型的第二层对模型第一层所确定的输入数据进行融合,并做出最终的预测,最后用油价波动趋势进行了拟合分析。实例研究表明,层级SVM方法比SVR模型和BP神经网络的性能指标更优,具有很好的应用前景。     

一种预测砂岩油藏改建的地下储气库最大工作气量的新方法

借鉴国外含水层储气库注采运行的经验,提出了描述块状底水砂岩饱和油藏改建地下储气库注采运行的预测模型。认为该模型能够比较准确地预测建库,达到的最大油气界面位置和库容,并在此基础上可进一步预测最佳工作气量和相应气垫气量。     

A novel MLP-ANN approach to predict solution gas-oil ratio

Abstract

The better understanding and estimation of reservoir fluids properties have straight effects on accuracy of different processes such as simulation, well testing, and material balance calculations, so importance of accurate estimation of PVT properties such as solution gas-oil ratio is obvious. To this end, in the present paper, multilayer perceptron artificial neural network (MLP-ANN) is used as a novel predictive tool to estimate solution gas-oil ratio in terms of temperature, bubble point pressure, oil American Petroleum Institute gravity API, and gas specific gravity. Therefore, a total number of 1,137 experimental solution gas-oil ratios has been gathered from reliable databank for evaluation of model outputs. The different graphical and statistical analyses such as determination of average absolute relative deviation (AARD), the coefficient of determination (R²) and root mean square error (RMSE) were used to evaluate the performance of MLP-ANN algorithm. The comparisons show that MLP-ANN algorithm has great accuracy in prediction of solution gas-oil ratio, so it can be used as a simple tool to predict phase behavior of reservoir fluids.     

一种预测溶解气可采储量的广义模型

不同驱动类型油藏其生产气油比的变化特征不同,基于生产气油比保持不变和下降这两种情况,推导建立了一种新的广义模型,并能简化成为目前在溶解气可采储量预测中已广泛应用的累计产油量与累计生产气油比关系曲线法和累计产油量与累计产气量关系曲线法,实际应用表明,与前述两种简化前的预测方法相比,该广义模型的适用性更强。