基于聚类及长短时记忆神经网络预测油田产量

利用机器学习方法预测油田产量的精度与训练样本的代表性及数量息息相关。通常,采用油田生产数据或者油井生产数据构建训练样本。将油田作为训练样本,存在“小样本”的问题;将油井作为训练样本,由于老油田一般具有开发层系多、生产历史长、油井投产批次多等特点,人工标注能够代表油田产量递减规律的训练样本难度大,且耗时费力。本文将油田和油井生产数据有机融合构建训练样本,建立产量智能预测模型,预测油田产量。首先,采用无监督学习的K均值聚类算法,依据有效厚度、孔隙度、渗透率、饱和度等信息对油井进行聚类分析,识别产量递减类别,并将每类油井转换成一口典型油井作为该类油井的代表;其次,将典型井作为预测对象,通过从每类油井中按比例随机抽取油井来增加训练样本数量,即将典型井和油井生产数据融合构建训练样本;最后,基于长短时记忆循环神经网络建立模型预测典型井产量,进而预测油田产量。研究结果表明:该方法既解决了油田数据作为训练样本的“小样本”问题,又降低了油井数据作为训练样本的标注难度与工作量,并且精度符合现场生产要求,对油气产量智能预测的工程化落地应用具有一定指导意义。     

中国石油新能源业务智能化应用平台建设思考

“双碳”背景下,中国石油为推进新能源业务高质量发展,着力创建覆盖新能源生产业务全生产要素和生产环节互联互通的智能化平台。针对目前面临的企业业务需求变化快、海量多维异质多源异构数据质量难把控、数据安全防护等挑战,平台架构基于分布式系统和云计算技术,整合多种数据源,通过数据挖掘和分析技术,提供简单、规范、共享、高效的数据可视化服务,具备生产运行、集中管控、生产经营、综合分析应用、大屏应用等功能,实现知识库构建、人工智能数据挖掘与分析、大数据智能化BI大屏展示。新能源业务智能化平台制定数据规范,打通数据传输通道,跟踪项目建设进度,对推进节点控制、提高管理效率、强化投产分析和效益建产提供有力支撑。     

基于超像素图像分割算法的碳酸盐岩鲕粒特征提取方法

碳酸盐岩是一种非常重要的油气储集体。一直以来,碳酸盐岩薄片特征的鉴定多依赖于人工标注,耗时长且主观性强。随着机器学习等技术的快速发展,将已有图像转化为数字图像后再进行分割、分类和特征提取,可以有效地提升效率,降低成本。为此,针对碳酸盐岩鲕粒特征提取采用了两种方法进行对比研究：一种是基于传统图像分割处理算法,一种是基于SLIC的超像素分割算法。实验结果表明超像素分割算法在准确度、提取速率等方面相较于传统分割算法更具优势。     

塔里木盆地玉北地区奥陶系层序地层研究

为了对塔里木盆地玉北地区奥陶系的层序地层进行正确识别和划分,以层序地层学理论为基础,并根据薄片、钻井、测井、地震及古生物等相关资料,对玉北地区奥陶系的层序界面进行了综合分析,归纳出暴露、岩性岩相组合、生物组合、测井及地震反射特征等5类界面识别标志,识别出6个层序界面,并以此为基础划分出5个三级层序,最终建立了玉北地区奥陶系的层序地层格架,可为奥陶系整体油气勘探部署提供一定依据。     

某气井弹簧管压力表泄漏原因分析

为了确定某气井弹簧管压力表泄漏失效原因,用扫描电子显微镜X射线能谱(EDAX)、金相组织分析、着色渗透探伤法(PT)和体视显微镜(OM)对其宏观相貌、微观形貌、化学成分和金相组织等理化性能进行试验分析。结果表明,该弹簧管的材料是紫铜,其表面上的裂纹已穿透弹簧管管壁,属于沿晶开裂。该弹簧管失效的原因是在含有汞的天然气中,汞与紫铜发生的汞齐化以及金属的液化和脆化作用,使紫铜弹簧管的强度大幅度下降,在管线内压的作用下产生了裂纹,该裂纹在弹簧管的使用过程中逐渐扩展并穿透了其管壁,最后导致该弹簧管泄漏失效。     

考虑微观孔喉结构的相对渗透率计算方法

随着常规油气资源的枯竭,超低渗透油藏已成为我国能源增储上产的主要物质基础.其中相对渗透率曲线对油田开发起到至关重要的作用.而微观孔喉结构对相对渗透率影响巨大.但是目前的相对渗透率的计算方法无法体现微观孔喉结构的影响.因此利用通过室内物理实验的结果,通过修正Brooks-Corey模型建立了考虑边界层、贾敏效应和微观孔喉分布的相对渗透率计算方法.结果表明,相同渗透率的长庆超低渗透油藏孔喉分布范围更大,导致长庆超低渗透油藏两相区更宽,油相相对渗透率更大,高含水阶段相渗变化更剧烈.对于大庆和长庆超低渗透油藏的成功开发奠定了坚实的理论基础.