FW调剖技术及应用

应用FW调剖技术有针对性地对 119口非钻停井区注水井采取了 4种精细调剖方案 ,对比了化学浅调剖应用前后注水井层间矛盾的缓解 ,纵向上吸水剖面的改善 ,注水量和吸水指数的变化及渗流能力的变化。结果表明 ,注水井化学浅调剖后 ,井区的连通油井明显受效 ,获得较高的增油量 ,水驱的开发效果得到改善。化学浅调剖可以有效地封堵高渗透层 ,扩大低渗透层注入水的波及体积 ,减缓注水井层间矛盾 ,实现了对注水井吸水剖面的有效调整 ,这对深化注水结构调整、挖掘各类油层潜力、提高储量动用程度有显著的效果。     

大庆油田三类油层聚合物驱注入速度研究

注入速度是影响聚合物驱开发效果的重要指标,而由于假设条件的局限性,数值模拟方法无法体现聚合物溶液弹性对注入速度的影响。为了确定大庆油田三类油层合理注入速度,通过不同注入速度条件下的天然岩心驱油试验,对水驱和聚合物驱驱油效率进行了研究,结果表明,聚合物驱驱油效率提高值随驱替速度的变化可由二次多项式来表示。依据此关系式,由势的叠加理论得到的流体在油层中的渗流速度的基础上,建立了该类油层合理注入速度模型,并给出大庆油田三类油层在100 m注采井距下的合理注入速度为0.288 PV年/,该方法对现场开发方案编制有重要指导意义。     

强碱三元复合驱结垢现象

采用现场举升系统结垢统计、室内铸体薄片,结合SEM和电子探针分析了强碱三元复合驱过程中垢成分的变化和储层结垢类型与形成机理。结果表明,垢的主要类型随着强碱三元复合驱体系注入PV数的增加发生变化,注入初期以碳酸盐垢为主并含有少量硅垢和有机物,注入中期3种垢成分含量相当,注入后期结垢类型转变为与初期相同类型。铸体薄片分析表明,垢形态为白色云雾状和褐色胶结状,部分孔隙阻塞造成孔隙结构发生变化,面孔隙率平均下降6.45%。研究区垢的类型主要为钙垢和硅垢,含有少量的钡/钛垢和铁垢。由于强碱的溶蚀作用,地层和井筒中容易出现结垢现象,建议在能够实现相同提高采收率幅度的前提下可以考虑采用弱碱三元复合驱。     

自适应动态重组多目标粒子群优化算法

提出一种自适应动态重组粒子群优化算法. 该算法采用凝聚的层次聚类算法, 将种群分成若干个子群体, 用一个精英集对非支配解进行存储; 根据贡献度和多样性, 对各子群体的粒子和整个种群进行自适应动态重组; 同时引入扰动算子对精英集存储的非支配解进行扰动, 实现对精英集进行动态调整. 利用具有不同特点的测试函数进行验证并与同类算法相比较, 结果表明, 所提出的算法可加快收敛速度, 提高种群的可进化能力.

     

多比特概率幅编码的量子衍生粒子群优化算法

为了提高粒子群算法的优化能力, 提出一种新的量子衍生粒子群优化算法. 该方法采用多比特量子系统的基态概率幅对粒子编码, 基于自身最优粒子和全局最优粒子确定旋转角度, 采用基于张量积构造的多比特量子旋转门实施粒子的更新. 在每步迭代中, 只需更新粒子的一个量子比特相位, 即可更新该粒子上的所有概率幅. 标准函数极值优化的实验结果表明, 所提出算法的单步迭代时间较长, 但优化能力较同类算法有大幅度提高.

     

自适应分组混沌云模型蛙跳算法求解连续空间优化问题

针对经典混合蛙跳优化算法寻优精度不高和易陷入局部收敛区域的缺点,结合云模型在定性与定量之间相互转换的优良特性,提出一种自适应分组混沌云模型蛙跳算法.通过反向学习机制初始化种群,应用云模型算法对优秀子群组的收敛区域进行局部搜索更优位置,应用混沌理论在收敛区域以外空间探索全局最优位置.典型复杂函数测试表明,所提出的算法能有效找出全局最优解,适用于多峰值函数寻优.     

一种量子神经网络模型学习算法及应用

提出一种量子神经网络模型及学习算法. 首先基于生物神经元信息处理机制和量子计算原理构造出一种量子神经元, 该神经元由加权、聚合、活化、激励四部分组成. 然后由量子神经元构造出三层量子神经网络模型, 其输入和输出为实值向量, 权值和活性值为量子比特. 基于梯度下降法构造了该模型的超线性收敛学习算法. 通过模式识别和函数逼近两种仿真结果表明该模型及算法是有效的.     

加权模糊推理网络及在水淹层识别中的应用

提出了一种加权模糊推理网络的结构模型和学习算法，该网络的基本信息处理单元为模糊推理神经元，融合了模糊逻辑能够较完整的表达领域规则和先验知识以及神经网络自适应环境的优点。根据模糊推理规则的量化表示形式和微分方程数值解的动力学思想推导出网络一种新的学习算法。该算法具有稳定，收敛速度快，且能较好避免网络学习陷入局部极值点。以油田生产复杂水淹层识别问题为例，验证了模型和算法的有效性。     

一类用于连续过程逼近的过程神经元网络及其应用

针对实际系统的输入输出是与时间有关的连续过程,提出了一类用于连续过程逼近的过程神经元网络模型.模型利用神经网络所具有的非线性映射能力,实现系统输入输出之间的连续映射关系.考虑过程神经网络计算的复杂性,在输入空间中选择一组函数正交基,将输入函数和网络权函数表示为该组正交基的展开形式,利用基函数的正交性,简化过程神经元计算.文中给出了学习算法,并以油藏开发三次采油过程模.     

一种量子衍生神经网络模型算法及应用

为提高神经网络的逼近和预测能力，提出一种各维输入为离散序列的量子衍生神经网络模型及算法。该模型为三层结构，隐层为量子衍生神经元，输出层为普通神经元。量子衍生神经元由量子旋转门和多位受控旋转门组成，利用多位受控旋转门中目标量子位的输出向输入端的反馈，实现对输入序列的整体记忆，利用受控旋转门输出中多位量子比特的纠缠获得量子衍生神经元的输出。基于量子计算理论设计了该模型的学习算法。该模型可从宽度和深度两方面获取输入序列的特征。仿真结果表明，当输入节点数和序列长度满足一定关系时，该模型明显优于普通神经网络。