基于人工神经网络的油田产量多因素非线性时变预测

运用人工神经网络技术对多因素非线性影响下的油田产量进行了预测 ,结果表明 ,该方法既能考虑新井开井数、注水井开井数、注水量、老井开井数及老井措施量对油田产量的影响 ,还能间接地全面考虑储层非均质性对油田产量的影响 ,且预测快速、简便、精度高 ,是对油田油产量进行中短期预测的有效方法 ,对于产能建设、产量规划、措施安排具有一定的指导意义     

基于灰色网络组合优化的年增油量预测

老井措施增油成为油田稳产、降低油田区块开发成本的必然选择。针对多项式回归预测的局限性、灰色理论不能反映影响因素特征、神经网络需求数据多且数据敏感性差等特征,通过建立最优控制模型,实现GM（1,1）灰色理论与神经网络的高精度组合预测。以某油田区块2011-2018年的措施增油为例,对影响措施增油量的因素进行识别,建立了最优控制灰色神经网络模型对老井措施年增油量进行预测,相比多项式回归预测、GM（1,1）预测及BP神经网络预测方法,新模型模拟效果更好,预测精度更高。新方法对2018年措施年增油量的预测精度达97.34%。基于最优控制的灰色神经网络模型可以作为一种人工智能组合最优化模型预测措施年增油量,为准确预测措施增油效果,指导油田开发决策提供了新的思路。     

产量自然递减构成分析

将影响自然递减的因素分为井数、含水、液量三方面,推导出有关计算公式,计算出每一种影响因素对自然递减的贡献大小,探讨了自然递减影响因素的变化趋势,确定了控制油田产量自然递减的主攻方向及措施,结果表明该分析方法简单、可行、实用,有利于针对性地开展工作,减缓产量的自然递减率,提高油田开发水平。     

灰色系统在预测原油产量方面的应用

为了使油田能够长期稳定高产，必须编制科学合理的生产计划，而在计划编制过程中，对原油产量进行科学预测又是十分必要的。为此，本文选定ＧＭ（１．１）模型，通过对原油生产的实际分析，建立了老井原油递减后产量的预测模型，并经过实征，具有预测精度高、计算速度快、方便实用等优点。     

基于PSO-ELM的水平井自喷期“多段式”产量预测方法——以玛湖油田百口泉组致密砾岩油藏为例

准确预测油气井动态产量对油田高效开发意义重大,是单井累产油预测以及部署政策优化的关键。玛瑚油田百口泉组致密砾岩油藏水平井自喷期产量呈“多段式”特征,在实际生产过程中,油气井产量受储层物性、压裂工艺参数等多种因素综合影响,传统产量预测方法及数值模拟法考虑影响因素有限,预测方法适用性差。在产量特征认识基础之上,利用主成分分析法优选油层厚度、地层压力、总砂量、渗透率、压裂簇数及含油饱和度六个主控因素,采用粒子群算法优化ELM的输入权值与隐含层偏置,建立了玛湖油田水平井产量预测模型。预测结果表明,PSO-ELM对比传统预测模型具有计算速度快、泛化能力强、预测精度高的优点,利用该方法预测了5口水平井的单井产量,平均误差在2.14%~5.28%,与实际产量吻合良好。     

饱和系数法在歧口17-2油田结垢预测中的应用

结垢是油田注水过程中遇到的最严重的问题之一。为了避免由于结垢而造成的一系列不良后果，应对油田水结垢进行科学预测，并提出相应合理的防垢措施。对过去已有的结垢预测方法进行了综合对比，从热力学平衡原理出发，考虑了水矿化度、温度、压力等因素对结垢的影响，提出了更加符合油田实际的预测油田水结垢情况的方法饱和系数法。利用建立起来的方法通过编程计算，分析了歧口１７－２油田实验区地下水和注入水及其混合水的结垢情况，预测结果与实际情况基本吻合     

饱和系数法在歧口17—2油田结垢预测中的应用

结垢是油田注水过程中遇到的最严重的问题之一，为了避免由于结垢而造成的一系列不良后果，应对油田水结垢进行科学预测，并提出相应合理的防垢措施，对过去的结垢预测方法进行了综合对比，从热力学平衡原理出发，考虑了水矿化度，温度，压力等因素对结垢的影响，提出了更加符合油田实际的预测油田水结垢情况的方法－饱和系数法，利用建立起来的方法通过编程计算，分析了歧口１７－２油田实验区地下水和注入水及其混合水的结垢情况，     

砂岩油藏水驱调整后采收率预测方法研究

目前水驱采收率大多是通过水驱特征曲线来得到,因其操作简便易行且可靠性高,在国内外得到了广泛的应用。但是将其应用于预测油田开发中后期实施调整作业后水驱采收率却存在一定的问题,预测结果往往偏高。为此,需要一种新的方法来确定调整阶段水驱采收率大小。提出了一种新的方法,主要针对于应用井网加密和扩边调整措施的油田,采用分别对调整井和老井的生产数据拟合水驱特征曲线,得到调整井和老井各自计算的可采地质储量;然后相加得到油田的采收率。该方法通过采用数值模拟技术得到了有效验证,预测精度明显优于常规水驱曲线方法。最后将该方法用于海上M油田,预测得到的水驱采收率能较好符合油田的开发认识。     

滨南油田储量评估方法研究

在充分了解滨南油田地质特征、开发历程、开发现状以及主要技术措施及效果的基础上,分新老井分别研究其开发规律,确定新井初始产量、老井递减率等参数的取值依据,并结合油价、成本、投资等经济参数,评价滨南油田经济可采储量,分析评价结果的合理性,为胜利油田年度储量评估工作提供方法参考。     

油田开发动态的多参数输入模拟预测方法

在进行考虑多种因素综合影响下油田开发动态指标预测时，缺少定量化模拟预测方法，油藏工程方法由于多属于机理型模型、单一条件统计规律模型，不适合此类条件下的定量预测。本文提出了一种考虑多参数约束控制拟合的开发动态预测方法，输入参数可包括产量、成本、工作量等。由统计理论根据历史信息实现系统指标变化情况的模拟，建立系统的输入输出关联关系，进而外推进行预测。提出的开发动态预测方法反映了实际开发过程中各种因素的复杂影响。     

老井自然递减率综合研究

老井自然递减率是老井产量预测中的重要参数,目前存在着计算方法多、实际工作中误解较大及递减率相互关系不明确的问题。本文从自然递减率计算方法、预测阶段选值两个方面详细分析了不同算法的优缺点及提高预测精度的方向,并分析了年度自然递减率与月度自然递减率之间的换算关系,认为年度自然递减率计算要在月递减率基础上进行,这样得到的年递减率精度才会明显提高,认为只有将月自然递减率与年自然递减率结合分析才能更准确地了解油田的递减状况。     

高含水期射孔井出砂预测模型的建立及应用

对取心井测井数据和岩心三轴试验岩石强度数据进行了分析，得到了油层砂岩强度与声波时差和井深的回归关系式，这一关系式可用于胜坨油田及其周边油区岩石强度的计算。以岩石破坏准则为基础，运用岩石力学理论和分析方法，考虑到射孔孔眼周围岩石应力场对孔道稳定性的影响，建立了射孔完井临界出砂预测模型。预测结果表明，油层砂岩岩石强度是影响油井出砂的重要因素；弱胶结岩石在较低的流速下会有出砂现象，而胶结强度高的砂岩在较高的流速下也不容易出砂。胜坨油田高含水期出砂与含水量上升有密切关系，这主要是因为含水量上升破坏了产层胶结结构，降低了岩石强度。利用孔道出砂预测模型进行计算，得到了预防出砂的临界生产压差和临界产量。该模型预测的结果可用于：①判断新井投产、老井补孔等新投产层位的出砂，并根据预测结果确定合理的防砂措施，优化生产参数；②判断目前生产层位出砂状况，确定多层生产井的出砂层位，调整生产参数及控制地层出砂程度。对胜坨油田3个不同区块的生产井进行了计算，其计算结果对该油田高含水期开发方案的设计有指导作用。目前该方法已在胜坨油田现场应用122井次，出砂预测的准确率大于82％。     

油井堵水经济界限的研究

为减缓原油产量递减速度、控制无效注水量,要对老井实施大量的增油降水措施。在实施某种措施时,除了要研究其技术可行性外,还应研究采取该措施后经济上是否合理。采用盈亏平衡与油藏工程相结合的分析方法,给出了油井堵水措施经济界限,并根据D油田P地区高含水期老井开发特点,对其不同油价下堵水降水量与增油量进行了一定的研究。     

基于多变量时间序列模型的高含水期产量预测方法

针对油田高含水期地质条件复杂、地层物性变化多样导致产量预测正确率低的问题,提出一种基于多变量时间序列模型即多变量长短期记忆神经网络(LSTM)的产量预测方法。在基于极限梯度提升算法(XGBoost)筛选产量主控因素的基础上,建立综合考虑产量与地质、开发等影响因素之间相关性特征,并兼顾产量自身的时序性变化特征的产量预测模型;实验选取中国某中高渗透砂岩区块油田生产历史数据进行高含水期产量预测模型的训练和测试,并与单变量长短时记忆模型以及其他全连接网络模型结果进行比较。结果表明：该方法具有较好的预测性能,新模型克服了传统全连接神经网络无法描述产量时序数据相关性,以及单变量LSTM无法表征高含水期产量变化受多因素影响的问题,有效地提高了油田高含水期产量预测的准确性。     

基于机器学习的石油多峰模型研究及应用

油田在实际开发过程中，受新区块投产、开发方案调整和"三采"措施等因素的影响，年产量数据会呈现多峰形态。针对经典的Hubbert、HCZ等模型不能直接拟合多峰数据序列的问题，开展了基于机器学习的油田产量多峰预测模型研究。基于Hubbert模型，对多峰数据序列进行分段最小二乘拟合，在拟合误差函数中引入控制分段个数的罚分项，采用动态规划算法，自动求得最优分段的多峰预测模型，该模型运用在实际的油田产量数据上，预测结果达到预期目的。提出了一种通过自动最优分段的线性回归学习来建立油田产量多峰预测模型的方法，在实际应用中具有建模简单、自适应性强的优点。     

年度配产部署方法

年度配产是油田的重要工作之一,特别是对于目前处于特高含水开发后期的油田而言,进行合理配产更是油田稳产、高产的重要保障。按照老井和新井产量构成分别进行配产,将油田年度产量合理部署到月度,有利于采油厂按照配产运行,确保产量的平稳运行。     

带延迟时间序列，BP网络在油井产能预测中的应用

BP网络方法预测动态指标考虑时变性和随机干扰因素，具有自适应性。本文运用Neuro—solutions类神经网络软件中带延迟时间序列的非线性神经网络计算方法，以轮南油田2口油井的生产动态为例，对油井产量拟合并进行预测。结果表明该模型预测值与实际生产值具有较好的一致性，带延迟时间序列的非线性神经网络方法具有较高的预测精度和可靠性，适合于油藏各个阶段的产量动态预测，具有良好的推广价值。     

小井眼开窗侧钻技术的应用

吉林油田老井产量逐年递减,套损井数量逐年上升,报废井逐年增多严重影响油田产量,为恢复老井眼的生产能力,有效降低油田开发成本,保持和完善原有井网,延长油藏开采年限,提高最终原油采收率,吉林油田加大老井开窗侧钻技术的研究与应用。2012—2013年问共完成5口套管开窗佣钻井,施工表明套管开窗侧钻技术在套管开窗施工、随钴测量、完井、井控等方面的钻井技术已基本成熟,取得了良好的应用效果,达到了油藏改造的目的。     

深水浊积砂岩油田开发指标预测新方法:以尼日尔三角洲盆地Akpo油田为例

深水浊积砂岩油田开发成本高,调整空间小,风险及不确定性大,开发指标预测对于深水油田的开发决策至关重要。以西非尼日尔三角洲盆地Akpo油田为研究对象,利用该油田丰富的地震、地质及生产动态资料,综合考虑沉积相、砂体叠置关系、储层连通程度及储层非均质性等因素的影响对该油田生产井展开分类研究,结合油藏工程理论建立考虑储层因素的生产井含水上升及产量递减规律定量预测方法。结果表明:①深水浊积砂岩油田储层构型复杂,生产井动态规律差异明显,储层特征是影响生产动态规律的关键因素;②所建立的方法首次将深水浊积油田储层研究与生产动态规律相结合,预测精度高,现场适用性强;③研究思路与工作流程对其他油田具有很好的指导意义,为海外深水油田开发提供技术支持。     

油田开发规划措施结构优化模型及其应用

利用功能模拟原理(微分模拟方法及神经网络方法)建立的油田开发指标关联关系,对采油厂或开发单元研究并建立了油田措施产量最大(定措施工作量、定措施费用)、措施费用最低(定措施产量、定措施工作量)、措施效益最好(定措施工作量、定措施产量、定措施费用)的措施结构优化模型。这些优化模型成功地解决了油田(或采油厂)各项措施产量(通常包括压裂、酸化、大修以及其它措施等)及对应的各项工作量及其它开发指标的最优构成问题,将模型应用于国内某中后期开发油田的开发规划中产生了较好的经济效益。