深层致密气藏扩展指数递减模型及其在新场须五气藏的应用

研究扩展指数(SEPD)递减模型的性质与参数求取方法,探索深层致密气藏的递减分析方法。通过理论推导与新场须五气藏开发实践的综合分析,结果表明SEPD递减模型具有"双三一相关"以及"有界性"特征,并针对新场须五气藏提出了"多点采样梯度下降法"求取模型参数的方法。实践表明,新场须五深层致密气藏递减特征与SEPD递减模型的递减特征一致,采用"多点采样梯度下降法"可有效地求取模型参数,进而为开展深层致密气藏产量预测与储量评价提供保障。     

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。     

川东某气田产量预测方法适宜性研究与应用

天然气开发规划要求对产量作出合理的预测。本文利用Arps递减曲线分析法,通过二元线性回归求取递减方程参数,预测川东某气藏5号井产量;同时根据翁氏旋回理论,通过线性试差求取模型参数,建立广义翁氏预测模型,预测5号井产量。比较两种方法在该气藏的适宜性,为类似气藏选择合理的产量预测方法提供参考。     

大庆长垣外围油田规划编制中产量预测方法

确定规划期的总产量和产量构成是油田开发规划的最主要工作。目前国内从事油田开发规划方面研究的单位积累了一定的经验,但是以产量规模作为主要的规划指标时,指标预测的准确性与可操作性有待提高,规划编制的科学性和自动化程度有待加强。本文根据油田开发实际情况和规划安排需要,可以将产量构成划分为三大部分:一是开发时间较早,目前已经出现较长时间递减的区块或井,采用Arps递减曲线法;二是开发时间较短,目前刚进入递减或即将递减的区块或井,采用分类多元回归方法;三是新投产区块产量预测,采用"五率"配产方法。从而为外围低渗透油田开发规划方案的编制提供科学依据。     

油田产量预测方法的应用与评价

产量预测是油田规划的重要内容。作者以阿克库勒油田 2 0 0 0～ 2 0 0 1年产量预测为实例 ,比较了产量递减率法、递减率法、递减模型法、单井综合法等不同的产量预测方法的优劣     

利用组合模型预测油田开发指标

将灰色理论GM(1,1)模型与水驱特征曲线结合起来,选取产量极差值最低的曲线作为GM(1,1)模型预测对象,在预测出未来产量的基础上,利用水驱特征曲线预测出其他开发指标.该方法既解决了GM(1,1)模型缺少水驱规律的问题,又解决了水驱曲线预测中缺少时间的问题.将该方法应用于火烧山H2油组,结果表明,该组合模型为一套切实可行的预测油田开发指标的方法.     

基于GABP算法的油墨配色研究

为了提高印刷油墨配色精度,本文提出了使用遗传算法(GA)优化的BP神经网络模型GABP。首先采集了颜色样本的光谱数据和CMYK四色网点面积率分别作为输入值和输出值,然后通过遗传算法优化了BP神经网络的结构和参数,并进行了训练,最后将模型的预测精度做对比分析,使用未经遗传算法优化的BP神经网络模型的平均误差为8.6%,使用GABP模型的平均误差为4.5%。结果表明,经遗传算法(GA)优化的油墨配色模型预测精度有了大幅度提高,对印刷企业油墨配色有很好的应用价值。     

MRA-RBF神经网络组合算法的煤矿材料成本预测

为解决煤矿材料成本预测存在的问题.将多元回归模型和RBF神经网络相结合,建立了煤矿材料成本预测的MRA-RBF耦合模型.从自然因素、技术因素、管理因素等方面选取8个变量建立煤矿成本预测指标体系.对实际煤矿材料成本进行预测分析.结果表明:MRA-RBF耦合模型预测最大误差为10.795 145 2%,平均误差为5.459 71%,最小误差仅为0.344 581 7%,预测效果较好,预测精度与单一MRA模型及RBF神经网络相比有了较大提高.验证了所提出模型的科学性、准确性,说明将线性拟合算法(MRA)和非线性拟合算法(RBF)结合起来用于煤矿材料成本预测是一种较为优越的算法,为煤矿材料成本预测及控制提供一种新的方法.     

自下而上的群体居民日负荷预测

为了提高居民日负荷预测精度,基于自下而上的建模思想,提出一种模块化的群体居民用户日负荷预测方法.考虑外界因素和用户自身用电行为对负荷的影响,构建相似日提取模块、聚类分析模块和用户用电行为分析模块以实现单户家庭负荷预测.在此基础上,利用蒙特卡洛抽样方法对家用电器组合、家用电器功率和用户用电时间点这3个随机变量进行抽样模拟,构建用户负荷预测模块,实现群体居民日负荷预测.算例仿真结果表明:采用所提方法的居民日负荷预测平均误差为1.3%,最大误差为5.6%.相较于基于灰色模型预测的平均误差2.7%、最大误差7.5%,和基于神经网络模型预测的平均误差2.3%、最大误差6.9%,所提方法显著提高了群体居民日负荷预测的精度.     

基于GA-BP神经网络的长宁地区页岩气水平井产能预测技术

准确预测页岩体积压裂井的产能是确定合理开发决策的重要前提。目前页岩气井产能预测主要基于理论模型,需要理想化假设条件和不易得到的参数,导致体积压裂前的产量预测精度不高。为此,通过数据挖掘技术直接从影响产能的参数入手,突破传统理论模型的局限,首先利用灰色关联度确定影响长宁地区57口页岩气水平井压后产量的主控因素及权重,然后基于遗传算法优化的误差反向传播(back propagation,BP)神经网络方法,建立页岩气水平井体积压裂产能预测模型。基于该模型,针对长宁地区已生产井数据开展现场应用。应用结果表明:工程参数主要影响页岩气水平井的初期产量,总有机碳含量(total organic carbon,TOC)、单井百米液量、单井百米砂量、脆性矿物指数等工程参数是影响页岩气水平井测试产量和3个月累产气量的主控因素;TOC、I类储层钻遇长度、孔隙度、含气量等地质参数是影响页岩气水平井1年累产气量的主控因素;基于长宁地区已生产井数据建立的页岩气水平井体积压裂测试产量预测模型的平均误差为8.76%,预测误差同比多元回归模型预测降低了47.79%;基于遗传算法-误差反向传播(genetic algorithm-back propagation,GA-BP)神经网络的产能预测技术具有操作灵活和预测精度高的特点。利用大数据分析和产能预测方法为长宁地区页岩气井的产能预测提供一种新思路,提高了产能预测效率,并有效地指导现场施工。     

致密气井Arps产量递减指数变化特征

Arps提出的产量递减规律在油气井产量预测及可采储量评价方面得到广泛应用,但在采用该方程对致密气井初期渗流阶段产量递减数据进行分析时存在最佳拟合的递减指数1,这与常规递减指数认识不符,且预测结果与实际偏差很大。在理清致密气井递减指数变化特征基础上,从递减指数公式出发,并借鉴苏X区块63口致密气井生产动态历史拟合参数和试井解释参数平均值,建立了致密气井数值模型;通过划分致密气井各个渗流阶段响应时间,研究致密气井在各个渗流阶段递减指数变化规律,分析了4种不同因素对递减指数的影响,扩展了对Arps递减规律的认识,从而揭示了递减指数在致密气井整个预测期的变化规律。研究方法和结论对致密气井全生命期的产量递减规律分析及应用具有一定的指导和借鉴意义。     

油田产量优化的目标规划模型

在现有开采条件下确定油田经济效益最大时的产量组合 (最佳经济产量 )的过程称为油田产量优化。分析了影响油田最佳经济产量的因素 ,将油田产量细分为自然产量、措施产量和新建产能产量 ,提出了自然油变动成本、措施油变动成本和新建产能油变动成本的计算方法。在此基础上 ,提出了多约束条件下以利润最大化为目标的油田产量优化模型。该模型的建立可为油田的中、短期开发规划提供定量的决策依据。     

基于ARIMA模型的人民币汇率预测与分析

对2015年8月11日汇改之后的人民币兑美元汇率进行分析,建立ARIMA(14,1,0)模型,残差检验证明该模型是合理的。利用模型ARIMA(14,1,0)对2016年3月10日至2016年3月23日的人民币汇率进行预测,预测结果基本接近实际值,相对误差控制在0.5%以内,并且前5天的平均误差为0.2%。预测结果再次表明,ARIMA(14,1,0)模型完全适用于美元/人民币汇率的建模,特别是对短期范围内汇率的预测是切实可行的。     

油田产量优化的目标规划模型

在现有开采条件下确定油田经济效益最大时的产量组合(最佳经济产量)的过程称为油田产量优化。分析了影响油田最佳经济产量的因素，将油田产量细分为自然产量、措施产量和新建产能产量，提出了自然油变动成本、措施油变动成本和新建产能油变动成本的计算方法。在此基础上，提出了多约束条件下以利润最大化为目标的油田产量优化模型。该模型的建立可为油田的中、短期开发规划提供定量的决策依据。     

基于BP神经网络的江西省铁路货物周转量预测

采用灰色关联分析法筛选出江西省铁路货物周转量的主要影响因素,在此基础上建立了BP神经网络预测模型,并采用多元线性回归模型、二次指数平滑法、灰色GM(1,1)模型分别对江西省铁路货物周转量进行预测,再对结果进行比较和误差分析。研究表明,BP神经网络模型预测精度明显高于其它三个模型,平均误差为0.76%,可用于实际预测。     

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。     

基于改进果蝇算法和长短期记忆神经网络的油田产量预测模型

产量预测是油田生产动态开发研究的重要内容之一。油田的长期生产积累了大量数据,但是波动幅度很大,直接应用长短期记忆神经网络预测油田的生产指标,会出现神经网络泛化性很差的问题。因此,首先利用双层长短期记忆神经网络(long-short term memory,LSTM)和随机式失活对神经网络架构进行调整,建立了深度学习神经网络模型;并提出了一种新的果蝇聚集方法,通过改进的果蝇优化算法对所建立的神经网络模型进行优化,避免其陷入局部最优解,搜寻解空间的最优解;最后,油田实例验证表明,优化后的深度学习网络的网络泛化能力和预测精度有了较大提高,对于油田波动性较大的数据也能较好地拟合。所建立油田产量预测模型可应用于矿场开发实际。     

遗传算法在油田产量预报中的应用

油田开发方案设计中,产重预报正确与否与油田开发成败息息相关,它决定了油田生产规模,投资决策等。正确预测油田产量对改善开发生产效果和提高措施作业效益有重要作用,油田产量预报方法很多,如递减曲线法、神经网络法、Poisson分布法等。各种油气田产量预报模型的应用关键在于参数估计,常规参数估计方法为试凑法和最小二乘法,工作量大,可靠性差,所以引入了一种新型遗传算法求取参数最优估计值,并通过遗传算法在Г模型中的应用实例说明了该方法在油气产量预报中的可行性。     

基于BP神经网络的混凝土抗压强度预测模型的建立

本文采用误差反向传播神经网络(BP)建立了混凝土抗压强度的预测模型,在不同的误差目标值及隐含层节点数条件下,探讨模型的预测精度。实验结果表明,当误差目标值设定为0.01、隐含层节点数为3时,模型的预测精度最高,平均误差百分数为6.6%。当误差目标值设定较大时,样本的预测值与实测值会发生明显的偏差,预测效果不佳。     

特高含水期产量递减分析及递减率表征公式

特高含水期产量递减率与产量递减曲线可用于预测可采储量与剩余油可采储量,对特高含水期的开发调整具有重要意义。采用阿尔普斯(Arps)产量递减曲线拟合特高含水期前的产量数据,并预测特高含水期的产量,发现预测结果与实际产量的误差较大、不能描述特高含水期产量递减规律。基于这一问题,从反应油水两相渗流本质的相渗曲线出发,结合油水流动运动方程及稳定状态逐次替换法,推导了特高含水期产量递减率表征,重新认识了特高含水期产量递减规律。研究表明,特高含水期油井产量递减规律为指数递减;由于进入特高含水期后,油相相对渗透率变化率发生了变化;导致基于特高含水期前的产量递减数据拟合的指数递减不能准确预测特高含水期油井产量。在预测特高含水期产量时,需利用特高含水期的产量递减数据进行指数递减曲线拟合。