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。     

多元回归分析在油气产能预测中的应用

本论文利用多元回归分析对油气产能进行预测,并对多元回归分析的思想、原理进行了阐述;对油田产能预测结果进行了检验及精度估计,认为预测结果具有很好的指导意义。因此在油田生产中建议采用多元回归分析预测油气产能。     

油气田资源量预测3种方法的比较

目的介绍3种油气资源量计算方法及其优缺点。方法根据同样的资料,应用3种方法计算一个地区的资源量。结果油田规模序列法适合预测一个油气体系中大油田的规模序列;发现过程模型法使用到了尽可能多的油田勘探数据,算法严谨,预测效果较好;分阶段的油田序列模型法所需的数据少、弹性大,不同的评价人预测的资源量有较大的差异。结论由于基于模型的不同,不同方法计算出的资源量有较大差别。     

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     

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     

地应力在油气勘探开发中的应用

随着油气勘探开发技术的日趋成熟以及对地应力研究认识的逐渐深入,人们发现在油气勘探开发过程中众多的问题都与地应力有着密切的关系,油气勘探开发对地应力研究的需求也越来越大,但地应力在油气勘探开发过程中的应用仍不够广泛和深入。该文通过介绍地应力的研究现状以及在油田勘探开发中的应用,主要阐述了地应力在油田勘探开发过程中对注采井网部署、压裂设计优化、油气富集区域预测等方面的影响,以此说明地应力在油田勘探开发过程中的重要性。     

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。     

原油生产成本与钻井成本预测模型的探讨

针对我国东部３个油田企业原油生产成本和钻井成本费用的变化趋势，探讨了影响油气生产成本和钻井进尺成本变化的各种因素，提出了（１）以累计原油（或天然气）产量作为自变量，建立起原油成本费用和累计原油产量关系基础上的原油（天然气）生产成本预测模型；（２）以累计钻井进尺和钻机月速作为自变量，建立起钻井成本和累计进尺与钻机月速关系基础上的钻井成本预测模型，并以时间序列预测模型验证了该模型的可行性．为了验证预测结果的可靠性，分别对３个油田１９８５～１９９４年间成本函数进行了检验．检验结果表明，预测值与实际值之间误差极小，吻合良好．说明上述模型用于原油生产成本和钻井成本预测，具有很强的模拟能力和预测能力．     

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。     

纳米孔隙中毛管力效应对致密油藏产能的影响

传统的相平衡计算模型无法准确计算纳米孔隙中的油气相态变化,因此须对传统的闪蒸计算模型进行改进。今通过计算油气两相压力不相等情况下油气的相平衡,得到考虑毛细管力效应的油气黏度、密度及溶解气油比等物性。毛细管力采用Young-Laplace公式进行计算,计算了某多组分混合物的相态平衡常数,结果与实验值符合良好,从而验证了本文算法计算相平衡的准确性。还以Bakken致密油藏为例,基于黑油模型研究毛细管力对相平衡影响时的油藏产量预测,结果表明忽略毛细管力的影响,会使预测的油气产量低于实际的油气产量。本研究较好地解释了毛细管力对油气的相态平衡及其对致密油藏产能预测的影响。     

人工神经网络在采油产量预测中的应用

为实现采油产量的预测和跟踪分析，建立了一种基于人工神经网络的采油产量预测方法。采用SAS系统对影响采油产量的众多因素做相关分析，依据主要因素并通过人工神经网络建立了采油产量预测模型。实际测试的结果表明，该方法能够提高判断采油产量的精度，且特别适用于不确定或非结构化信息的处理，对采油中各种未知信息的预测有着较好的适用性。     

一种油田产量的拟合并应用于预报的方法

本文首先介绍了油田产量数据的预处理方法;在油田产量数据预处理基础上提出了一种参数化的Weibull模型,这种模型对于预处理的产量数据具有很好的拟合性态,利用这种拟合可以简单地给出油田产量原始数据的一种非时变预报,这种方法较之时变参数预报法既简便又可达到同样的预报精度。     

储层微粒运移预测技术在石油开采中的应用

针对在油田注采过程中 ,经常由于忽略注采速度的影响而导致地层发生微粒运移 ,从而堵塞地层孔隙 ,使油气井产量急剧降低 .尤其对于低渗油层 ,地层伤害程度更大 .在岩心速敏实验基础上 ,应用渗流力学和采油工艺等基本原理 ,将室内临界流速与油田开发相结合 ,建立了微粒运移堵塞预测数学模型 ,并利用该模型对大庆龙虎泡油田几口油井进行预测 .预测结果表明 :金 1 91、金393井存在一定程度的微粒运移损害 ,与现场实际情况基本吻合 ,从而证实该技术切实可行     

油田监测指标预测开发指标系统设计及应用

本文在对油田单井监测指标数据分析的基础上,研究了油田区块测试指标的特征,根据其特征与统计预测,基于系统模拟原理,将油田区块测试指标作为系统输入,油田开发指标作为系统输出,得到了油田开发指标预测的新方法,并根据这一预测新方法设计了“油田监测指标预测开发指标软件系统”。利用该软件系统对大港油区几个区块进行实例预测,取得了很好的效果。为研究油田开发动态变化规律及预测提供了一种新的方法。     

利用BP网络技术进行油井流入动态分析方法研究

论述了应用人工神经网络技术进行油井流入动态分析的方法 :将油井视为一个黑箱非线性动态系统 ,不需要建立描述油井动态的复杂数学模型 ,只要对其动态系统的输入 /输出进行网络训练 ,即可建立相应的人工神经网络预测模型 ,并用此进行油井流入动态预测及分析 ,绘制出精确的 IPR曲线 .依据 BP网络和实际应用的特点 ,提出了滚动预测技术 ,并对该技术进行了实例分析 ,取得了较好的效果 .     

利用神经网络预测油气层损害

利用人工神经网络预测油气层敏感性参数，根据大港油田的油气层岩石物性参数、岩石学分析参数以及油气层岩石敏感性参数等历史资料，训练神经网络，以此神经网络预测某些油气层的敏感性参数，该方法能迅速、准确地预测未来指定油气层的敏感性参数，为保护油气层提供依据。     

基于PSO-BP神经网络湿式摩擦元件损伤预测模型

为求解湿式离合器的多影响因素损伤关系,应用多源数据融合方法,构建一种基于PSO-BP神经网络的湿式摩擦元件损伤预测模型. 将转速和接合油压作为模型的输入参数,将提取到的摩擦片周向温度梯度、Fe和Cu元素浓度变化率、摩擦片表面粗糙度变化率作为模型输出参数, 建立了有限元仿真模型,搭建了湿式离合器摩擦磨损综合试验台,采用控制变量法研究了油压、转速对摩擦元件损伤特征参数的影响. 结果表明,输入工况与4类损伤特征参数呈非线性关系,预测值与实测值随工况变化趋势一致,损伤特征参数较油压的变化更为敏感. 对比同类模型与试验数据,预测模型具有较高的预测精度,能够有效地对湿式离合器多工况损伤进行预测.      

储层综合评价方法在白豹油田中的应用

在储层综合评价中,评价参数的选择、权重系数的确定等均存在主观人为因素的干扰,如何合理、客观地对储层进行综合评价显得尤为重要.以白豹地区延长组长6储层为例,运用特征选择分析、灰关联分析、聚类分析等方法进行储层综合评价,将研究区长6储层划分为4类,其中Ⅰ类储层和Ⅱ类储层作为研究区的最好和较好储层,是寻找油气的有利区带.研究区预测井位的试油日产油量分析结果与通过储层综合评价方法预测出的结果一致.该评价方法确定储层分类方便、有效,并提高了该区块的解释符合率.     

支持向量机在航空兵部队油料消耗量预测中的应用

分析了支持向量机的基本原理及算法,确定了航空兵部队油料消耗量预测模型的样本输入量,构造了航空兵部队作战油料消耗量预测函数,采用LibSVM Matlab工具箱对模型进行编程求解,选用3个指标对预测结果进行评价。并以某空军航空兵部队油料消耗量为例,运用基于SVM的航空兵部队油料消耗量预测模型,对2009年演习的油料消耗量进行了预测,预测结果与实际值进行比较,预测精度高,为科学预测战场油料消耗量提供了科学定量的分析方法。