海上薄互层砂岩油藏层系划分及射孔优化方法——以蓬莱19-3油田为例

海上薄互层砂岩油藏小层层数多、厚度薄、展布范围有限,物性差异大,并且海上注采井距大,导致其层间干扰影响因素更为复杂,传统预测方法适用性差,层系划分及射孔优化难度大.针对海上薄互层砂岩油藏的储层发育特征,通过引入小层动态连通系数、小层流动能力系数、小层干扰系数等参数全面考虑不同井距条件下小层注采连通状况、小层物性、流体差异程度以及小层水淹程度等关键性因素;以蓬莱19-3油田为例,油藏工程和动态分析相结合建立了海上薄互砂岩油藏层间干扰规律定量预测方法;通过修正传统产能公式,建立了适用于海上薄互层砂岩油藏的定向井合采产能预测方法;研究方法在蓬莱19-3油田现场进行实例应用,预测精度高,实用性强,可有效指导新区开发井的层系划分及老区加密井的射孔优化等工作,应用效果理想.研究表明:海上薄互层砂岩油藏层间干扰主要受到小层注采连通状况、物性、流体以及水淹程度等因素的影响;建议将流动能力级差5.0作为海上薄互层砂岩油藏的层系划分标准,后期选择合理时机进行层系调整,减缓层间干扰.可见研究方法考虑因素全面,预测精度高,现场实用性强,能够为此类油田的新区开发井的层系划分及老区加密井射孔优化提供有力支持.     

多波地震油气储层的自组织神经网络学习与预测

如何充分挖掘出地震数据的有效信息以更有效预测出地震油气储层的分布情况,一直是业内所追求的目标。多波地震数据所包含的纵、横波数据不仅含有大量对油气敏感的特征信息,而且二者对油气响应存在差异,利用好这种差异可有效降低地震反演中的多解性问题。为此,设计了一种基于自组织神经网络的多波地震油气储层分布预测方案。首先,通过聚类分析优选出对油气响应比较敏感的地震属性,然后,对优选优化后的属性进行多波复合运算提取油气特征信息。最后,根据输入样本属性数据集设计自组织神经网络结构,计算神经元与样本的距离确定最佳匹配单元,更新调整网络权值,完成网络训练,得到预测结果。应用结果表明,基于本方案所预测的地震油气藏分布范围与实际情况基本吻合,有效地降低了反演结果的不确定性,从而验证了自组织神经网络应用于地震油气储层预测的有效性和可行性。     

基于Kriging代理模型的造斜率预测方法研究

造斜率受导向工具结构、类型、钻井参数、井眼轨迹、地层和钻头等因素的影响,构成了一个多变量影响的非线性耦合体系。造斜率预测呈现一定的模糊性、随机性和非线性特点,难以用显性的定量关系式来精确刻画造斜率与其影响因素之间的函数关系。从回归分析预测法的角度,提出一种采用Kriging代理模型构建预测功能函数,进行造斜率预测的新方法。该方法基于空间插值理论,以造斜率预测值为输出目标。首先选取造斜率主要影响因素作为输入参数,确定训练样本和测试样本;然后,计算Kriging模型中的最优超参数,并构建该预测模型。最后,以测试样本为基准,计算模型预测性能指标,完成对Kriging代理模型的造斜率预测性能评价。通过现场案例研究表明,与常见的多元回归模型和径向基函数模型(radial basis function,RBF)相比,基于Kriging代理模型的造斜率预测方法在均方根误差(root-mean-square error,RMSE)、最大绝对误差(maximum absolute error,MAE)和平均绝对误差(average absolute error,AAE)3个常见的定量指标上表现了更佳的预测性能。预测结果更稳健,计算量更小,对造斜率的预测精度较高,能克服几何法预测精度不高或力学法计算量大等缺点。在工程应用中能节约计算成本和提高预测效率,便于推广应用。     

具有时滞的可燃物的湿度模型

可燃物是森林燃烧的物质基础,可燃物的湿度变化一定程度上决定着火灾的形成,所以建立可燃物湿度模型对研究可燃物湿度变化有很大的帮助,笔者通过建立可燃物湿度模型来研究可燃物湿度的变化情况。在研究中充分考虑了气象因子对可燃物湿度的影响,并且加入了时滞情况,研究结果表明可燃物湿度受到气象因子的影响,并随着气象因子的变化而变化,在对气象因子进行相关性分析的基础上,得出结论：可燃物的湿度与气温风速呈负相关、与湿度气压呈正相关,建立的可燃物湿度模型在考虑气象因子的影响的情况下基本可以预测一小时后可燃物湿度的变化情况,希望对森林的防火有所帮助。     

适宜于空间可伸缩帧间编码的快速算法

为既保持可伸缩视频编码(SVC)有较高的编码效率,又能减少其编码时间,提出了一种适合于增强层的帧间快速编码算法:先计算出各个方式的权值,按照权值大小的顺序进行编码,同时结合残差预测和率失真预测进行提前终止。实验表明,本文算法能够显著地提高编码速度,同时对编码质量影响极小。     

110 kV智能变电站复杂环境下电子式互感器校验方法

为解决智能变电站电子式电压、电流互感器现场误差校验问题,分别提出了以IEC61850为通讯规约的基于比较法的电子式电压、电流互感器现场校验方法.以某110kV智能变电站为背景,首先分析了该智能变电站电子式电压、电流互感器的配置情况,然后详细阐述了使用所提出方法进行校验时一次设备的操作过程.在研究所提出的电子式互感器现场误差校验方法工作机理的基础上,建立了电子式电压互感器现场校验方法的一次等效电路,同时还建立了其等效数学模型.现场应用结果不仅证明了本文研究内容的有效性与正确性,而且表明该智能变电站的电子式电流互感器,可做0.2S级电流计量互感器使用;电子式电压互感器,可做0.2级电压计量互感器使用.     

中国人口增长的数学模型

利用阻滞增长模型和ARIMA模型分别预测了中国未来的人口数.通过计算误差,发现运用ARIMA模型预测得到的结果更准确.     

高瓦斯矿井掘进通风瓦斯浓度预测模型研究

为了对不同瓦斯涌出量和通风配置下的高瓦斯矿井掘进通风瓦斯浓度进行准确预测,文中在对掘进工作面瓦斯浓度的各种通风影响因素分析基础上,设计了两种掘进通风瓦斯浓度预测神经网络模型。利用MATLAB软件及煤矿现场获得的实测样本数据,建立了瓦斯浓度BP和RBF神经网络预测模型。通过预测结果对比分析可知,RBF神经网络预测模型能够对掘进通风瓦斯浓度进行准确地动态预测,为不同掘进阶段、不同瓦斯涌出量下的掘进通风方案选择提供了一定的理论依据。     

基于改进小波神经网络的汇率预测研究

选取2010-01-01—2010-10-31期间内,美元兑人民币的汇率基准价,以Morlet为母小波基函数,采用紧密结合的的小波神经网络对汇率基准价作非线性逼近,并在此小波神经网络基础上进行改进,并通过Matlab软件对原网络与改进网络的训练过程进行了数值仿真.仿真结果表明,改进网络模型对汇率基准价的预测是可行的,其预测精度更高.     

PSA-ANFIS方法的研究

矿山中的岩土工程灾害预测问题,是采矿工程领域亟需研究解决的重大课题.本文即针对这些问题,采用正交试验设计法和模式搜索算法研究了自适应神经模糊推理系统(ANFIS)的训练参数和模型结构的优化方法,提出和建立了基于模式搜索算法的自适应神经模糊推理方法(PSA-ANFIS).进一步采用一多峰函数进行离散,构建了训练数据对、检测数据对和预测数据对,对PSA-ANFIS的拟合能力和预测能力进行了研究.结果表明,无论是在拟合精度和预测精度上,还是在训练参数的调整、模型结构的建立和训练过程上,PSA-ANFIS均适合于解决矿山岩土工程灾害预测这一高度非线性的映射问题.