基于集合卡尔曼滤波的海相与河流相油藏历史拟合研究

在油藏管理中,利用所有的观测资料更新油藏模型是准确估计油藏参数变化和预测未来产量的关键。集合卡尔曼滤波(EnKF)为油藏模型的不断更新提供了一种实用的方法,但其在不同油藏类型中的应用可靠性以及合理设计集合大小的方法尚不清楚。本文从数学上推导出EnKF方程组,讨论了EnKF在油藏历史拟合中相比标准卡尔曼滤波和扩展卡尔曼滤波(EKF)的优点,以及EnKF的应用局限性。在案例研究中,我们利用EnKF历史拟合方法,对海相油藏和河流相油藏进行了两次数值试验,通过拟合井底流压和井口含水率,对静态地质模型进行了修正,找到了优化的整体尺寸设计方法。最后,针对EnKF在河流相储层中的应用提出了建议。