基于机器学习的低渗透砂岩聚合物驱采收率预测

在恶劣的油藏条件下,化学驱提高采收率方法的可行性主要在实验室进行,以探究化学驱方案在现场实施的可能效果,但此类实验通常昂贵且费时。为了提高筛选效率和研究变量关系,进行了3个聚合物驱油实验项目,其次通过构建14种机器学习基础模型来预测低渗透砂岩聚合物驱油实验的效率。结果表明:多层感知机(multi-layer perception,MLP)、随机树(random forest,RF)和极限梯度上升(extreme gradient boosting,XGB)模型表现最佳,它们在测试集的确定系数均为0.99,均方根误差分别为0.855、0.836和0.859。模型表明特征重要性由强至弱依次为含水率、累积注入孔隙体积、渗透率、非均质系数、孔隙度、聚合物注入量、聚合物浓度、注入压力。研究成果为室内物理低渗透砂岩聚合物驱提供了可靠的数据,给出了14种机器学习模型预测性能直接对比,建立了高拟合高泛化高稳定低误差的低渗透砂岩聚合物驱预测模型,有助于化学驱方案快速在低渗透储层应用,以及降低失败风险。

考虑启动压力梯度的堵塞器嘴后压力确定方法及其现场应用

为实现多层系注水开发油藏配注参数的精细设计,基于预置电缆智能测调结果,提出了一种考虑吸水启动压力梯度的堵塞器嘴后压力确定方法。首先根据井组内储层物性参数和注水井及采油井生产动态数据,确定注水井各注采层段的配注压差;其次由预置电缆智能测调系统测定的注水井各小层压力和流量数据计算各小层对应的吸水启动压力梯度;最后基于计算的配注压差和吸水启动压力梯度,确定注采井组内各小层堵塞器合理嘴后压力。基于这种方法,以大庆油田某试验区典型注采井组为例设计了分层定压注水堵塞器嘴后压力并进行了现场应用跟踪评价。结果表明:采油井平均产油量稳步提升(由1.56 t/d上升至1.93 t/d),含水率逐渐降低(由95.9%下降至93.2%),起到了良好的开发效果。研究成果为进一步开展多层系定压注水配注参数优化设计提供了技术支撑。

陆相页岩油藏开发中超临界CO_(2)的应用前景展望

我国的陆相盆地页岩油储量丰富,具有巨大的资源潜力,其勘探开发研究正处于起步阶段,不论是微观的动用机理还是宏观的开发方法都有许多的研究空白需要被填补。充分调研并概述目前我国陆相盆地页岩油研究进展,论述了超临界CO_(2)在油气田开发领域的独特优势。超临界CO_(2)压裂起裂压力低、形成缝网结构复杂,注入油藏的超临界CO_(2)可与原油发生混相、萃取等作用极大地提高了采收率,当油藏中含水时还会与岩石发生溶蚀作用改善油藏孔喉结构。