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。

胜利油区采收率预测模型研究的新进展

在对胜利油区现有采收率预测模型进行评述的基础上,叙述了应用经验研究方法对胜利油区采收率预测模型的最新研究结果,并将新模型与原有模型进行了对比,表明新模型的预测精度有显著提高,与此同时,运用实际样本数据对新模型的预测有效性进行了测试,平均误差为4.085%,模型准确性较高。

基于微观孔隙结构参数的水驱采收率预测方法

储层微观孔隙结构参数是影响水驱开发效果的重要因素,二者之间是一种非线性、不确定的复杂关系。用相关性分析优选出对水驱采收率影响较大的参数,分别采用多元回归分析和BP神经网络的方法对水驱采收率进行预测。结果表明:人工神经网络方法具有更好的自适应性,能较好地反映影响水驱效果的各种微观参数与采收率的内在联系,而且预测精度较高。应用BP神经网络方法预测水驱采收率是可行和有效的。

齐3-17-5块莲花油层开采特征分析及采收率预测

莲花油层经过近30年的开发,已经进入到了低速开发阶段。目前采油速度只有0.033%。首先对莲花油层开发阶段进行划分并分析各阶段开采特征。然后利用产量递减曲线法对其采收率进行预测,以判断储层最终可采储量及其采出程度。研究结果表明,莲花油层最终可采储量约为50.813×104 t,最终采收率为13.177%,可采储量采出程度已高达95.094%,剩余可采储量极少。因此,莲花油层迫切需要找到更为合理的开发方式对油田进行二次开发。结论对指导莲花油层二次开发具有重要的现实意义。

注气辅助重力泄油开发油藏采收率预测方法

注气辅助重力泄油已成为油藏提高采收率的最新开发方式,可解决常规连续注气和水气交替注入体积波及系数低的主要问题,大幅度提高最终采收率,然而还未有相对应有效的采收率预测方法。通过对注气辅助重力泄油开发机理研究,利用量纲分析方法,对毛管数、邦德数及重力数进行分析,评价其对采收率影响的相对作用,然后通过考虑储层润湿性、油气密度差与粘度比,重新修正重力数和重力泄油数,利用实验及现场数据,确定其与采收率的关系,最后建立了注气辅助重力泄油开发油藏采收率预测方法。非混相驱替时,重力泄油数与采收率具有很好的相关性,修正重力泄油数与采收率的相关性更好;混相驱替时,重力泄油数与采收率的相关性差一些,但修正重力泄油数与采收率的相关性较好。实例应用表明,经过修正的采收率预测方法计算的结果更接近实际采收率。

人工神经网络在CO_2驱采收率预测中的应用

CO2驱是三次采油中最具潜力的提高采收率方法之一,准确评价和预测CO2驱的采收率成为一项非常重要的工作。由于影响采收率的因素较多,且影响因素与采收率之间是一种非线性、不确定的复杂关系,致使常规预测方法效率及精度不高。针对此问题编写BP神经网络程序,引入影响采收率的5个无因次变量对于这种非线性、不确定的多变量系统进行预测,结果表明,人工神经网络方法具有更好的自适应性,能较好地反映影响CO2驱的各种参数与采收率的内在联系,而且预测精度较高。应用BP神经网络方法预测CO2驱采收率是可行而有效的。

高陡复杂断块油藏注水方式优选及采收率预测图版建立

在建立不同渗透率和地层倾角机理模型的基础上,通过分析高陡断块油藏边部和顶部注水时,注入水向上、向下流动规律,研究了地层倾角和渗透率对重力作用的影响。结果表明:当渗透率超过10mD、地层倾角超过5°时,重力作用明显增大,水相重力渗流明显增强,随着地层倾角和渗透率逐渐增大,注入水向低部位突进严重,因此在高陡断块油藏进行注水方式优化及开发指标预测时应考虑重力作用影响。建立了塔南油田A、B断块的实际三维地质模型,在考虑重力作用影响的基础上,应用油藏数值模拟方法优化确定断块A、B注水方式分别为边部注水和边部结合点状注水;并绘制了塔南油田边部注水开发采收率预测图版,在C、D断块进行了应用对比,对类似油田开发具有指导作用。

改进童氏图版在葡北三区采收率预测中的应用

童氏图版法预测采收率广泛应用于水驱油田的生产实践中,但该方法对高含水油藏井网调整后目标区块采收率预测的契合性较差。文中根据地质储量与甲型水驱规律曲线斜率的关系,计算了童氏图版系数X的值;基于改进的甲型水驱规律曲线,引入无水采收率和水驱规律曲线积分常量,推导出了适用于高含水油藏井网调整后的改进童氏图版公式,并绘制了改进童氏图版。将改进的童氏图版应用于大庆油田葡北三区采收率的预测,适用的X为5.513 691 47,预测的采收率为45%,预测误差小于0.5%。改进的童式图版应用于高含水油藏井网调整后区块采收率的预测,具有较高的精度,对高含水油藏生产开发具有一定的指导意义。

新增探明储量采收率预测方法评价与研究

新增探明储量由于资料所限,不能采用动态法标定可采储量,最常用的方法是类比法、经验公式法和经验值法等,如何准确预测采收率是合理计算可采储量和新增探明储量评审工作的技术关键与难点。该文在充分调研采收率预测现状与存在的主要问题基础上,对比新增探明储量各种采收率预测方法优、缺点,提出了新增探明储量采收率预测方法顺序为经验值法(小型油藏)—类比法验证(中型油藏)—经验公式法—综合地质法—数值模拟法进一步验证(大型油藏),建立适合本公司油藏地质特征的类比序列和经验值标准,为新增探明储量采收率预测提供依据。

考虑等效井网密度的南海东部水驱砂岩油藏采收率预测

南海东部水驱砂岩油藏一般采用直井和水平井共同开发,井网密度计算存在困难,传统的采收率经验公式不适用,因此亟需建立适用于海上油田的采收率预测模型。运用数值模拟与回归分析方法,建立水平井与直井井数折算比计算模型,然后基于采收率主控因素分析结果,使用多元回归,得到南海东部水驱砂岩油藏采收率预测模型。研究表明:当流度一定时,边水油藏、底水油藏的采收率随等效井网密度增加呈现出先增加快后增加慢的规律,当井网密度增加到3口/km2时采收率增加幅度明显降低;当等效井网密度不变时,边水油藏、底水油藏的采收率随流度的增加而增加,且边水油藏采收率的增幅要小于底水油藏。实例验证表明,预测模型计算结果与实际采收率的相对误差均在5%以内,该模型具较高的预测精度。

基于极限梯度爬升算法与支持向量回归算法变权组合模型致密油的采收率预测

致密油储层因具有渗透率与产能低下的特点,多采用大型水力压裂改造储层来提高采收率,根据不同的地质、压裂参数变化,预测改造后的采收率对于压裂施工改造有良好的指导作用。目前多因素影响的致密油压裂后采收率预测理论模型,难以实时准确地根据压裂方式及参数来预测压裂后油藏采收率变化。为进一步提升致密油的采收率预测精确度,引进机器学习进行预测,基于极限梯度爬升算法(extreme gradient boosting algorithm,XGBoost)和支持向量回归算法(support vector regression algorithm,SVR)进行了一定改进得到变权组合模型XGBoost-SVR,模型借鉴残差进化机制,实现加权融合系数的最优组合,该组合模型可对两种单模型进行优势互补,避免了因单一模型参数导致的范围性误差,增大模型预测容错率。首先对致密油的采收率影响因素进行收集整理,分析地质因素、储层因素和工程因素对采收率的影响,构造相关原始数据集;其次将预处理后数据集输入SVR单模型和XGBoost单模型分别进行训练,得出单模型预测值;最后采用基于残差的自适应的变权组合方法建立XGBoost-SVR组合模型,得到各模型最终预测结果,明确采收率影响因素及各影响因素权重比。模型预测结果表明:与SVR和XGBoost单模型相比,组合模型在预测精度达到94.63%,表现出更好的适应性。

延长油田双河区块开发状况分析与采收率预测

延长油田双河区块主力开发层位为延长组长6;油层段,属于特低渗透油藏,截止2021年7月,研究区注采井数比1∶4.9。单井平均日产油1.13 t/d,累产油量137万t,地质储量采出程度9.6%,目前综合含水率39.8%。开发初期注采比为1.4,随着开发时间增加目前降低至0.6~0.8范围内。目前存水率和水驱指数较低主要是由于实际注采比较低造成的。利用改进后的童氏图版法对研究区采收率重新进行预测,实例验证表明,改进后的图版符合生产实际,预测出的最终采收率在15%~20%,更切合低渗透油藏的实际。

基于不确定性分析的油气采收率预测方法

针对目前油气采收率预测不确定性评价存在的问题,提出了一种将采收率不确定性因素敏感性分析与蒙特卡洛抽样方法相结合的定量评价采收率的预测方法。以K油田A-4储层为例,分析了该类储层采收率预测数值模拟模型中存在的不确定性因素,并在储层开发预测方案建立的基础上,结合敏感性分析和蒙特卡洛抽样方法,定量分析了不确定性因素对采收率预测产生的影响,为油气项目采收率风险评价提供参考,指导油气田开发方案设计、优化和评估。

基于机器学习的页岩气采收率预测方法

页岩气是指以吸附和游离时而还有流体相的状态赋存于泥页岩中的非常规天然气,我国探明储量丰富,地域分布广泛,埋藏深度普遍在3000米以下.页岩气开采的关键技术是水平井和水力压裂,而高效开采面临的更大困难和挑战是预测采收率.如果能够预测采收率,一是可以评估当前储层改造程度,二是可以获悉当前的施工参数对产气量的直接影响,便于动态指导施工.由于影响产气量的因素既包括储层自身参数,又受施工参数的直接调控,因此尚无合适的物理模型能够评估多种因素对产气量的综合影响.近年来,随着深度学习的兴起,该方法成为解决工程领域问题的热门手段.论文通过解读涪陵地区页岩气开采水平井的现场数据,分别使用深度神经网络、支持向量回归以及极限梯度爬升等三种机器学习方法,建立了从储层和施工参数到采收率的预测模型,分析了各类模型的优缺点,以及相关参数的重要性.在页岩气施工现场数据量较少的情况下,建立了合理预测采收率模型,具有工程应用前景.

海相砂岩油藏张型广适水驱曲线预测修正应用

XJ油田为强边底水砂岩油藏,边底水能量充足,属于高孔高渗储层,采出程度高,预测精度误差大。针对海相强边底水砂岩油藏目前水驱曲线预测存在的问题,以生产动态资料分析油藏驱替特征出发,研究油井水淹类型影响因素,并从地质因素和驱替特征说明水驱曲线的适应性。在前人对于水驱曲线预测方法研究的基础上,结合强边底水油藏的驱替特征以及生产特点,重点研究水驱特征曲线的适应性与驱替特征的关系、修正目前水驱特征曲线以适应预测极限采收率,并编制相应的计算模块,从水淹规律、适用性分析、水驱曲线修正三个方面总结强边底水砂岩油藏水驱曲线预测极限采收率的油藏工程方法。

童氏图版在采收率预测中的应用与修正

童氏图版是在大量的实际数据统计基础上得到的,对于国内的某一具体油田不一定适合。对童氏图版采收率预测进行敏感性分析,结果表明童氏经验系数由7.5变化至5.25时,采收率预测误差达到20%。在水驱油田开发中后期,大量的实际生产数据可以对童氏曲线进行拟合,从而得到一个新的适合某一特定油田的童氏图版,在对图版进行修正的过程中,由于童氏曲线有两个待定系数,用一组动态数据无法拟合出新的童氏图版。基于迭代的思想,本文提出了一种童氏图版采收率预测的动态修正方法,先假定一个油田最终采收率值,用动态生产数据拟合出新的童氏图版经验系数,得到新的采收率预测值,设定某一迭代精度,当采收率预测结果满足精度要求即为最终的采收率预测结果。实践证明这种新的童氏图版采收率预测方法能比较准确的预测最终采收率值,更符合油田的实际情况。

人工神经网络在砂砾岩油藏采收率预测中的应用

目前砂砾岩油藏采收率标定存在很大难度,常规方法预测采收率与实际相比偏差很大。通过调研砂砾岩油藏开发实例及相关资料,选取我国东部某典型砂砾岩油藏,确定了砂砾岩油藏采收率的主要影响因素,并编写BP神经网络程序计算砂砾岩油藏水驱采收率,计算结果精度较高。因此,认为应用BP神经网络方法预测砂砾岩油藏水驱采收率是可行的、有效的。

多层砂岩油藏可视化模型水驱油物模实验研究

为了获得更为直观的多层砂岩油藏水驱油渗流特征和机理,结合实际油藏地质特征,设计制备了一种大尺度可视化砂箱物理模型,进行了不同注水方式、不同注水速度的水驱油实验,考察了不同注采方式、不同注入速度对水驱油效率的影响,以及水驱油过程中的油水运动分布特征。该模型具有设计尺寸大、模拟程度高及直观可视等特点,较其他模型更具代表性。通过模拟NP油田某区块砂岩地层,根据几何相似、井型相同、层序韵律相同、流体黏度相同的原则,更加真实的模拟地层条件。实验结果表明,不同的注水方式及注水速度对模型的采收率有较大影响。采油井数多,单井控制面积小,采收率略高;而注水速度低,油井见水晚,含水率上升缓,可以有效提高采收率,这一过程也反映了重力分异的影响。水驱特征曲线拟合表明,该实验过程符合水驱特征,能够较准确地预测可采储量及采收率。

胜利油区整装油田非均质油层分类及评价

胜利油区整装油田油层多、非均质性强,油田开发进入'精细挖潜、深度开发'阶段后,挖潜方向以层内挖潜为主。根据油藏地质特征和流体特征,利用多参数乘积法、灰色关联分析、总信息量分析等方法开展油层分类研究,提出了非均质流动系数的概念,建立了油层分类标准,实现了分类标准定量化。将河流相和三角洲相沉积油层分别分为3类,建立了不同类型油层采收率预测模型,进行了理论采收率预测,在此基础上,进一步建立了不同沉积类型单元的采收率预测模型,为胜利油区整装油田进一步挖潜提供了理论支持。

大庆外围油田CO2近混相驱特征图版的建立

针对目前大庆外围油田CO2驱油区块采收率主要通过数值模拟方法进行预测、缺乏适合的经验公式等问题,建立了基于大庆外围油田基础物性和流体PVT参数的混相、近混相、非混相驱非均质理想模型,定义了含碳率-累产油、A型、B型三种CO2驱特征曲线,利用特征曲线预测模型中的采收率,优选出适合CO2近混相驱的特征曲线计算方法。在此基础上,建立了适合S区块的含碳率和采出程度图版,并与S区块实际动态相比较,选取A型气驱特征曲线进一步建立了CO2近混相驱特征图版,应用改进后的图版预测了S区块CO2驱采收率。结果表明:运用CO2近混相驱特征图版预测的采收率与S区块现场预测的采收率比较接近,此方法可以简单快捷预测CO2驱采收率,同时为S区块以及类似区块下一步的开发及评价提供参考。