水驱油田基于液量的分结构开发指标预测方法

根据油田开发实际资料分析提出了油田开发指标分析中的几个结构分析指标 (结构含水、产液结构含水上升率、含水结构含水上升率及结构递减率 )的概念 ,研究了由多个不同结构构成油田的开发指标的变化规律。通过数值模拟和前缘驱替理论计算以及实际开发指标的结构分析 ,论证了油田开发指标预测应采用分结构的预测方法 ,并根据水驱特征曲线、产量递减曲线等油藏工程方法建立了水驱油田基于液量的分结构开发指标预测模型。经检验该预测模型达到了较高的预测精度 ,可应用于年度规划、长远规划的编制以及年度配产工作中的开发指标预测。

油田开发动态指标预测方法

将产量衰减曲线与水驱特征曲线结合起来应用,给出了一套较为完整的油田开发动态指标经验预测方法。既解决了衰减曲线预测中缺少含水率的问题,又解决了水驱特征曲线预测中缺少时间的问题,同时还可用来预测油田剩余开采年限与油田废弃时的采油速度。

高含水后期油田开发指标预测

将乙型水驱特征曲线与指数递减预测模型相结合,提出了一种预测水驱油田进入递减阶段开发指标和可采储量的联解法,并针对油田进入递减阶段含水率的变化特点对乙型水驱特征曲线预测法进行了改进。该方法克服了乙型水驱特征曲线和指数递减预测模型在动态预测中存在的各自缺点,并提高了含水率预测的精度,为油田进入递减阶段开发指标的预测提供了较好的预测方法。将水驱开发成熟油田生产数据与该方法预测结果进行对比分析比较,表明该方法实用有效。在今后的开发过程中可以利用该方法对开发指标进行预测,以指导实际开发生产。

改进结构的小波神经网络在油田开发指标预测中的应用

由于油藏储层的非均质性和决定油田开发指标因素的不确定性,往往很难对油田开发指标进行准确的预测。针对小波神经网络模型及算法预测油田开发指标存在的不足,提出了改进结构的小波神经网络模型。改进结构的小波神经网络模型使输入指标同时在不同时间因子和尺度因子的小波基上展开。实例分析结果表明,改进结构的小波神经网络模型不仅继承了小波神经网络的优点,且具有比小波神经网络预测油田开发指标精度更高、训练速度更快的优势,其预测的平均精度达到97.02%,是预测油田开发指标的一种较实用的方法。

广义S增长曲线在油田开发中的应用

通过对目前普遍采用的6种S增长曲线指标量增长率变化特征的分析,得到能够代表这6种增长曲线的广义S增长模型及增长曲线,建立了油田年产量、累计产量预测模型,并通过非线性回归方法对模型进行了求解。实例分析表明,所推导出的年产量、累计产量模型对实际油田预测结果较为准确。

Weibull预测模型与乙型水驱曲线的联解法

将Ｗｅｉｂｕｌｌ预测模型和乙型水驱曲线法相结合，提出了一种预测水驱开发油田的含水率、产油量、产水量、产液量和相应的累积产量随开发时间的变化以及可采储量的联解法。并编制了相应的实用软件，增强了方法应用的方便性、科学性。该方法克服了在预测水驱油田开发指标中，Ｗｅｉｂｕｌｌ预测模型法和乙型水驱曲线法所固有的局限性。

基于典型曲线快速预测油藏开发指标——以伊拉克鲁迈拉油田Upper Shale大型多层砂岩油藏为例

结合数值模拟方法和常规油藏工程方法的优点,考虑储集层非均质性和开发方式变化的影响,提出一种基于典型曲线进行油藏开发指标快速预测的方法。选取典型区块建立精细地质模型并在此基础上开展精细数值模拟研究,得到不同类型储集层在不同开发方式下的开采典型曲线,进一步结合小层平面划分结果、地质储量评价结果、单井产出及注入能力评价结果进行全油藏开发指标预测。以伊拉克鲁迈拉油田Upper Shale大型多层砂岩油藏的注水开发研究为例对该方法的可靠性进行验证,结果表明,与常规数值模拟方法相比,在预测精度接近的前提下,该方法可大幅节省计算时间。

喇嘛甸油田北北块萨Ⅲ4-10油层高浓度聚合物驱数值模拟研究

考虑高浓度聚合物驱油条件下,聚合物各参数(尤其是黏弹性)对含水率和产油量的影响,结合喇嘛甸油田北北块的实际情况,应用前缘驱替理论,建立高浓度聚合物驱开发指标预测模型。应用该模型对喇嘛甸油田北北块一区萨Ⅲ4-10油层进行数值计算,研究了不同分子质量、注入质量浓度、注入段塞和注入速度对提高采收率的影响,并对注入参数进行优选。结果表明,在不考虑聚合物注入能力的情况下,随着聚合物注入质量浓度、分子质量、注入段塞和注入速度的增大,聚合物驱油阶段的采出程度均有所增加,驱油效率提高。

用深度学习挖掘油田开发指标预测模型的知识

油田开发指标变化特征被当作油田开发规划、油田开采状况评价、油田开发方案设计与调整及油田开发风险预测预警等决策管理问题的重要依据。针对至今没有很好解决的建立智慧油田的瓶颈问题之一--油田开发指标智能预测系统的选择预测方法和模型的知识挖掘问题,基于油田开发的海量数据,利用深度学习的卷积神经网络和循环神经网络,提取反映油田开发动态特征和知识。在此基础上,结合已建立的油田开发指标预测的模型库及知识库,利用深度学习的实体和关系的联合提取方法,提出通过油田开发输入信息、油田开发动态特征指标、油田开发指标预测的模型库和知识库挖掘选择油田开发指标最佳预测模型的知识方法。概念设计的模拟实例表明,提出的知识挖掘流程可实现只要输入油田开发的相关信息,就能自主获得恰当的油田开发指标预测模型。

论Usher、Logistic和Gompertz三种增长曲线的使用价值

Logistic和Gompertz增长曲线是Usher增长曲线的特例，分别给出了它们用于油田开发指标预测的函数表达式。提出了一种求取Usher增长曲线参数的重复二元回归法。根据庆祖集油田的实际资料，用Usher、Logistic和Gompertz增长曲线以及功能极强的广义增长与递减曲线等4种曲线拟合计算的结果表明，广义增长与递减曲线、Usher曲线与实际值拟合得很好，其预测功能很强；Logistic曲线拟合得也较好，也有较大的使用价值；而Gompertz曲线由于峰值产量对应的累积产量与最大可采储量比值的变化范围较小，因而拟合结果较差，使用价值相对较小。指出了用于油田开发全程的广义增长曲线是今后增长曲线的研究方向。

水驱特征方程及其应用研究

本文通过推导，得出了适合水驱油田更广范围的水驱特征方程，并指出了它与ΗΒСипачев公式以及童宪章方法的关系。该方法经油田开发的验证，具有普遍规律。

一种实用的联解法

将乙型水驱曲线法和 HCZ预测模型法相结合 ,提出了一种预测水驱开发油田的含水率、产油量、产水量、产液量和相应的累积产量随开发时间的变化 ,以及可采储量的联解法。并编制了相应的实用软件 ,增强了方法应用的方便性、科学性。该方法克服了在预测水驱油田开发指标中 ,乙型水驱曲线法和 HCZ预测模型法所固有的局限性。

利用含水率模型和水驱特征曲线预测油田开发指标

如何进行油田开发指标预测和合理制定油田规划方案一直是石油界重点研究的问题。首次提出了用含水率预测模型和水驱曲线联解的方法，进行水驱开发油田不同开发时间的含水率、累计产油量、年产油量、年产水量和年产液量等开发指标的预测工作，为油田开发指标预测开辟了一条新的途径。详细给出了含水率预测模型的建立过程、参数的求解方法及其与水驱特征曲线联解进行开发指标预测的原理和具体过程。通过对我国和俄罗斯油田的实际应用表明，该方法能够得到较为合理和准确的预测结果。

油田产量灰色-神经网络混合预测模型研究

提出将灰色预测与神经网络预测结合起来,建立灰色-神经网络混合预测模型,对油田产量进行预测。此方法是指以灰色预测为主,采用神经网络预测对其补偿的预测方法。模型的工作过程是,首先建立既考虑油田产量自身变化规律又考虑其影响因素变化对产量的影响的灰色预测模型,然后利用神经网络识别灰色预测所得的预测值和实际产量值之间的未知关系,去修正灰色预测模型所得的预测值。实例表明,这种方法不仅能够在很大程度上提高灰色模型预测的精度,而且扩展了灰色模型预测的应用范围。

开发模型与水驱曲线联解预测方法

水驱曲线法与开发模型法为油藏工程的重要预测方法,但在油田实际应用过程中,二者均存在某些方面的局限性。文中将Weibull预测模型和甲型水驱曲线相结合,通过联立求解,得出了一种可预测水驱开发油田含水率、产油量和累计产油量随开发时间变化规律的联解模型,有效克服了单一模型所固有的局限性,扩大了模型的预测范围。实例应用结果表明,该联解模型较为实用、可靠,对水驱油田开发具有一定的指导意义。

递减曲线分析的最佳拟合法

通过对J.J.Arps方程的推导,提出了油气藏产量递减曲线分析的最佳拟合法。用该法可直接求出递减指数N、初始递减率D1及油气递减前的稳定产量Qi,避免了使用试差法的大量运算过程,大大提高了油气藏工程中指标预测的精度。

预测油田开发指标的一种因子型增长曲线

根据预测油田开发指标的增长曲线的定义，提出了一种新型t^b＋c^t因子型增长曲线。推导了其对应的产量Q_t的计算式。研究表明，（N_p ／N_(R max)）Q_(tmax)最大变化范围为0～0．545 0，说明其峰值产量可出现在中期靠后，因而符合绝大多数油田的产量变化规律；其Q_t —N_p关系曲线在后期可向下凹或向上凹，且待定系数有4个，因而描述产量变化更加灵活。庆祖集油田的的计算实例表明，计算结果与实际值符合得相当好。可以认为它是一种预测功能很强的增长曲线。

大庆油田开发指标预测方法的演变和发展趋向

本文通过对油田开发指标变化规律认识的阶段性和层次性的分析，就大庆油田开发指标预测方法的发展过程以及今后油田开发指标变化规律研究的发展趋向做初步探讨。

Hubbert模型与水驱曲线联解法

将Hubbert预测模型与甲、乙、丙型水驱曲线法相结合,提出了一种预测水驱开发油田的含水率、产油量、产水量、产液量和相应累积产量随开发时间变化,以及可采储量的联解法,并编制了相应的实用软件,使方法应用更可靠,更方便.该方法克服了Hubbert预测模型法和水驱曲线法在水驱油田开发指标预测中各自的局限性.

广义翁氏模型与水驱曲线的联解法

在油藏工程中，广义翁氏模型和水驱曲线是两种重要的预测方法。前者主要用于预测不同驱动类型油气田的产量、累积产量和给定经济极限产量条件下的可采储量；后者主要用于预测水驱油田，在给定经济极限含水率条件下的可采储量。然而，这两类方法都有自身的局限。作者将广义翁氏模型与甲型、乙型水驱曲线相结合，提出了一种新的预测方法。该方法既可以预测水驱油田的产量、累积产量、含水率和体积波及系数。