基于流线EnKF油藏自动历史拟合

作为一种油藏参数动态估计的优化算法,将集合卡尔曼滤波EnKF与流线方法相结合,在算法实现过程中,选择具有更高计算精度和更快计算速度的流线模拟器进行预测,将油藏模型自动还原为一系列沿流线的一维模型,使数值弥散和受网格划分的影响达到最小,保持了明显的驱替前缘。采用序贯高斯协模拟方法生成一组地质模型,通过实时观测数据(产量及含水率等),连续动态更新油藏模型的静态参数(渗透率及孔隙度等)、动态参数(压力及饱和度等),同时实现流线分布的更新,直观地反映油藏流体在注采井之间的运动轨迹。采用Bayes理论阐述了流线EnKF数学原理,并通过拟合计算一个二维水驱油藏模型,验证了方法的有效性。

基于EnKF和RSSI的井下人员跟踪定位研究

建立一套精确可靠的井下人员跟踪定位系统对保障人员安全具有十分重要的意义。井下由于环境复杂、人员分散而导致的电磁波衰落和干扰严重影响了人员定位跟踪的精确性,同时,井下人员等定位目标的运动状态常常为非线性也增加了井下人员跟踪定位的难度。提出了结合集合卡尔曼滤波(EnKF)与无线信号接收强度(RSSI)定位算法的井下人员跟踪定位的方法,将RSSI定位结果作为观测值,通过集合卡尔曼滤波算法结合运动模型可减小定位的随机误差,达到提高定位精确性的目的。模拟实验结果表明:该方法在线性与非线性运动目标的定位中均可取得良好效果,具有较强的实用性。

基于连通性分析局域化的集合卡尔曼滤波的油藏自动历史拟合方法

集合卡尔曼滤波(ensemble Kalman filter,EnKF)是自动历史拟合中应用最为广泛的方法之一,但该算法在应用过程中会产生伪相关、滤波发散等问题。建立了一种新的基于连通性分析的单井敏感性局域化集合卡尔曼滤波自动历史拟合方法,解决了传统距离截断方法处理伪相关时与实际油藏不匹配问题。该方法将油藏网格视为连通的有向图,利用连通性分析和Floyd算法计算任意两个网格点间的最短路径,从而确定单井敏感性区域和井点到各网格的相关系数矩阵,再结合集合卡尔曼滤波方法有效削弱了伪相关问题。将改进的算法编程实现并运用实例进行验证,结果表明,基于连通性分析局域化的EnKF方法在生产动态拟合和模型参数场反演等方面均优于标准EnKF方法。

融合电容层析成像先验信息的集合卡尔曼滤波统计估计

提出融合先验信息的电容层析成像(ECT)系统信息融合成像法——基于Bayesian重建算法的集合卡尔曼滤波融合算法(EnKF)。其优势在于能充分利用流体动力方面的先验信息,进一步修正原始迭代算法的重建图像质量。Bayesian重建算法在重建图像的迭代过程充分考虑噪声和图像的概率分布,完成初步成像过程。集合卡尔曼滤波算法利用先验信息实现对多相流流体流动的预测,继而改善成像质量。此外,为了便于估算误差的协方差,多相流的相分布作为EnKF融合方法的估计对象,用状态向量空间的灰度差分统计描述,明显改善了通过状态向量空间模型获得的统计估算结果。仿真和试验的结果都充分表明了在ECT系统中集合卡尔曼滤波融合方法的可行性。

基于三次B样条模型的油水相对渗透率曲线数值反演方法

引入三次B样条相渗表征模型,通过半迭代集合卡尔曼滤波(En KF)算法对见水前、后的生产动态数据进行自动历史拟合,提出了一种新的油水相对渗透率曲线数值反演方法。以某径向流数值岩心模型为例,对比分析了三次B样条模型与幂律模型的优劣。结果表明,相比于传统的幂律模型,三次B样条模型可对油水相对渗透率曲线进行局部逼近,灵活性更强,反演精度更高。通过对径向流岩心驱替实验数据进行自动历史拟合,反演估算了油水相对渗透率曲线。对驱替压差、累产油及累产水等观测数据拟合效果好,相对误差均小于5%,说明本文方法可靠性强,计算结果能够满足工程实际的需要。