利用测井资料进行裂缝的定量识别

本文在分析砂泥岩剖面裂缝测并响应特点的基础上，提出了一套由微球、双侧向、声波、密度和倾角洲共提取裂缝测井异常信息的方法，然后根据松辽盆地古龙凹陷九口井65个裂缝发育层段资料，分别利用综合判别函数和神经元网络方法分别建立了两个裂缝识别的数学模型，其判推车分别是87％和93％，表明神经元网络法识别裂缝效果较好。经处理实际资料说明上述裂缝定量识别方法是可行的。

聚合物驱剩余油数值模拟定量描述

针对聚合物驱后剩余油分布更加零散,准确描述剩余油分布难度大,以孤岛油田注聚先导区为研究原型,建立精细地质模型,通过油藏数值模拟方法,对聚合物驱剩余油分布规律及其影响因素进行研究,提出了基于成因分类和形态分类的剩余油分布模式,定量描述了每种类型剩余油饱和度及其相对储量,指出厚油层顶部和压力平衡滞留区是剩余油的主要富集区,储层变异系数、地层原油黏度、夹层分布位置、注聚用量是聚合物驱受效剩余油的主要影响因素。在此基础上模拟了变形井网和水平井与直井组合井网两种开采方式,提出了聚合物驱后进一步改善后续水驱开发效果的技术思路。矿场应用表明,研究结果对聚合物驱剩余油描述与挖潜具有指导意义。

应用神经网络模式识别技术进行测井沉积学研究

将人工神经网络 (ANN)模式识别技术应用于测井沉积学解释中 ,可以实现井剖面沉积环境的连续自动解释 ,大大提高解释精度和工作效率。在确定济阳坳陷车镇凹陷关键井 8种主要沉积相及测井响应模式的基础上 ,从测井曲线中提取出 10种具有较明确地质意义的特征参数 ,在岩心观察以及地区经验的基础上优选指示沉积相灵敏性较好的曲线组合 ,基于神经网络模式识别技术进行井剖面沉积微相自动解释。采用自行开发的软件解释了 40余口井的沉积微相 ,取得了较好的效果。该软件适用于具有一定区域背景知识和地质解释经验的人员。图 3表 2参

神经网络在低渗透油田试井解释中的应用

A油田是吉林油区开发较好的典型低渗透砂岩油藏 ,其试井解释比较复杂 ,压力恢复曲线出现径向流的井次仅占总井次的 2 0 %～ 30 %。图形识别 +神经网络BP算法 +试井解释软件三位一体的联合技术能使未出现径向流的大部分井的压力恢复资料得到很好应用。该技术具体步骤为 :(1)分析解释有径向流的井的双对数图和半对数图 ,找出续流段的伪斜率 (m1)、拐点处的伪斜率 (m2 )、过渡段的伪斜率 (m3 )和径向流直线段斜率 (m) ;(2 )利用神经网络BP算法 ,构建m1,m2 ,m3 与m之间的数学关系 ;(3)将未出现径向流的井的基础测试资料录入到试井解释软件中 ,求出m1,m2 ,和m3 ,利用BP算法求出m ;(4 )把以上参数代入进行拟合 ,直到双对数图、半对数图和历史拟合图三条曲线完全拟合为止。

用自组织神经网络方法实现测井相定量识别

作者在本文中介绍了一种利用自组织神经网络进行测井相识别的方法。自组织神经网络是一种无导师学习算法 ,它通过网络自身的调节对输入进行聚类 ,近年来广泛应用于各类模式识别问题中。这里我们采用从测井曲线中提取出反映沉积环境的信息参数 ,再利用自组织神经网络进行测井相判别。此法从沉积成因角度出发 ,判别沉积相模式 ,消除了测井曲线中的不确定因素 。

一种识别抽油机井示功图的新方法

在现有示功图模式识别方法的基础上 ,运用矩特征法提取了示功图的 8个特征量 ,借助人工神经网络作为分类器 ,实现了采油工程中抽油机井示功图的自动识别。通过油田实例的检验 ,取得了较好的效果。

四川盆地老气田二次开发优化技术及应用

经过近60年的开发,四川盆地的许多老气田已进入低压、低产的开发中后期,部分气田虽然已濒临废弃,但其中仍尚存较多剩余天然气资源未采出。通过梳理分析,认为具备二次开发条件的气田多存在地层水活跃形成水封难以解封、低渗透储量难动用等问题。为此,从老气田二次开发的定义出发,全面阐述了其技术路线及优选条件:(1)在建立缝洞系统多储渗体模式的基础上,采用压力重整曲线进行地质模型正演、生产动态反演特征曲线诊断,提出了复杂岩溶缝洞系统多储渗体识别及定量描述方法,结合U型管气水赋存新模式,形成了强水侵多缝洞系统天然气储量计算新技术;(2)建立孔、洞、缝三重介质数值模型,形成强水侵底水缝洞气藏"水平井排水+直井采气"排采井网模拟及效果评价新技术;(3)依托精细气藏描述形成的配套集成技术,重构气藏地质模型,分类评价气藏低渗透储量,结合井网优化、水平井地质导向、分段酸化压裂等工艺技术,进一步提高有效动用率;(4)建立多节点、多环节输气管网模型,形成区域性管网整体模拟优化及预测技术。实施效果表明,该二次开发技术在老气田产能建设、提高老气田采收率、延缓老气田产量递减、稳定老气田产量等方面均具有明显成效。

泥页岩分类的BP神经网络方法

为探讨X衍射资料与泥页岩理化性能之间的定性关系,建立一种智能化模型对泥页岩的类型进行快速识别。在分析泥页岩理化性能与X射线衍射资料数据关系的基础上,提出了用BP神经网络预测泥页岩理化性能参数的方法及相应的模型。并针对BP神经网络算法进行了改进,使模型网络训练时的收敛速度比常规方法快了4倍以上。通过现场试验数据验证,该模型预测符合率较高,能够满足实际应用的要求。

体积压裂缝网系统模拟及缝网形态优化研究

为了有效地表征压裂后形成的复杂裂缝网络系统,依据三维改造区域的渗流规律,提出了缝网双重介质数值模型。利用该模型对不同缝网形态进行模拟,分析了不同缝网形态对产能的影响规律,并获得衰竭式开发下的最佳形态。研究结果表明:纺锤型与哑铃型缝网形态较其他缝网形态更具优势;影响体积压裂水平井产能的因素主要有端部裂缝的产能、缝网内部裂缝缝间干扰的程度、缝网形态中部主裂缝对泄流面积的控制程度。

神经网络专家系统在试井解释中的应用

论述了应用专家系统和人工神经网络自动识别试井解释模型的新方法．首先应用人工智能对试井解释模型的压力导数图进行识别，建立了用专家系统构成模块式识别系统；然后应用人工神经网络实现试井解释模型识别；该系统能根据新的试井资料识别试井解释模型；最后，神经网络和专家系统相结合用于试井解释．油田实际试井数据的识别结果说明该方法是一种非常有效的识别方法，对不完全的，有噪声的试井数据也能有效地识别。

涪陵页岩气X井裂缝网络参数对产能的影响

通过水平井缝网压裂技术实现涪陵地区页岩气藏的页岩气商业规模化开采.结合岩石力学分析和油藏数值模拟,对水平井缝网形态学、裂缝密度、裂缝方位和裂缝非均匀铺砂等进行研究.结果表明,裂缝方位与井筒夹角为90°时产气量最大;网络裂缝等长时气井采出程度最高,两边长中间短的裂缝形态次之,储层改造体积小的裂缝形态压裂效果最差;同样的改造区域,裂缝密度越大,压裂效果越好,压裂时需沟通微裂缝,形成网络裂缝;非均匀铺砂对页岩气井产能影响大,高浓度均匀铺砂比低浓度均匀铺砂产能高,非均匀铺砂产能居于两者之间,模拟显示每条裂缝产气量差异较大.

地球物理测井多参数综合识别储层流体类型的新型神经网络

建立了一种基于引力的新型神经网络模型 ,引入了合力作用机制 ,解决了储层流体类型划分的判定半径问题 ,克服了以往神经网络对任何输入数据都要产生响应 ,并给出一个分类结果的缺陷。改进了传统的距离计算方法 ,克服了传统方法易受单个参数突变的影响而引起误判的缺点。利用新型神经网络方法并结合测井资料 ,对某油田的储层流体性质及类型进行了识别 ,获得了很高的识别率。与径向基神经网络的判别结果相比 ,该神经网络的识别率明显提高。

体积压裂水平井见水风险研究

在注水开发时,压裂裂缝水窜会导致体积压裂水平井过早水淹。为此,以数值模拟为主要技术手段,设计不同的压裂缝网形态,开展体积压裂水平井见水风险研究,旨在找出缝网见水风险点,优化设计延缓水平井见水时间的缝网形态及井网形式。模拟结果表明,常规的矩形七点法井网形式下缝网中部裂缝存在较大的见水风险,改进的六边形七点法井网能有效延缓中部裂缝的见水时间;从降低缝网见水风险及提高采出程度两方面综合考虑,最佳的井网缝网匹配关系为六边形七点法井网单纺锤型缝网。

胜利海上埕岛油田多井型经济井网模式研究

埕岛油田受河流相储层砂体发育形态、多井型联合布井及开发政策影响,水驱前缘推进极不均衡,制约了油田开发效益进一步提升。本文在埕岛油田已投产各类油井分类评价的基础上,采用油藏工程、油藏数值模拟、开发经济评价3种方法结合,开展了不同砂体发育形态下的多井型效益开发模式研究。根据埕岛油田不同井区、层系的砂体发育特征,推荐采用差异化井网配置型式;同时,高含水期效益开发技术政策的制定应充分考虑砂体特征、油价、成本、剩余油饱和度等综合影响,根据多井型部署经济界限图版,油价50美元/桶,水平段长度250米条件下,测算经济井网中水平井布井经济极限厚度为7.1米。

低渗透油藏缝网压裂可行性和井网优化研究

作为开发低渗透油藏的主要开发方式,缝网压裂技术的可行性和合理井网井距的研究十分重要。为进一步改善油田的开发效果,在详细研究Z油田地质特征和合理井网井距论证方法基础上,结合储层岩石力学和地应力场的特点,从岩石矿物成分、脆性指数等角度论证直井缝网压裂的可行性;并利用压力叠加理论和直井、压裂井地层压力分布函数,确定直井、缝网压裂井的极限技术井距,为油田缝网压裂技术的大规模开展提供一定的理论支持。

胡尖山油田安83区块超低渗油藏井网适应性分析

胡尖山油田安83区块长7油藏是以"三低"(低压、低渗、低产)为特征的典型特低渗透油田,资源潜力大,目前控制地质储量1.3亿吨,但储量丰度底,隔夹层较发育,储层物性差,开发难度大,投产井单井产能低。本论文通过对该地区的构造特征、沉积相特征、油藏特征、及所采用的6种不同开发试验井网井排距(矩形、菱形反九点、正方形、水压裂、水平井等井网)的试油、试采、工艺改造措施等进行分析对比,探索出一套适合长7油藏合理的开发技术政策,认为水平井井网在胡尖山油田长7油藏开发中有更好的适应性,为胡尖山油田的快速上产提供了强有力的支撑和保障。

聚驱后井网滞留区剩余油挖潜方式研究

根据试验区的动、静态数据,首先用Petrel地质建模软件建立试验区相控地质模型,然后应用CMG软件中的STARS模块进行数值模拟,在水驱阶段和聚驱阶段历史拟合的基础上,分析了聚驱后剩余油分布特征,针对聚驱后剩余油主要分布在聚驱井网分流线处的特征,选择组合轮换式周期注采方式,对分流线处的剩余油进行挖潜;设计了组合轮换式注采周期分别为4个月、6个月、8个月和10个月4种方案,对4种方案的剩余油挖潜效果进行预测。结果表明,聚驱后剩余油主要分布在聚驱井网分流线处,选择组合轮换式周期注采方式挖潜分流线处的剩余油,注采周期为6个月开采时,阶段采出程度为0.98%,净收益为1707.40万元,吨聚增油量为31.41t/t,投入与产出比为1∶2.29,通过开发指标对比和经济效果评价,确定此方案为最佳方案。

基于BP神经网络有杆抽油机井下示功图识别研究

介绍了基于BP神经网络对有杆抽油机井下示功图的一种模式识别方法。首先利用有杆抽油机运动数学模型把井上采集数据变换为井下数据,然后通过几何变换的方法提取井下数据特征值,训练BP神经网络,分析训练效果,最后使用非训练数据样本对识别准确性进行验证。通过仿真数据验证,识别效果较好、速度快。该方法建立的BP网络具有复杂度较低、速度快、效果好的优点。

基于机器学习BP算法和树模型算法的井筒流体流型预测

近年来随着石油行业的不断发展,为适应油藏在地下不同分布情况,除了传统采用的垂直井以外,大斜度井、水平井也不断被利用于对油藏的探测与开发。判断不同斜度井在不同流量、含水率下井中流体的流型就成了一个亟需解决的问题。本文通过分别使用BP神经网络和树模型,对不同流量、含水率的各斜度井井下流体流型进行预测,与实验所获取的数据进行对比,两种算法预测准确度分别能达到75%和91.7%,验证了BP神经网络算法和树模型算法在流型预测中的有效性,为后续井下流型研究提供了一种新的方案。