基于人工智能算法的水平井气水两相生产测井流型识别方法研究

为探究水平井气水两相流动规律,识别气-水两相流流型。本文首先对水平井气-水两相进行数值模拟,分析不同倾角、流量配比下的两相流流型;然后利用包括CAT在内的生产测井仪器串,对不同流动条件下的气-水两相流进行动态实验,获取仪器的响应数据和气、水两相流动状态;最后利用实验得出的中心持率、井斜角度、涡轮转数,CAT各探头实测值等数据,引入由麻雀搜索算法优化的BP神经网络算法识别水平井气-水两相流型。该算法将BP算法对气水两相流型的识别精度从83.75%提高到91.66%,并加快了运算速度。为探索水平井气水两相流流型识别提供了一种新的思路。

基于人工蜂群算法的脉冲中子氧活化测井最优化解释方法

脉冲中子氧活化测井技术目前广泛应用于油田注入剖面的监测。传统解释方法是根据源距和渡越时间来估算相应的水流速度,这种方法会因为计算渡越时间带来的误差而影响流量计算的精确性,为此,基于脉冲中子氧活化测井的物理测量原理,提出了一种定量解释注入剖面的最优化解释方法。在实例分析部分,采用最优化解释方法对多个注水井进行解释,结果表明采用最优化解释方法能直接测量出测点水流速度,并且计算出的层位流量值具有较高的准确性,提高了注入剖面解释精度。