一、Logistic产量递减方程渗流理论基础(论文文献综述)
陈省身[1](2021)在《杏六区薄差层基于相渗的水驱开发指标规律研究》文中认为杏六区位于大庆油田杏北开发区的东南部,经过五十多年的勘探开发,已经进入高含水和特高含水阶段,储层中剩余油分散,增产难度大。为保证油田稳产,水驱开发对象逐渐转变为薄差储层,薄差储层地质状况复杂,开发效益较差,水驱开发规律较高渗透储层有较大差异。因此,有必要深入研究薄差储层不同开发阶段相对渗透率曲线变化规律,确定薄差层复合相对渗透率曲线特征,建立基于薄差储层复合相渗的开发指标预测方法,揭示薄差储层水驱开发规律,为开发规划的制定提供依据。本文根据杏六区实际相对渗透率曲线,结合现场提供的岩心微观孔隙结构参数数据,对杏六区薄差储层不同渗透率级别和不同开发阶段的相对渗透率曲线特征进行描述,明确微观孔隙结构参数对相对渗透率曲线的影响,建立薄差储层多油层相渗复合方法和不同含水阶段相对渗透率曲线预测方法,并基于复合相对渗透率曲线建立产量预测模型和含水率预测模型,分析产油量和含水率变化规律及其影响因素,结合杏北开发区不同区块、不同井网的储采平衡状况,制定开发调整对策。研究表明:随渗透率级别的降低,相对渗透率曲线形态发生“上凹型-直线型-下凹型”的转变;平均孔喉半径对相对渗透率曲线特征参数的影响最大;薄差储层复合相对渗透率曲线存在束缚水饱和度高、等渗点饱和度较大、两相流跨度窄的特征;基于复合相渗的产油量预测模型与计算精度较高的Arps方法相比,计算精度提高了1.65个百分点;基于复合相渗的含水率预测模型与水驱规律曲线法相比,计算精度提高了1.79个百分点;目前杏四~六行列二次井网和杏四~六行列三次井网的储采比偏低,杏一~三行列二次井网、杏一注一采二次井网、杏四~六面积二次井网和杏北东部过渡带二次井网的储采比偏高;针对杏北开发区不同区块、不同井网的开发状况,确定主要的开发调整措施为:套损井预防与治理、低压区治理、加强细分注水和油水井压裂酸化措施。
赵秋胜[2](2020)在《PX油田开发指标变化规律及影响因素研究》文中研究表明油田进入中高含水后期,开发矛盾进一步加剧,本文以PX油田为研究对象,通过理论分析、同类油藏开发经验总结及PX油田实际开发规律研究三种方法对含水率、采收率、注水利用率及递减率四个指标进行评价与分析,主要做了如下研究:(1)通过线性插值、加权平均等方法从开发经验角度建立同构造带7个相邻油藏的含水率与采出程度归一化曲线,并根据PX油田相渗曲线数据推导理论含水率变化规律,为PX油田含水变化规律评价及其它指标评价建立基础;通过拟合驱替规律曲线确定PX油田全过程及分阶段含水率变化型态函数,在此基础上进行含水率变化规律分阶段预测,量化各开发阶段的井网加密调整对含水率和含水上升率的影响。结果表明:一次加密短期内降低含水率20个百分点,提高了水驱控制程度,油田开发效果得到极大改善;二次加密规模较小,降低含水率5个百分点。(2)低含水率阶段,在明确PX油田开发初期的典型特征基础上通过优选经验公式的方法预测开发初期井网条件下的采收率;中高含水率阶段,结合实际油田开发曲线与理论分析进一步明确了不同水驱规律曲线采收率预测差异大的原因是不同水驱规律曲线后期的含水上升率不同,提出了将水驱规律曲线后期含水上升率规律与油田中高含水期含水上升率规律相结合的选型原则。通过拐点识别、分段预测、校正童氏图版等方法分别预测评价一次加密、二次加密、二次非均匀加密井网条件下的采收率,量化了井网加密对采收率的影响,结果表明:含水率越高,井网加密对采收率提高值越小。(3)根据相渗曲线确定含水率与采出程度理论变化规律,在注采平衡的基础上推导出了完全基于相渗曲线的理论存水率变化规律;将无因次注入曲线-采出曲线与水驱规律曲线联立建立了基于驱替规律的存水率和水驱指数的预测方法,建立了完全基于实际驱替规律的存水率评价图版;考虑到多因素影响且实际数据不稳定性的特点,采用秩相关系数方法分析采液速度、采油速度、井网密度、注采比和油水井数比等指标与存水率的相关性,结果表明:采液速度和井网密度对注水效果的影响最大。(4)在前人研究基础上,形成了PX油田理论产量递减类型判断、递减趋势稳定性分析、油田实际递减类型判别、递减类型校正、产量指标预测与评价、递减率影响因素分析等关于递减率研究的系统方法。结果表明:基础井网、一次加密井网、二次加密井网的理论递减类型均为双曲递减,与实际递减规律吻合;局部加密井网属于调和递减。含水率、采液速度和注采比对PX油田的产量递减影响较大,井网加密短期内显着减缓了全区的产量递减趋势。
吴明涛[3](2020)在《天然裂缝气藏部分压开裂缝井生产动态分析方法》文中提出我国天然裂缝气藏资源潜力大、分布广泛,然而大多数裂缝性气藏呈现低渗、致密的特点,需采用压裂技术才能得以高效开发。经压裂后形成的垂直裂缝在纵向上往往不能贯穿整个储层,特别是在巨厚层进行压裂时,通常形成部分压开缝。因此,构建该类气藏部分压开井的生产动态分析方法,具有十分重要的意义。本文首先阐述了天然裂缝气藏的基本渗流特性,随后基于双重介质模型,通过定义基质系统拟压力函数、裂缝系统拟压力函数及拟时间因子,推导得到了考虑渗透率各向异性及应力敏感性的天然裂缝气藏渗流控制方程。此外,基于物质平衡理论,建立了裂缝型双重介质、缝洞型三重介质气藏物质平衡方程。在此基础上,本文从单一天然裂缝气藏部分射开直井出发,利用Laplace变换、有限Fourier余弦变换方法,分别求取了无限大、圆形外边界定压和圆形外边界封闭的部分射开直井点汇和线汇解,并对压力及压力导数曲线进行了流动段划分。为了考虑天然裂缝气藏近井地带与远井区域的物性差别,建立了圆形复合气藏部分射开直井不稳态渗流模型,分析了关键参数对产量曲线的影响规律,明确了产量主控因素。基于单一圆形和圆形复合天然裂缝气藏部分射开直井的点汇解,利用叠加原理思想,求得了拉氏域中无限导流部分压开井的压力动态表达式,辅以导流能力影响函数,得到有限导流部分压开井的压力动态表达式。以圆形封闭径向复合天然裂缝气藏部分压开井为例,绘制了压力及压力导数曲线图版,并划分了特征流动段。讨论了各个参数对压力及产量曲线的影响规律。分析表明:对于部分压开垂直裂缝井,在实际压裂中应尽力使裂缝纵向穿透比大于0.5,根据地质特点、施工条件等因素确定最优的人工裂缝半长及渗透率,着力增加压裂改造范围。最后,结合实际气井的生产数据,开展了相应的产量动态分析,论证了模型的适用性。本文构建的天然裂缝气藏部分压开井生产动态分析方法为该类气藏的产量动态预测、可采储量评价提供了理论依据,并为气藏的开发方案及调整方案的制定奠定了基础。
黄家宸[4](2020)在《基于机器学习的水平井产量预测建模与应用研究》文中提出随着大数据技术的发展,数据驱动分析法广泛地被应用于油气勘探开发行业中。数据驱动分析为许多传统方法难以处理的问题提供了新的解决方案,例如水平井的产量预测问题。不同开发区的水平井产量主控因素差异较大,使得基于机理模型的传统产量预测方法泛化能力较弱,在复杂的地质及工程条件下预测效果通常不理想。而数据驱动方法将产量预测的研究重点从分析油气开发过程中的物理机理上转移到挖掘产量的数据特征上,从而获得更具普适性的预测模型,解决传统机理预测方法对模型及数据条件过度依赖的问题。在数据驱动方法中,机器学习作为一种重要的数据回归和分类手段已在很多领域得到了应用,也逐渐成为水平井产量预测中的常规方法。目前很多研究使用了机器学习方法进行产量预测,但存在一些欠缺。首先是研究普适性不足。例如一些研究致力于选择最优学习器及模型参数调优,然而由于不同开发区条件差异较大,在某一数据集上进行学习器优选及调参的结果并不一定适用于其它数据集,因此获得的模型难以推广使用,无法体现数据驱动预测的优势。其次是应用场景不足。水平井产量预测的一个重要的场景是使用井的地质工程参数及已知生产曲线预测未来的生产曲线,该场景在机器学习中应被描述为一个延时时间序列的编码-解码问题,但目前产量预测仅有同步时间序列预测场景的研究。最后是对模型的应用拓展不足。产量预测模型不仅可以用来进行经济评价和风险评估,还可以用来进行产量主控因素分析及生产参数优化。如何使用产量预测模型提高产量、降低成本,是目前常常被忽略的一个重要问题。为了解决以上问题,本研究完成了以下改进研究:1、基于机器学习的产量预测框架设计与数据预处理研究。本研究分析了常规大数据和油气大数据的不同,对比了产量预测数据驱动模型与传统物理机理模型的优点和不足,讨论了机器学习在产量预测中的适用性。基于该认知对产量预测建模的一般流程进行了总结,并完成了多个产量预测问题在机器学习中的描述。此外以实际开发区数据集中的层位数据的特征工程为例,结合实际应用效果说明了如何结合油气开发领域知识编码油气数据,使更多非结构化特征中的信息能够被机器学习模型利用。本研究的产量预测框架和数据预处理模式具有一般性,对其它问题和数据集的研究也适用。2、产量预测机器学习建模研究。对于不同的产量预测问题分别建立了静态或动态产量预测机器学习模型,并结合预测结果分析了不同机器学习模型在具有不同数据条件的数据集上的适用条件。设计了使用井的静态参数及已知生产曲线预测未来生产曲线的BPNN-RNN和BPNN-RNN-RNN时间序列模型,然后集成非时间序列预测模型来改进其预测效果。3、产量预测机器学习模型应用拓展研究。使用训练好的机器学习模型及实际数据进行了单变量、多变量的产量影响因素分析,寻找了井地质及工程参数中的主成分及产量主控因素,对比了机器学习方法与传统方法在分析结论和适用条件上的差异;提出了使用机器学习预测模型进行新井工程参数优化及老井生产措施优化的方法,达成了降低生产成本、提升产量的目标。
焦钰嘉[5](2019)在《杏十区东部开发指标变化规律及影响因素研究》文中研究表明杏十区东部1971年投入开发,2003年进入特高含水期,继2010年进行补孔为主的精细挖潜调整后,2016年开始实施以精控压裂和大位移井开发为主的控水提效调整,历经两次开发调整后,基本实现产量不降含水不升,开发指标变化规律较调整前发生了较大变化。因此,有必要开展开发指标变化规律研究,分析开发指标变化主控因素,明确水驱开发合理技术界限。本文采用数值模拟和油藏工程理论相结合的方法,研究了产量递减规律和含水上升规律,通过单因素和灰色关联多因素分析,给出了递减率和含水上升率的影响因素。本文在杏十区东部地质模型建立和水驱历史拟合基础上,开展了剩余油分布规律研究,结果表明,不同砂体动用程度差异大,河道砂体采出程度48.2%,河间砂采出程度44.2%,表外储层采出程度仅25.4%。对研究区和不同井网分阶段递减情况研究表明,精细挖潜前不同井网自然递减率和综合递减率大小关系为二、三次井网>一次加密井网>基础井网,精细挖潜后二、三次井对递减率的贡献超过50%,全区符合指数递减规律,全区递减率由精细挖潜阶段的8.4%降到控水提效阶段的4.3%,灰色关联分析表明,递减率的变化主要受采液速度、含水及生产压差影响。应用水驱特征曲线法对研究区含水上升规律进行了研究,结果表明,含水上升率由精细挖潜前2.19%下降到控水提效阶段-0.04%,含水上升率主要受存水率、注水量和产液量的影响。采用油藏工程方法对合理生产压差研究认为,应维持在6.0MPa,应用数值模拟方法对开发指标主控因素注水量和采液量进行了优化,结果表明,基础井网、一次加密井网和二三次井网的合理年注水量分别为39.7×104t、52.7×104t和150.2×104t,合理年产液量分别为71.6×104t、32.8×104t和93.6×104t。注采参数优化后,可累积增油12.1×104t,提高采收率0.51个百分点。
罗皓[6](2019)在《基于递减率模型的产量递减规律研究》文中研究表明目前传统递减分析中主要存在递减性质模糊、理论体系不完善、递减模型较少及建模和分析方法相对单一等问题。同时随着近年来非常规油气藏的增多,产量递减规律表现出愈加复杂的趋势。为对复杂性质下的产量递减规律进行更准确有效的分析,本文以递减率为中心,开展了以下研究:首先是递减性质的研究。鉴于递减率能直接体现产量递减的特征,同时递减率与产量具有一一对应的关系,因此本文以递减率为核心来进行递减分析。通过补充现有模型下无法表征的递减率性质,完善了现有的递减性质理论;同时根据新的递减率性质体系,对递减模型进行重新分类,并对指数递减和双曲递减进行扩展,得到双曲型递减率反演模型。其次是单一性质模型的扩充。在指出不同性质间递减模型的转换方式后,基于指数形式的递减率模型建立了指数型递减率反演模型,同时对最常见的DⅡ类性质构建了 3种双曲扩展模型,并指出近年来的幂律指数递减和Duong模型也包含在递减反演体系中,可简化为单一性质模型。然后是组合性质模型的研究。在对单一性质的辨析过程中,认识到存在组合性质的模型,因此一方面添加两类重要的特征曲线以补充单一性质模型,另一方面给出了一般形式下的线性叠加组合模型。同时基于新的思想,构建了 3种固定叠加权重的组合模型,以及1种动态叠加关系的组合模型。最后是实例的验证与分析。以典型弱水驱气井为例,验证了9种单一性质模型和3种组合模型。以现有递减理论方法无法准确分析的复杂中水驱气井为例,演示和验证了1种复杂的组合模型。实例分析揭示了水驱气藏晚期递减率上升的性质,另一方面表明各单一性质模型均具有较高的精度,而组合性质模型在取得更高精度的同时,还表现出更为广泛的适用范围。总体而言,递减率反演体系在应用上具有很好的广度和精度,同时表明合理有效地增加模型参数是传统递减发展的方向。
刘贵红[7](2019)在《页岩气藏气井产量递减模型分析及应用研究》文中指出页岩气藏在全球非常规油气资源中一直处于非常重要的地位,高效开发页岩气藏对保障我国油气供应、推动社会发展具有长远的战略意义。本文以页岩气藏气井为研究对象,通过分析页岩气藏气井产量递减模型,编制页岩气藏气井产量递减分析及预测的专门软件,从而实现不同产量递减模型关键参数的计算、气井未来日产气量和累积产气量的预测,为页岩气井的生产管理提供便利。主要完成的工作如下:(1)分析经典模型(Arps双曲递减模型、PLE递减模型、Duong递减模型、SEPD递减模型)的产量递减公式,研究递减率、递减系数、递减指数、指数系数及初始产量等关键参数的计算方法,确定经典模型分析的具体步骤,分析经典模型对应的产量递减规律,总结它的优缺点和应用条件。(2)分析组合模型(SEPD+干酪根组合模型、SEPD+Duong组合模型、Duong+Arps组合模型)的公式,确定组合模型的计算流程,计算组合点,分析组合模型对应的产量递减规律。(3)基于页岩气藏气井产量递减模型的理论研究成果,在Visual Basic 6.0编程环境下对页岩气藏气井产量递减分析及预测软件进行研制,实现对页岩气井不同产量递减模型递减参数的方便求取和对未来产量的快速预测。(4)基于本文研制的产量递减分析及预测软件,对一口页岩气井的实际生产数据进行拟合分析,获得预测产量,进行对比分析。本文在前人对页岩气井产量递减模型理论研究的基础上,进一步深化了对页岩气井产量递减分析的应用,为页岩气藏气井生产开发动态预测提供了一定的理论依据。
邓睿[8](2019)在《基于机器学习的SD气田储量和产量预测算法研究》文中进行了进一步梳理得益于计算机速度的高速发展和机器学习技术的突飞猛进,基于大数据的解决方案和预测模型已经在工业界得到了广泛的认可和应用。在当今自动化和人工智能的时代,尽管机器学习技术已经在石油工程的许多领域得到了广泛的应用,但是很少有研究着眼于海量的气井井口生产数据,多数是利用测井地质参数和压裂施工参数给出储量或者产能的分级预测,并且对于输入数据的种类和精度有着严格的要求,需要消耗大量人力物力。气田井口生产数据规模相当庞大,极其适合利用机器学习技术气田生产动态信息的深入挖掘和分析,但目前这两者的结合应用研究较少。本文将未得到有效利用的气田生产数据与机器学习方法结合起来,实现动态储量和未来产气量的自动化、准确计算。通过本文的研究,主要完成了以下的研究工作:1、基于Cullender&Smith法和计算机数值计算,实现了关井井口压力到井底静压的精确折算,提出通过绘制线性折算物质平衡曲线计算储量的方法,并建立了对非线性折算物质平衡曲线进行转化以及最优化的方法。2、利用机器学习和计算机编程技术,训练了折算物质平衡曲线的线性/非线性分类器,在此基础上建立了SD气田基于关井折算物质平衡曲线预测动态储量的全自动流程和方法,并且利用Python编程语言予以了实现。3、利用自回归移动平均模型研究了SD气田各气井的开井累产气量数据,证实了其作为时间序列具备一定自相关性和偏相关性。4、设计并实现了基于长短时记忆的深度循环神经网络,将其用于预测未来单井开井累产气量,该方法可实现准确预测。本文的结果表明,通过将循环神经网络与自回归移动平均模型结合,可高效率地确定神经网络的超参数窗口长度,实现参数的优选并提高预测精度。
吴婧[9](2019)在《海上大跨度薄互层油藏高效开发模式研究》文中研究说明位于渤海湾中南部海域的P油田属于大跨度薄互层岩性-构造油藏,该油藏具有埋藏浅、储量丰度高的特点。在前期笼统合注-主力层分采开发模式条件下,油田开发暴露出一系列复杂问题,主要表现出“低采出程度对应高含水率,剩余可采储量高”的主要矛盾。对于这类具有多油组、含油井段跨度大、非均质性强和纵向均衡动用难度大的薄互层油田,层系重组是油田开发中后期减小层间干扰影响、提高采收率的重要手段。从油田各种地质资料、实验室测试化验资料和生产数据入手,利用油藏工程方法和数值模拟技术开展了油田高效开发模式研究,论文取得了相应研究成果:(1)将钻取的储层岩心进行室内相渗实验测试,对储层油水多相渗流特点进行研究并分析了油水多相渗流、有效储层纵向高度分散性(渗透率差异、原油粘度差异和储层厚度差异)对油田高效开发的影响,确定了油田高效开发难点。(2)采用渗流力学油水两相非活塞驱替理论,研究了单层水驱过程中油水两相的渗流动态,按照流管分析法,将平面及纵向多流管水驱油动态进行等时叠加,得到了多层合采时生产井总的生产动态特征,研究了多层纵向非均质性对油田均衡开发的影响。(3)基于油藏薄互层强非均质性特点,建立具有实际地质特征的数值模拟非均质模型并对合采时纵向各油组动用情况进行分析,明确了影响油田均衡开发的层间干扰主要因素是“渗透率和原油粘度”。用典型井生产数据、实验室测得的流体高压物性数据和现场分层产能测试资料等,定量研究了层间干扰系数。(4)以P油田1区北为靶区,对目前开发方式和井网有效性进行系统性评价研究,从纵向均衡动用角度确定了分层系开发的必要性,引入并建立经济界限和厚度下限的开发层系重组综合评判数学模型,确定了油藏开发层系的调整界限,并以1区北为典型区块进行分层系划分重组方案设计和优选。(5)根据P油田1区北的实际生产数据资料,利用油藏工程方法和数值模拟开展了改善开发效果的技术对策研究,配套研究并提出井网井型、地层压力保持水平、采油速度、注采比等技术政策指标。
蔡喜东,高文君,宋红霞[10](2018)在《Logistic和Generalized-Arc-Tangent产量递减方程理论推导》文中研究表明为了揭示Logistic和Generalized-Arc-Tangent产量递减方程的渗流特征,选取特殊的油相相渗关系式,按照Arps产量递减方程理论,推导出了Logistic和Generalized-Arc-Tangent产量递减方程及其对应水相相渗关系式。研究结果表明,在注水保持地层压力的条件下,产量递减类型主要由油水两相渗流特征共同决定。推导出的油水两相相渗关系式均是以出口端含水饱和度为变量,符合行业相渗关系式标准,克服了以往产量递减方程理论推导时采用平均含水饱和度为变量的拟相渗关系式缺陷。通过吐哈丘陵油田、温五区块的应用,实际产量与经油水两相相渗关系式分别确定的产量基本一致。
二、Logistic产量递减方程渗流理论基础(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、Logistic产量递减方程渗流理论基础(论文提纲范文)
(1)杏六区薄差层基于相渗的水驱开发指标规律研究(论文提纲范文)
摘要 |
ABSTRACT |
创新点摘要 |
前言 |
0.1 研究目的及意义 |
0.2 国内外研究现状 |
0.2.1 薄差储层开发的相关研究 |
0.2.2 相对渗透率曲线相关研究 |
0.2.3 孔隙结构参数的相关研究 |
0.2.4 开发指标预测的相关研究 |
0.3 主要研究内容及技术路线图 |
0.3.1 主要研究内容 |
0.3.2 技术路线图 |
第一章 薄差储层相对渗透率曲线静态特征 |
1.1 薄差储层相渗曲线的主要类型 |
1.2 不同渗透率级别薄差储层相渗曲线特征 |
1.2.1 中低/中高含水阶段相渗特征 |
1.2.2 高/特高含水阶段相渗特征 |
1.2.3 全含水阶段相渗特征 |
1.3 不同开发阶段薄差储层相渗曲线特征 |
第二章 薄差储层相对渗透率曲线变化特征 |
2.1 相渗特征参数与微观孔隙结构参数的关系 |
2.1.1 中低/中高含水阶段相渗变化 |
2.1.2 高/特高含水阶段相渗变化 |
2.1.3 全部含水阶段相渗变化 |
2.2 相渗特征参数变化与微观孔隙结构参数变化的关系 |
2.3 薄差储层多油层复合相对渗透率曲线特征 |
第三章 产油量预测方法及变化规律 |
3.1 常用的产量预测方法 |
3.1.1 Weibull产量预测模型 |
3.1.2 哈伯特产量预测模型 |
3.1.3 产量衰减曲线预测模型 |
3.1.4 Arps产量预测模型 |
3.2 基于复合相渗的产量预测模型 |
3.3 产油量变化规律 |
3.4 产油量影响因素分析 |
第四章 含水率预测方法及变化规律 |
4.1 常用的含水率预测方法 |
4.1.1 驱替特征曲线法 |
4.1.2 水驱规律曲线法 |
4.1.3 Logistic旋回法 |
4.2 基于复合相渗的含水率预测模型 |
4.3 含水率变化规律 |
4.4 含水率影响因素分析 |
第五章 薄差储层储采状况及开发调整对策制定 |
5.1 杏北开发区开采概况 |
5.2 杏北开发区储层平衡状况 |
5.3 杏北开发区开发调整对策的制定 |
结论 |
参考文献 |
附录 |
附表1 相对渗透率曲线基础数据 |
附表2 相对渗透率曲线复合基础数据 |
发表文章目录 |
致谢 |
(2)PX油田开发指标变化规律及影响因素研究(论文提纲范文)
摘要 |
Abstract |
创新点摘要 |
第一章 绪论 |
1.1 研究的背景及意义 |
1.2 国内外研究现状 |
1.2.1 含水率研究 |
1.2.2 采收率研究 |
1.2.3 注水利用率研究 |
1.2.4 产量递减率研究 |
1.3 本文研究的主要内容 |
第二章 含水率变化规律研究 |
2.1 理论含水变化规律 |
2.1.1 同构造带油藏含水曲线归一法 |
2.1.2 相渗曲线法 |
2.2 实际含水变化规律 |
2.2.1 含水率变化型态 |
2.2.2 井网加密对含水率的影响 |
第三章 采收率预测与评价研究 |
3.1 开发初期采收率研究 |
3.2 中高含水期采收率研究 |
3.2.1 典型水驱规律曲线 |
3.2.2 水驱规律曲线的选型 |
3.2.3 水驱规律曲线的拐点 |
3.2.4 采收率指标分段预测 |
3.3 采收率评价 |
3.4 井网加密对采收率的影响 |
第四章 注水利用率预测与评价研究 |
4.1 理论注水利用率变化规律研究 |
4.2 中高含水期注水利用率研究 |
4.2.1 注水利用率变化规律研究 |
4.2.2 注水利用率评价研究 |
4.3 注水利用率影响因素研究 |
4.3.1 秩相关系数分析方法 |
4.3.2 注水利用率影响因素分析 |
第五章 产量递减变化规律研究 |
5.1 全区产量递减变化规律 |
5.1.1 递减趋势稳定性分析 |
5.1.2 产量递减类型判别 |
5.1.3 确定分阶段递减类型 |
5.1.4 动态指标评价及预测 |
5.2 分井网产量递减变化规律 |
5.2.1 分井网理论递减规律 |
5.2.2 分井网实际递减规律 |
5.3 产量递减率影响因素 |
5.3.1 理论分析法 |
5.3.2 灰色关联法 |
结论 |
参考文献 |
致谢 |
(3)天然裂缝气藏部分压开裂缝井生产动态分析方法(论文提纲范文)
摘要 |
abstract |
1 前言 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 裂缝性储层建模方法及气井生产动态分析方法研究进展 |
1.2.2 部分射开直井及部分压开垂直裂缝井研究进展 |
1.3 研究内容与技术路线 |
1.3.1 研究内容 |
1.3.2 技术路线 |
2 天然裂缝气藏渗流特征及其控制方程 |
2.1 天然裂缝气藏渗流特性 |
2.1.1 非均质性 |
2.1.2 渗透率各向异性 |
2.1.3 渗透率应力敏感性 |
2.2 天然裂缝气藏渗流控制方程及其线性化 |
2.3 天然裂缝气藏物质平衡方程 |
2.4 本章小结 |
3 天然裂缝气藏部分射开井生产动态分析 |
3.1 圆形气藏部分射开直井不稳态渗流数学模型 |
3.1.1 数学模型及求解 |
3.1.2 压力曲线流动段划分 |
3.1.3 压力曲线影响因素分析 |
3.2 圆形复合气藏部分射开直井不稳态渗流模型 |
3.2.1 数学模型及求解 |
3.2.2 模型验证 |
3.2.3 产量曲线影响因素分析 |
3.4 本章小结 |
4 天然裂缝气藏部分压开井生产动态分析 |
4.1 圆形气藏部分压开垂直裂缝井生产动态分析 |
4.1.1 数学模型及求解 |
4.1.2 模型验证 |
4.1.3 压力曲线流动段划分 |
4.1.4 压力曲线影响因素分析 |
4.2 圆形复合气藏部分压开垂直裂缝井生产动态分析 |
4.2.1 数学模型及求解 |
4.2.2 压力曲线流动段划分 |
4.2.3 压力曲线影响因素分析 |
4.2.4 产量曲线影响因素分析 |
4.4 本章小结 |
5 实例应用 |
5.1 生产历史拟合 |
5.2 产量动态预测 |
6 结论与认识 |
6.1 结论 |
6.2 展望 |
致谢 |
参考文献 |
附录 |
(4)基于机器学习的水平井产量预测建模与应用研究(论文提纲范文)
摘要 |
Abstract |
1 引言 |
1.1 选题背景 |
1.2 研究现状 |
1.2.1 水平产量预测机理驱动方法 |
1.2.2 水平产量预测传统数据驱动方法 |
1.2.3 机器学习算法 |
1.2.4 机器学习在产量预测中的应用 |
1.3 研究存在问题 |
1.4 研究目的意义 |
1.5 研究内容 |
1.6 研究的创新性 |
2 产量预测机器学习框架研究 |
2.1 数据驱动的产量预测框架及价值主张 |
2.1.1 油气大数据分析利用的工作流程 |
2.1.2 油气大数据分析利用的主要目标 |
2.2 机器学习在产量预测中的优势及核心研究内容 |
2.3 基于机器学习的产量预测的一般过程 |
2.3.1 建模过程 |
2.3.2 预测过程 |
2.4 本章小结 |
3 产量预测数据预处理研究 |
3.1 样本选择 |
3.2 特征工程 |
3.2.1 特征归一化 |
3.2.2 层位数据的特征编码 |
3.3 数据集划分 |
3.4 本章小结 |
4 产量预测机器学习建模研究 |
4.1 静态产量预测 |
4.1.1 k-近邻建模及适用条件分析 |
4.1.2 支持向量机建模及适用条件分析 |
4.1.3 树形建模及适用条件分析 |
4.1.4 BP神经网络建模及特征选择对预测的影响分析 |
4.1.5 各学习器预测效果对比及模型集成 |
4.2 动态产量预测 |
4.2.1 基于循环神经网络的产量预测原理 |
4.2.2 不同拓扑结构在生产曲线预测中的应用场景 |
4.2.3 使用井的静态参数预测生产曲线 |
4.3 本章小结 |
5 产量预测机器学习模型的应用 |
5.1 产量影响因素分析 |
5.1.1 基于随机森林的产量影响因素定性分析 |
5.1.2 基于BP神经网络的产量影响因素定量分析 |
5.2 生产优化设计 |
5.2.1 新井工程参数优化 |
5.2.2 老井生产措施优化 |
5.3 机器学习与传统因素分析及参数优化方法对比 |
5.4 本章小结 |
6 总结与讨论 |
6.1 总结 |
6.2 讨论 |
致谢 |
参考文献 |
附录 |
(5)杏十区东部开发指标变化规律及影响因素研究(论文提纲范文)
摘要 |
Abstract |
创新点摘要 |
第一章 绪论 |
1.1 目的与意义 |
1.2 国内外研究现状 |
1.2.1 开发指标变化规律研究 |
1.2.2 开发指标影响因素研究 |
1.2.3 合理注采参数研究 |
1.3 技术路线 |
第二章 杏十区东部水驱数值模拟研究 |
2.1 油藏概况 |
2.1.1 油藏地质概况 |
2.1.2 开发历程 |
2.2 地质模型建立 |
2.3 水驱历史拟合 |
2.3.1 数值模拟模型建立 |
2.3.2 历史拟合 |
2.4 剩余油分布规律研究 |
第三章 产量递减规律及影响因素研究 |
3.1 产量递减规律研究 |
3.1.1 自然递减率研究 |
3.1.2 综合递减率研究 |
3.1.3 不同井网对产量递减贡献研究 |
3.1.4 杏十区东部水驱递减规律研究 |
3.2 产量递减影响因素研究 |
3.2.1 单因素分析 |
3.2.2 多因素分析 |
第四章 含水上升规律及影响因素研究 |
4.1 含水上升规律研究 |
4.1.1 含水率变化研究 |
4.1.2 含水上升率变化规律研究 |
4.2 含水上升率影响因素研究 |
4.2.1 单因素分析法 |
4.2.2 多因素分析法 |
第五章 杏十区东部合理注采参数研究 |
5.1 合理生产压差研究 |
5.2 合理注采参数研究 |
5.2.1 正交方案设计 |
5.2.2 结果分析 |
5.3 经济评价 |
结论 |
参考文献 |
致谢 |
(6)基于递减率模型的产量递减规律研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景、目的及意义 |
1.2 国内外研究现状 |
1.2.1 传统递减分析方法研究现状 |
1.2.2 现代递减分析方法研究现状 |
1.2.3 递减现状小结 |
1.3 研究内容与技术路线 |
第2章 传统递减分析方法 |
2.1 经典递减模型 |
2.1.1 Arps递减 |
2.1.2 修正双曲递减 |
2.1.3 双曲-指数混合递减 |
2.2 非常规递减模型 |
2.2.1 幂律指数递减 |
2.2.2 Duong递减 |
2.3 本章小结 |
第3章 递减率反演体系的建立 |
3.1 模型引入 |
3.1.1 产量模型的不足 |
3.1.2 递减率模型的引入 |
3.2 模型的理论基础 |
3.3 模型的系统分类 |
3.3.1 性质描述和划分 |
3.3.2 模型分类和命名 |
3.3.3 非常规递减模型的性质识别 |
3.4 第Ⅰ类递减模型 |
3.4.1 S_Ⅰ型递减模型 |
3.4.2 R_Ⅰ型递减模型 |
3.4.3 D_Ⅰ型递减模型 |
3.4.4 第Ⅰ类模型的统一 |
3.5 双曲型第Ⅱ类递减模型 |
3.5.1 双曲型R_Ⅱ型递减模型 |
3.5.2 双曲型D_Ⅱ型递减模型 |
3.5.3 双曲型第Ⅱ类模型的统一 |
3.6 双曲型第Ⅲ类递减模型 |
3.6.1 双曲型R_Ⅲ型和D_Ⅲ型递减模型 |
3.6.2 双曲型第Ⅲ类模型的统一 |
3.7 模型的汇总与比较 |
3.8 本章小结 |
第4章 递减率反演体系的模型推广 |
4.1 单一递减率性质的模型研究 |
4.1.1 不同模型间的转换 |
4.1.2 指数型递减率反演模型 |
4.1.3 双曲扩展模型 |
4.2 组合递减率性质的模型研究 |
4.2.1 问题引入 |
4.2.2 特征曲线的引进 |
4.2.3 组合递减模型 |
4.3 本章小结 |
第5章 实例应用与分析 |
5.1 单一递减率性质模型的实例分析 |
5.1.1 Arps递减模型 |
5.1.2 第Ⅰ类和双曲型递减模型 |
5.1.3 4种D_Ⅱ型递减模型 |
5.1.4 单一性质模型的汇总与比较 |
5.2 组合递减率性质模型的实例分析 |
5.2.1 双曲扩展2型-S_Ⅰ组合模型 |
5.2.2 双曲-指数混合递减模型 |
5.2.3 双曲扩展1型-第Ⅰ类组合模型 |
5.2.4 组合性质模型的汇总与比较 |
5.3 模型预测分析 |
5.4 复杂递减性质的实例应用 |
5.5 本章小结 |
第6章 结论与建议 |
6.1 结论 |
6.2 建议 |
致谢 |
参考文献 |
附录Ⅰ 实例分析生产数据 |
攻读硕士学位期间发表的论文及科研成果 |
(7)页岩气藏气井产量递减模型分析及应用研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究目的及意义 |
1.2 国内外研究现状 |
1.2.1 国外研究现状 |
1.2.2 国内研究现状 |
1.2.3 国内外研究现状总结 |
1.3 研究内容与研究思路 |
1.3.1 研究内容 |
1.3.2 研究思路 |
第2章 页岩气藏气井产量递减经典模型 |
2.1 Arps模型 |
2.2 PLE模型 |
2.3 Duong模型 |
2.4 SEPD模型 |
2.5 本章小结 |
第3章 页岩气藏气井产量递减组合模型 |
3.1 SEPD+干酪根组合模型 |
3.2 SEPD+Duong模型 |
3.3 Duong+Arps组合模型 |
3.4 本章小结 |
第4章 页岩气藏气井产量递减分析及预测软件研制 |
4.1 软件程序流程 |
4.2 软件功能 |
4.2.1 文件 |
4.2.2 数据 |
4.2.3 产量递减预测模型 |
4.2.4 产量预测结果 |
4.2.5 输出和帮助 |
4.3 产量预测模型与商业软件的对比 |
4.4 本章小结 |
第5章 实例分析 |
第6章 结论与建议 |
6.1 结论 |
6.2 建议 |
致谢 |
参考文献 |
攻读硕士学位期间发表的论文及科研成果 |
(8)基于机器学习的SD气田储量和产量预测算法研究(论文提纲范文)
摘要 |
abstract |
第1章 引言 |
1.1 研究目的及意义 |
1.2 国内外研究现状 |
1.2.1 气藏储量预测方法研究现状 |
1.2.2 气井产量预测方法研究现状 |
1.2.3 机器学习在油气领域应用的研究现状 |
1.3 主要研究内容及技术路线 |
1.4 取得的主要成果 |
第2章 SD气田概况 |
2.1 SD气田储层岩性特征 |
2.1.1 岩石类型 |
2.1.2 填隙物特征 |
2.1.3 孔隙特征 |
2.2 SD气田储层物性特征 |
2.3 SD 气田储层电性特征 |
2.4 SD 气田储层流体特征 |
2.5 SD 气田开发简况 |
2.6 小结 |
第3章 利用关井井口数据预测动态储量 |
3.1 基于关井井口数据的流动物质平衡曲线 |
3.1.1 流动物质平衡法原理 |
3.1.2 SD气田关井流动物质平衡曲线 |
3.2 基于关井井口数据的井底静压的折算 |
3.2.1 Cullender& Smith法 |
3.2.2 井底静压数值求解算法 |
3.3 基于关井井口数据的折算物质平衡曲线及其分类 |
3.4 小结 |
第4章 基于机器学习的单井动态储量预测 |
4.1 非线性折算物质平衡曲线的线性化处理 |
4.2 线性折算物质平衡曲线的最优化处理 |
4.3 基于机器学习和折算物质平衡曲线的储量预测流程 |
4.4 机器学习线性/非线性物质平衡曲线分类器 |
4.4.1 机器学习基本原理 |
4.4.2 关井折算物质平衡曲线的高维特征提取 |
4.4.3 基于Logistic Regression的分类器 |
4.4.4 线性/非线性分类模型训练 |
4.4.5 线性/非线性分类器性能 |
4.5 计算结果 |
4.6 小结 |
第5章 基于机器学习的单井产量预测 |
5.1 自回归移动平均模型基本原理 |
5.2 累产气量的自回归移动平均预测模型 |
5.2.1 开井累产气量 |
5.2.2 累产气量序列的自回归移动平均模型定阶 |
5.2.3 累产气量序列的自回归移动平均模型计算结果 |
5.3 循环神经网络基本原理 |
5.3.1 循环神经网络的基本结构 |
5.3.2 循环神经网络的前向传播算法 |
5.3.3 循环神经网络的反向传播算法 |
5.3.4 循环神经网络的梯度下降算法 |
5.4 累产气量的深度循环神经网络预测模型 |
5.4.1 驱动序列和目标序列的建立 |
5.4.2 累产气量时间序列预测问题建模 |
5.4.3 累产气量的深度循环神经网络预测模型的结构设计 |
5.4.4 深度循环神经网络预测模型训练 |
5.5 开井累产气量的预测体系 |
5.5.1 深度循环神经网络预测结果及问题 |
5.5.2 基于自相关分析和循环神经网络的预测体系 |
5.6 小结 |
结论 |
致谢 |
参考文献 |
攻读学位期间取得学术成果 |
附录 |
(9)海上大跨度薄互层油藏高效开发模式研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 研究目的和意义 |
1.2 国内外研究现状 |
1.2.1 油田高效开发经验 |
1.2.2 层间干扰研究 |
1.2.3 海洋油气田开发与陆地油气田开发的区别 |
1.3 研究内容、方法及技术路线 |
1.3.1 研究内容 |
1.3.2 研究方法及技术路线 |
1.4 工作量统计及创新点 |
第2章 油藏地质特征及生产特征分析 |
2.1 地理位置及构造背景 |
2.2 地层层序和油组划分 |
2.3 储层特征 |
2.3.1 岩石类型 |
2.3.2 物性特征 |
2.3.3 非均质性特征 |
2.4 油藏温压系统与流体特征 |
2.5 油田生产特征分析总结 |
2.5.1 油田开发简况 |
2.5.2 区块开发暴露出的问题 |
2.6 本章小结 |
第3章 储层油水多相渗流特点与油田高效开发难点 |
3.1 储层油水多相渗流特点研究 |
3.1.1 实验条件及方法 |
3.1.2 实验结果总体情况分析 |
3.2 油田高效开发难点分析 |
3.2.1 油水多相渗流对油田高效开发的影响分析 |
3.2.2 有效储层纵向高度分散性对高效开发的影响分析 |
3.2.3 区块高效开发难点归纳总结 |
3.3 本章小结 |
第4章 大跨度薄互层油藏非均质性及层间干扰研究 |
4.1 多层纵向非均质对均衡开发的影响 |
4.1.1 单层水驱两相渗流动态 |
4.1.2 多层纵向非均质性对均衡开发的影响 |
4.2 多层油藏合采层间干扰的定性研究 |
4.2.1 数值模拟非均质模型的建立 |
4.2.2 层间干扰影响因素分析 |
4.3 多层合采层间干扰层数的确定 |
4.3.1 室内物理模拟实验 |
4.3.2 层间干扰系数的确定 |
4.4 层间干扰对油井产能影响分析 |
4.4.1 定向井产能计算模型 |
4.4.2 产能预测及层间干扰对产能影响程度分析 |
4.4.3 水平井产能计算模型及采油能力 |
4.5 本章小结 |
第5章 目前开发模式适应性分析及优化研究 |
5.1 目前开发方式适应性评价 |
5.1.1 储层天然能量评价及开采潜力分析 |
5.1.2 油藏水驱开发潜力分析与合适的开发方式确定 |
5.2 目前注采井网的有效性分析 |
5.2.1 启动压力梯度与有效注采系统 |
5.2.2 油藏启注压力分析 |
5.2.3 开发层系组合的渗透率级差界限分析 |
5.2.4 目前井网合注合采下的纵向动用分析 |
5.3 开发层系调整界限研究 |
5.3.1 层系划分原则 |
5.3.2 综合评判模型及经济下限研究 |
5.3.3 确定分层系开发地层跨度界限 |
5.3.4 层系重组划分论证方法 |
5.3.5 P油藏层系划分重组方案设计 |
5.3.6 P油藏1区北层系划分重组方案优化论证 |
5.4 本章小结 |
第6章 合理工作制度优化研究 |
6.1 生产井井型优选 |
6.2 开发井网优化研究 |
6.2.1 合理开发井网确定 |
6.2.2 合理井距确定 |
6.3 压力系统优化研究 |
6.3.1 油藏地层破裂压力的确定 |
6.3.2 油井最小井底流压确定 |
6.3.3 油藏合理地层压力保持水平 |
6.4 采油速度优化研究 |
6.4.1 油藏合理采油速度确定 |
6.4.2 不同开发阶段的合理采油速度确定 |
6.5 油藏合理注水时机、注采比分析 |
6.5.1 注水时机 |
6.5.2 注采比优化 |
6.6 本章小结 |
第7章 结论与建议 |
致谢 |
参考文献 |
攻读硕±学位期间发表的论文及科研成果 |
(10)Logistic和Generalized-Arc-Tangent产量递减方程理论推导(论文提纲范文)
1 基础理论方程 |
2 Logistic和Generalized-Arc-Tangent产量递减方程的理论推导 |
2.1 Logistic产量递减方程 |
2.2 Generalized-Arc-Tangent产量递减方程 |
3 水相相渗关系式的确定 |
4 实例应用 |
4.1 丘陵油田陵2北区 |
4.2 温五区块 |
5 结论 |
四、Logistic产量递减方程渗流理论基础(论文参考文献)
- [1]杏六区薄差层基于相渗的水驱开发指标规律研究[D]. 陈省身. 东北石油大学, 2021
- [2]PX油田开发指标变化规律及影响因素研究[D]. 赵秋胜. 东北石油大学, 2020(03)
- [3]天然裂缝气藏部分压开裂缝井生产动态分析方法[D]. 吴明涛. 中国地质大学(北京), 2020(08)
- [4]基于机器学习的水平井产量预测建模与应用研究[D]. 黄家宸. 中国地质大学(北京), 2020(08)
- [5]杏十区东部开发指标变化规律及影响因素研究[D]. 焦钰嘉. 东北石油大学, 2019(01)
- [6]基于递减率模型的产量递减规律研究[D]. 罗皓. 西南石油大学, 2019(06)
- [7]页岩气藏气井产量递减模型分析及应用研究[D]. 刘贵红. 西南石油大学, 2019(06)
- [8]基于机器学习的SD气田储量和产量预测算法研究[D]. 邓睿. 成都理工大学, 2019(02)
- [9]海上大跨度薄互层油藏高效开发模式研究[D]. 吴婧. 西南石油大学, 2019(06)
- [10]Logistic和Generalized-Arc-Tangent产量递减方程理论推导[J]. 蔡喜东,高文君,宋红霞. 新疆石油地质, 2018(06)