基于机器学习的SD气田储量和产量预测算法研究

发布时间：2021-01-06 15:45

　　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... 

【文章来源】：成都理工大学四川省

【文章页数】：94 页

【学位级别】：硕士

【部分图文】：

SD气田采气曲线

第 3 章 利用关井井口数据预测动态储量出于成本控制的考虑，SD 气田各气井没有安装井下压力计，并没有井下流压数据，因此无法使用流动物质平衡法进行储量预测。同时，气田内进行压恢试井测定地层静压的次数相当低，因此无法使用物质平衡法进行储量预测。对于这种情况，可以考虑采用井口流动物质平衡法进行储量的预测，然而由于SD气田属于低渗透砂岩气藏，在生产过程中大量生产井采用频繁开关井制度，井口生产数据的压力和产气量等波动极其剧烈构成其主要特征（如图3-1所示）。而井口流动物质平衡法要求井口数据的相对稳定，以拟稳态的方式进行生产，因此井口流动物质平衡法也无法使用。本章从看似杂乱无章的井口数据中，单独提取关井数据进行分析，建立利用关井井口数据预测动态储量的基本方法，并分析其优缺点。针对其主要缺点，将在本文的后续部分进行优化。

地层压力的下降绝对值与井底流压的下降绝对值几乎相等（周声才等，2013）。如图3-2所示，在拟稳定阶段， 处的井底流压值与 处的地层压力值在1、2、3阶段的差值是几乎相同的，即 ， 。12

【参考文献】：
期刊论文
[1]基于ARIMA-Kalman滤波器数据挖掘模型的油井产量预测[J]. 谷建伟,隋顾磊,李志涛,刘巍,王依科,张以根,崔文富.  深圳大学学报(理工版). 2018(06)
[2]库车前陆盆地“三超”气井产能预测方法对比[J]. 马群,王胜军,蒋国军,何飞,郭宇恒,胡家荣.  天然气技术与经济. 2018(02)
[3]低渗透气藏气井产能预测新方法[J]. 孟琦,刘红兵,万鹤,任登峰,代然.  非常规油气. 2018(02)
[4]基于机器学习的多地震属性沉积相分析[J]. 张艳,张春雷,成育红,高世臣,黄文辉.  特种油气藏. 2018(03)
[5]长庆油田M区低渗产水气井动储量评价方法研究[J]. 谢姗,焦扬,艾庆琳,伍勇,袁继明.  石油地质与工程. 2018(02)
[6]致密气井Arps产量递减指数变化特征[J]. 梁倚维,王东,李霆钧,杜超.  西安石油大学学报(自然科学版). 2018(02)
[7]致密气藏分段压裂水平井的不稳定压力与产量综合分析方法[J]. 欧阳伟平.  油气井测试. 2018(01)
[8]基于数值试井的单井和井组产量预测方法[J]. 李志敏,蒋玉勇,郭风军,许凯,李卫兵,路秋铭.  辽宁化工. 2018(01)
[9]基于流态划分的页岩气井产量预测可靠性分析[J]. 庞进,李尚,刘洪,梁洁,赵子元.  特种油气藏. 2018(02)
[10]页岩气藏经验产量递减分析方法研究现状[J]. 于荣泽,姜巍,张晓伟,郭为,王莉,张静平,王玫珠.  中国石油勘探. 2018(01)

博士论文
[1]低渗透油藏有效开发基础研究[D]. 熊伟.中国科学院研究生院（渗流流体力学研究所） 2011

硕士论文
[1]低渗透油气藏水力压裂数值模拟研究[D]. 刘志强.中国科学技术大学 2016
[2]煤层气井产能预测模型建立及数值模拟[D]. 李士才.燕山大学 2016



本文编号：2960840