基于数据挖掘方法的压裂工艺优化研究

发布时间：2017-10-05 02:25

  本文关键词：基于数据挖掘方法的压裂工艺优化研究

  更多相关文章： 数据挖掘 数据库 压裂产量预测 施工参数优化

【摘要】：压裂是低渗透储层增产的主要手段,合理的压裂设计可以为压裂施工提供有力指导,而压裂设计的核心就是施工参数的优化设计。传统的压裂施工参数优化过程繁琐、求解困难。另一方面,石油领域的数据正以井喷般的速度增长,海量的数据并没有给石油人提供海量的信息。随着大数据时代的来临以及数据挖掘技术在工业领域的普及,使得通过数据挖掘技术辅助压裂优化成为一项极具研究价值的任务。本文综合运用油藏地质学、采油工程、数据挖掘和Matlab编程等知识,以我国西部某低孔特低渗砂砾岩油藏探井压裂为研究对象,围绕施工参数优化和产量预测展开攻关,取得以下成果及认识。①采集现场压裂工程地质和压裂施工相关数据,从中梳理出174口探井基本数据,利用Access建立了支持数据储存及更新的压裂数据库。②通过灰色关联分析,得到了所考察的9个因素对该砂砾岩油藏压后产油量的影响显著性从大到小排序为：有效厚度、渗透率、前置液比、每米加砂强度、压力系数、排量、孔隙度、储层温度、砂比。③基于支持向量机理论,建立了针对砂砾岩油藏勘探井的压后产量预测模型。剔除日产量小于1t/d的样本后,该模型产量预测的平均误差为6.44%。④以产量预测模型中的决策函数为基础,运用遍历寻优的方法求解最优产量,进而反解得最优施工参数,建立了压裂施工参数优化模型。⑤基于支持向量机理论、产量预测模型及施工参数优化模型,利用Matlab中GUI编程平台开发了针对低渗透砂砾岩油藏探井的压裂工艺优化系统。该系统软件能够较为准确的预测压后产量,优化压裂施工参数,并能实现单井地质参数和施工参数查询、封隔方式推荐、压裂影响因素分析等功能,对压裂施工设计具有一定指导作用。
【关键词】：数据挖掘 数据库 压裂产量预测 施工参数优化
【学位授予单位】：西南石油大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TE357
【目录】：

• 摘要3-4
• abstract4-8
• 第1章 绪论8-15
• 1.1 研究背景8-9
• 1.2 国内外研究现状9-12
• 1.2.1 数据挖掘的发展历程及面临的挑战9
• 1.2.2 数据挖掘在油气田开发中的应用9-12
• 1.3 研究目的及意义12
• 1.4 研究内容及技术路线12-15
• 1.4.1 主要研究内容12-13
• 1.4.2 技术路线13-15
• 第2章 研究区域压裂工程地质与压裂工艺特征15-25
• 2.1 压裂工程地质特征15-19
• 2.1.1 岩性特征15-16
• 2.1.2 地应力及岩石力学特征16-17
• 2.1.3 储层物性17
• 2.1.4 温压特征17-18
• 2.1.5 流体性质18-19
• 2.1.6 储层敏感性特征19
• 2.2 压裂工艺特征19-25
• 2.2.1 压裂液19-20
• 2.2.2 支撑剂20
• 2.2.3 压裂工艺20-23
• 2.2.4 压裂规模及施工参数23-25
• 第3章 数据挖掘的数据库准备与方法优选25-35
• 3.1 数据挖掘简介25-27
• 3.1.1 数据挖掘的定义25
• 3.1.2 数据挖掘的基本组件25-26
• 3.1.3 数据挖掘的过程描述26-27
• 3.2 压裂数据库的建立27-29
• 3.2.1 数据库的基本内涵27
• 3.2.2 勘探井压裂数据的特点27-28
• 3.2.3 勘探井压裂数据库的建立及其应用28-29
• 3.3 原始数据的预处理29-32
• 3.3.1 合层开采产量劈分模型30-31
• 3.3.2 基本数据的归一化31-32
• 3.4 数据挖掘算法比选32-35
• 3.4.1 常用的数据挖掘算法32-33
• 3.4.2 支持向量机算法的优越性33-35
• 第4章 基于数据挖掘方法的压裂工艺优化35-58
• 4.1 基本思路35
• 4.2 压裂井产量的影响因素的权重分析35-40
• 4.2.1 压裂井产量的影响因素剖析36
• 4.2.2 灰色关联分析方法36-39
• 4.2.3 研究区块实例分析39-40
• 4.3 产量预测方法研究40-50
• 4.3.1 支持向量分类机原理41-44
• 4.3.2 支持向量回归机原理44-46
• 4.3.3 支持向量机理论在产量预测中的应用46-47
• 4.3.4 模型的应用与验证47-50
• 4.4 压裂施工参数优化方法研究50-58
• 4.4.1 最优化问题的提出50-52
• 4.4.2 储层条件相似性问题52
• 4.4.3 压裂施工参数优化方法的应用52-53
• 4.4.4 优化结果的分析及验证53-58
• 第5章 压裂工艺优化系统软件的开发58-74
• 5.1 需求分析58
• 5.2 系统架构58-59
• 5.3 Access数据库与Matlab平台的链接过程59-62
• 5.4 压裂工艺优化系统简介62-63
• 5.5 压裂工艺优化系统功能及操作演示63-74
• 5.5.1 选择数据库文件及数据库连接63-65
• 5.5.2 数据查询功能65-66
• 5.5.3 压后产量的影响因素分析功能66-67
• 5.5.4 封隔方式推荐功能67-68
• 5.5.5 压后产量预测功能68-72
• 5.5.6 相似储层查找功能72-73
• 5.5.7 压裂施工参数优化功能73-74
• 第6章 结论及建议74-76
• 6.1 结论74-75
• 6.2 建议75-76
• 致谢76-77
• 参考文献77-81
• 攻读硕士学位期间发表的论文及科研成果81

【相似文献】

中国期刊全文数据库 前10条

1 陈修宽;董祥军;石芙芙;;Web数据挖掘综述[J];山东轻工业学院学报(自然科学版);2009年03期

2 黄会明;王红星;;SQL Server 2005在数据挖掘中的应用[J];煤炭技术;2011年06期

3 吴孝丽;周焱;;Microsoft SQL Server数据挖掘的高级研究[J];煤炭技术;2011年07期

4 糜元根;数据挖掘方法的评述[J];南京化工大学学报(自然科学版);2001年05期

5 李小平,焦李成;数据挖掘中信息颗粒及其构造[J];西安石油学院学报(自然科学版);2001年04期

6 秦忠宝,彭文利,何卫平,陈伟东;网络环境下数据挖掘若干问题的述评[J];西北轻工业学院学报;2002年02期

7 叶克江,陈广宇;数据挖掘的实现方法及其应用[J];郑州轻工业学院学报;2002年03期

8 高磊红,骆舒心,仇记清,雷和稳,段惠敏;一类复杂工业生产过程中的数据挖掘[J];河北化工;2003年06期

9 乔淑云;数据挖掘[J];江苏煤炭;2003年04期

10 谭立云,高学东,武森;数据挖掘方法与应用[J];华北科技学院学报;2004年02期

中国重要会议论文全文数据库 前10条

1 史东辉;蔡庆生;张春阳;;一种新的数据挖掘多策略方法研究[A];第十七届全国数据库学术会议论文集（研究报告篇）[C];2000年

2 张弦;;数据挖掘在农业中的应用[A];纪念中国农业工程学会成立30周年暨中国农业工程学会2009年学术年会（CSAE 2009）论文集[C];2009年

3 魏顺平;;教育数据挖掘:现状与趋势[A];信息化、工业化融合与服务创新——第十三届计算机模拟与信息技术学术会议论文集[C];2011年

4 关清平;沉培辉;;概率网络在数据挖掘上的应用[A];科技、工程与经济社会协调发展——中国科协第五届青年学术年会论文集[C];2004年

5 丁瑾;;基于Web数据挖掘的综述[A];山西省科学技术情报学会学术年会论文集[C];2004年

6 聂茹;田森平;;Web数据挖掘及其在电子商务中的应用[A];中南六省（区）自动化学会第24届学术年会会议论文集[C];2006年

7 李菊;王军;;数据挖掘在客户关系管理的应用[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用（CACIS）学术会议论文集[C];2007年

8 肖阳;李启贤;;数据挖掘在中国钢铁行业中的应用[A];中国计量协会冶金分会2012年会暨能源计量与节能降耗经验交流会论文集[C];2012年

9 杨磊;王贵成;汪勇;张占胜;;SQL Server 2005在数据挖掘中的应用[A];2009年中国智能自动化会议论文集（第二分册）[C];2009年

10 谢中;邱玉辉;;面向商务网站有效性的数据挖掘方法[A];第十八届全国数据库学术会议论文集（技术报告篇）[C];2001年

中国重要报纸全文数据库 前10条

1 本报记者褚宁;数据挖掘如“挖金”[N];解放日报;2002年

2 周蓉蓉;数据挖掘需要点想像力[N];计算机世界;2004年

3 □中国电信股份有限公司北京研究院 张舒博 □北京邮电大学计算机科学与技术学院 牛琨;走出数据挖掘的误区[N];人民邮电;2006年

4 《网络世界》记者 王莹;数据挖掘保险业的新蓝海[N];网络世界;2012年

5 刘俊丽;基于地理化的网络数据挖掘与分析提升投资有效性[N];人民邮电;2014年

6 本报记者 连晓东;数据挖掘：金融信息化新热点[N];中国电子报;2002年

7 本报记者 凤小华 朱仁康;“数字挖掘软件”引领中国信息化新浪潮[N];中国电子报;2003年

8 本报记者　史延廷;“成功企业数据挖掘暨数量化管理论坛”在京举办[N];中国旅游报;2002年

9 朱小宁;数据挖掘：信息化战争的基础工程[N];解放军报;2005年

10 本报记者 王小平;从“大集中”走向数据挖掘[N];金融时报;2002年

中国博士学位论文全文数据库 前10条

1 于自强;海量流数据挖掘相关问题研究[D];山东大学;2015年

2 张馨;全基因组SNP芯片应用于CNV和L0H分析的软件比对与数据挖掘[D];复旦大学;2011年

3 彭计红;基于数据挖掘的痴呆中医证的研究[D];南京中医药大学;2015年

4 李秋虹;基于MapReduce的大规模数据挖掘技术研究[D];复旦大学;2013年

5 邬文帅;基于多目标决策的数据挖掘方法评估与应用[D];电子科技大学;2015年

6 谢邦彦;整合数据挖掘与TRIZ理论的质量管理方法研究[D];首都经济贸易大学;2010年

7 何伟全;云南高校学生意外伤害因素关联规则挖掘及风险管控体系研究[D];昆明理工大学;2015年

8 段功豪;基于多结构数据挖掘的滑坡灾害预测模型研究[D];中国地质大学;2016年

9 白晓明;基于数据挖掘的复合材料宏—细观力学模型研究[D];哈尔滨工业大学;2016年

10 蓝永豪（LAM Wing Ho）;基于数据挖掘技术分析当代中医名家痤疮验方经验研究[D];南京中医药大学;2016年

中国硕士学位论文全文数据库 前10条

1 林仁红;基于数据挖掘的机遇识别与评价研究[D];首都经济贸易大学;2007年

2 张彦俊;游戏运营中的数据挖掘[D];复旦大学;2011年

3 焦亚召;基于多核函数FCM算法在数据挖掘聚类中的应用研究[D];昆明理工大学;2015年

4 王杰锋;物联网能耗数据智能分析及其应用平台设计[D];江南大学;2015年

5 刘学建;数据挖掘在电子商务推荐系统中的应用研究[D];昆明理工大学;2015年

6 戴阳阳;基于数据挖掘的金融时间序列预测研究与应用[D];江南大学;2015年

7 石思优;基于主题模型的医疗数据挖掘研究[D];广东技术师范学院;2015年

8 陈丹;移动互联网信令挖掘实现智慧营销的设计与实现应用研究[D];华南理工大学;2015年

9 陈思;基于数据挖掘的大学生客户识别模型的研究[D];昆明理工大学;2015年

10 位长帅;基于客户数据挖掘的电信客户关系管理研究[D];西南交通大学;2015年

，

本文编号：974258