基于改进果蝇算法和长短期记忆神经网络的油田产量预测模型

产量预测是油田生产动态开发研究的重要内容之一。油田的长期生产积累了大量数据,但是波动幅度很大,直接应用长短期记忆神经网络预测油田的生产指标,会出现神经网络泛化性很差的问题。因此,首先利用双层长短期记忆神经网络(long-short term memory,LSTM)和随机式失活对神经网络架构进行调整,建立了深度学习神经网络模型;并提出了一种新的果蝇聚集方法,通过改进的果蝇优化算法对所建立的神经网络模型进行优化,避免其陷入局部最优解,搜寻解空间的最优解;最后,油田实例验证表明,优化后的深度学习网络的网络泛化能力和预测精度有了较大提高,对于油田波动性较大的数据也能较好地拟合。所建立油田产量预测模型可应用于矿场开发实际。     

Fisher判别法在聚合物驱潜力评价中的应用

首次将判别分析法用于化学驱潜力评价,提出了一种基于Fisher判别法的聚合物驱潜力评价方法,并编写了相应程序。该方法优点在于计算快捷,考虑因素较为全面,计算结果具有较高的可靠性。在目前利用已实施聚合物驱区块的统计数据构造样本集较为困难的情况下,综合利用正交设计、油藏数值模拟和经济评价,提出了样本集的生成办法。以胜利油区为例进行了分析,回代数据总正判率达到94．0％,从而验证了该方法的有效性。同时,该方法提供的研究思路可推广到其他三次采油方法的潜力评价中。     

胜利油田聚合物驱矿场效果影响因素研究

胜利油田实施聚合物驱的规模大,各单元都已取得了明显的降水增油效果,但各单元的见效特点存在差异。通过采用室内物理模拟、数值模拟和矿场实施跟踪等手段,研究了流体粘度、注采情况、注入时机和油藏储层对聚合物驱效果的影响。结果表明:地层聚合物溶液与原油粘度比越高,聚合物驱效果越好;聚合物用量越大提高采收率越高;在中高含水期,转注越早,聚合物驱效果越好;聚合物驱有利相带依次为河道边缘相>河道充填相>心滩>泛滥平原相;正韵律聚合物驱有利,而反韵律不利于聚合物驱,同时选区应避免大孔道地层。     

Fisher判别法在聚合物驱潜力评价中的应用

首次将判别分析法用于化学驱潜力评价 ,提出了一种基于Fisher判别法的聚合物驱潜力评价方法 ,并编写了相应程序。该方法优点在于计算快捷 ,考虑因素较为全面 ,计算结果具有较高的可靠性。在目前利用已实施聚合物驱区块的统计数据构造样本集较为困难的情况下 ,综合利用正交设计、油藏数值模拟和经济评价 ,提出了样本集的生成办法。以胜利油区为例进行了分析 ,回代数据总正判率达到 94 .0 % ,从而验证了该方法的有效性。同时 ,该方法提供的研究思路可推广到其他三次采油方法的潜力评价中。     

一维井地电位模型建立与求解

井地电位法是研究水驱前缘以及剩余油分布较为实用的方法。首先建立一维油水两相渗流方程,基于电位与含水饱和度模型将渗流方程与电位微分方程相耦合,形成一维井地电位模型。对模型采用有限差分法,隐式求压力,显式求饱和度,再利用含水饱和度与电导率的关系,建立形成电位微分方程,隐式求电位;在此基础上建立计算机求解模型。对一维水驱油过程进行模拟计算,通过数值求解,模拟水驱油的完整过程,得到电位分布与含水饱和度变化的相关关系。该方法为井地电位法后期反演油水分布提供理论支持。