一种数据驱动下的缝洞型油藏油井见水时间预测方法

    公开(公告)号:CN109918722A

    公开(公告)日:2019-06-21

    申请号:CN201910090214.5

    申请日:2019-01-30

    Abstract: 针对现有的缝洞型油藏油井见水时间预测方法实用性差,预测准确度低的问题,本发明提供一种数据驱动下的油井见水时间预测方法,属于油井见水时间预测领域。包括如下步骤:收集所研究油田的所有已见水油井生产数据;筛选已见水的高产典型井,并按岩溶背景进行对其进行划分;统计各岩溶背景下已见水高产典型井的见水预警参数;建立各岩溶背景对应的见水时间预测多元回归方程;训练各岩溶背景下用来进行见水时间预测的神经网络模型;分岩溶背景对多元回归法、神经网络法两种见水时间预测方法的准确性进行验证,选取各岩溶背景下准确度较高的预测方法。该方法可有效规避缝洞型油藏精确地质数据难以获取的问题,且能够推广到各种岩溶背景的缝洞型油藏。

    一种油田安全突出问题检测方法

    公开(公告)号:CN110046664A

    公开(公告)日:2019-07-23

    申请号:CN201910305672.6

    申请日:2019-04-16

    Abstract: 本发明涉及一种油田安全突出问题检测方法,该方法搜集大量油田安全问题的案例建立语料库;然后从语料库选取一定文本建立建训练样本集,对建训练样本集中的文本进行训练,建立油田安全突出问题检测模型;使用油田安全突出问题检测模型对待测油田安全突出问题进行预测,计算出该待测文档对应的各个主题的概率值,选取概率值最大的主题作为待测文档的预测结果,该预测结果即为待测油田安全突出问题的预测结果。该检测方法利用已知数据训练经理预测模型,使用时,只需将待测油田安全突出问题输入预测模型即可,操作过程简单,更重要的是对工作人员的要求低,预测结果受操作人员的干扰小。

    一种致密油藏驱动阶段识别方法

    公开(公告)号:CN109857985A

    公开(公告)日:2019-06-07

    申请号:CN201910090226.8

    申请日:2019-01-30

    Abstract: 针对致密油藏驱动阶段识别方法存在的难题,本发明提供一种致密油藏驱动阶段识别方法,属于油气田开发技术领域。包括如下步骤:确定致密型油藏油田区块内已投产的油井的实际生产资料;确定以上已投产油井各个生产时段的驱动方式;绘制已投产的油井压力与时间以及气油比与时间的关系曲线图;对压力曲线进行分段线性拟合,确定当前区块地质条件下不同驱动方式下的压力特征,确定各驱动方式的斜率边界值;绘制未进行驱动阶段划分的生产井的压力与时间变化曲线,对曲线拐点处进行分段划分;针对各段压力与时间变化曲线进行线性拟合,得到渐近线斜率,以此识别驱动阶段。本发明的识别方法具有适用广泛、操作简单的特性,能够快速指导现场措施调整。

    一种基于机器学习的基岩潜山油藏岩石类型识别方法

    公开(公告)号:CN109934257A

    公开(公告)日:2019-06-25

    申请号:CN201910090233.8

    申请日:2019-01-30

    Abstract: 针对现有油藏岩石类型识别方法存在成本和准确性两者不能兼顾的问题,本发明公开一种基于机器学习的基岩潜山油藏岩石类型识别方法,包括如下步骤:对目的区块关键井进行岩心地质描述;分析主要含油岩石的氧化物和造岩矿物的种类和含量;通过KNN算法建立主要氧化物含量与岩石类型的三维岩性判别图版;应用氧化物闭合模型解释技术获取关键井目的层内沿井筒连续分布的元素含量曲线;建立目的区块关键井常规测井、矿物含量及岩石类型的综合柱状图;建立元素氧化物含量预测模型,并用于预测未取心、未进行ECS俘获测井的开发井元素含量;代入所建立的岩石类型的三维岩性判别图版中,实现对岩石类型的自动识别与划分。本发明的识别方法成本低廉,准确率高。

    一种数据驱动下的缝洞型油藏油井见水时间预测方法

    公开(公告)号:CN109918722B

    公开(公告)日:2022-11-18

    申请号:CN201910090214.5

    申请日:2019-01-30

    Abstract: 针对现有的缝洞型油藏油井见水时间预测方法实用性差,预测准确度低的问题,本发明提供一种数据驱动下的油井见水时间预测方法,属于油井见水时间预测领域。包括如下步骤:收集所研究油田的所有已见水油井生产数据;筛选已见水的高产典型井,并按岩溶背景进行对其进行划分;统计各岩溶背景下已见水高产典型井的见水预警参数;建立各岩溶背景对应的见水时间预测多元回归方程;训练各岩溶背景下用来进行见水时间预测的神经网络模型;分岩溶背景对多元回归法、神经网络法两种见水时间预测方法的准确性进行验证,选取各岩溶背景下准确度较高的预测方法。该方法可有效规避缝洞型油藏精确地质数据难以获取的问题,且能够推广到各种岩溶背景的缝洞型油藏。

Patent Agency Ranking