【摘 要】
：
实际油藏非均质性强,高产井样本数量少而数据价值高.为充分利用高产井有效信息,使用单分类支持向量机(OCSVM)对高产井地质模型中的地质特征进行无监督学习,通过优化模型超参数,获得最优决策函数,基于该函数确定非均质油藏可能的高产区域分布进而来确定优势储层,从而为油藏开发及井位部署提供指导.案例研究结果表明,在井样本较少的情况下,OCSVM决策函数值与产量的相关性系数较高,使用OCSVM计算的决策值可以有效地确定全区高产区域分布并依据该分布确定优势储层.
【机 构】
：
延长油田股份有限公司志丹采油厂;中国石油大学(北京)油气资源与探测国家重点实验室
论文部分内容阅读
实际油藏非均质性强,高产井样本数量少而数据价值高.为充分利用高产井有效信息,使用单分类支持向量机(OCSVM)对高产井地质模型中的地质特征进行无监督学习,通过优化模型超参数,获得最优决策函数,基于该函数确定非均质油藏可能的高产区域分布进而来确定优势储层,从而为油藏开发及井位部署提供指导.案例研究结果表明,在井样本较少的情况下,OCSVM决策函数值与产量的相关性系数较高,使用OCSVM计算的决策值可以有效地确定全区高产区域分布并依据该分布确定优势储层.
其他文献
钻井复杂的准确识别是钻井工程顺利开展的保障,现有基于机器学习的钻井复杂诊断方法未考虑钻井资料数据不平衡的特点,可能导致将钻井复杂误判为正常工况.基于决策树分类模型,建立了考虑数据不平衡影响的钻井复杂诊断方法:从录井资料、工程异常记录等现场资料中收集原始数据,提取钻压、钩载、排量等钻井参数,并以波动值构建样本集;引入错误分类成本以修正数据不平衡的影响,建立以最小错误分类成本期望值为分类目标的决策树模型,取代以最高准确率为目标的分类模型.将新模型应用于某页岩气水平井卡钻复杂诊断,结果表明:考虑数据不平衡后,模
钻柱摩阻扭矩的实时分析对提高钻井效率、规避钻井卡钻风险具有重要作用,目前摩阻扭矩分析以钻前预测为主,但钻井过程中摩阻扭矩的实时分析尚不成熟.针对当前井底钻压扭矩预测不准、钻柱摩阻系数的确定存在盲目性等问题,提出一种钻柱摩阻扭矩智能实时分析方法.该方法利用神经网络模型实时计算井底钻压扭矩,结合摩阻扭矩刚杆模型采用二分法实时反演摩阻系数,准确分析钻柱受力.考虑到钻柱摩阻系数在一定程度上表征钻柱卡钻趋势,进一步利用该方法对钻井卡钻趋势进行预测.将该方法应用于现场数据,发现某井钻柱摩阻系数在6000～6100 m
海上钻井作业日费高昂,因此如何利用大数据及人工智能技术提高钻速,从而缩短作业工期、降低作业成本,是重要的研究课题之一.首先通过收集钻井现场的大数据信息,将录井数据、测井数据、钻井液性能等参数输入神经网络计算得到初次预测钻速,然后由最优化算法计算出实时全局最优解,从而建立基于机器学习方法和最优化算法的钻速实时优化模型,最后将模型嵌入可视化系统进行现场作业指导,从而提高钻井速度.以南海PY油田A井为试验井,进行了实时钻进过程的应用.实践表明,应用该技术不仅可有效提高钻速,并且对油田数字化发展具有借鉴意义.
高温高压井钻井过程中溢流未及时发现将引起严重后果,现有溢流监测手段依赖井下或地面工具,存在一定的时间滞后性,为此创建了基于朴素贝叶斯算法和钻井大数据的溢流实时预警方法.在具备一定已钻井规模的区域内,分析历史井溢流发生与地质资料、随钻测录井数据的概率联系,分别建立溢流的先验概率计算模型和包含了区域、地层、岩性、扭矩、泵压、机械钻速共6项属性的条件概率计算模型,基于贝叶斯理论计算溢流的后验概率,实现实时预警功能.研究表明,基于朴素贝叶斯的溢流预警方法在可靠性、传输时效性、资料可获得性等方面存在较大优势,结合实
针对川渝地区井漏严重、井漏治理主要以经验为主、一次堵漏成功率低等问题,提出了采用大数据/人工智能技术,对漏失特征、裂缝性质进行大数据分析诊断,对正钻井漏失风险几率及漏失分布进行井漏预判,并智能推送防漏堵漏方案.为此,研发了基于大数据挖掘技术的防漏堵漏智能辅助决策平台.首先将大量已钻井漏失数据按聚类和关联规则算法进行自主聚类、关联、分析,同时根据挖掘出的规律对钻井漏失进行诊断,获取真实漏失关键参数,并对正钻井同一类井段的井漏倾向提出风险预测和预警,对堵漏施工提出针对性处理方案,从而提高防漏堵漏效果.使用防漏
为了准确预测西北油田顺北区块固井质量,在固井质量影响因素分析的基础上,采用机器学习方法,建立基于支持向量回归(SVR)模型的固井质量预测模型,并分别利用网格搜索法(GS)、贝叶斯优化算法(BOA)、遗传算法(GA)优选模型惩罚系数C和核函数参数g,以提高SVR预测精度.基于优化的模型结合顺北区块某井进行了实例计算,研究结果表明:相比SVR、GS-SVR、BOA-SVR算法,运用GA-SVR算法预测固井质量的均方根误差(RMSE)和平均相对误差(MRE)最低,分别为2.318和7.30％,具有较高的预测精度
针对钻井过程中岩性识别困难、PDC钻头磨损严重、孕镶金刚石钻头破岩效率低和钻头泥包等问题,采用BP神经网络学习算法建立了岩性识别模型,并设计了一种新型可伸缩式PDC-孕镶金刚石耦合仿生智能钻头,分别在软件Matlab和ABAQUS上进行了岩性识别仿真和破岩仿真.仿真结果表明:BP神经网络模型对岩性的识别精度非常高,有利于合理选择钻头类型、及时调整钻井参数和提高钻井效率;仿生智能钻头作用于岩石表面的应力远大于常规钻头,使岩石更易达到破碎极限,从而提高钻头钻速.本设计集智能岩性识别、高破岩效率、自再生功能、防
在复杂、不确定、非结构化的油藏环境中,潜油电泵举升井的工况诊断预警优化决策成为智能油井研究的热点与难点问题之一.阐述了机理仿真、数据驱动、专家系统、机理仿真与数据驱动融合等技术在电泵举升故障诊断预警领域的研究与应用进展,探讨并展望未来电泵举升故障诊断预警技术的发展方向与重点.综述研究表明:建立客观准确的反映电泵运行动态工况特性的机理模型和快速精确求解极具挑战性,基于数据驱动诊断模型未必能完整描述电泵生产系统工况的真实映射关系,电泵生产故障诊断推理机理及专家系统的自学习能力有待加强.提出基于机理仿真与数据分
电泵井产量的动态预测对认识油井供排协调、电泵设备工况、改善工作制度、提高产量和节能降耗具有重要指导意义.根据电泵井静态数据、生产动态数据、举升设备的工况数据,利用皮尔逊相关系数分析方法,分析了影响潜油电泵工作特性因素的关联性,根据主成分分析方法(PCA)进行数据降维确定主控参数,并综合考虑了电泵机组设备工况的变化趋势和前后关联性,应用长短期记忆神经网络(LSTM)建立了电泵井产量时序预测模型.利用某油田现场实际数据对产液量进行预测,并与BP神经网络的预测结果相比较.研究结果表明,基于LSTM模型的电泵井产
随着勘探开发的不断深入,精细油藏描述过程中产生了大量的历史油藏模拟模型,因缺乏模型资源处理与管控技术,导致无法应用其进行油藏动态模拟计算,为此开展了油藏模型资源管控系统研究.针对长庆油田工作人员在油藏动态模拟计算过程中模型资源的采集、管控、标准化处理、可视化输出与动态计算等方面需求,利用B/S与C/S相结合的系统架构模式,开发了用于油藏动态模拟计算的资源管控系统,有效提升了油藏动态模拟过程数据的采集与应用效率,提高了模型资源再利用率;对油藏模型资源管控系统建设思路、开发工具、架构设计、实现方法以及应用功能