CN104778378B - 一种油气田产量递减影响因素分析方法 - Google Patents
一种油气田产量递减影响因素分析方法 Download PDFInfo
- Publication number
- CN104778378B CN104778378B CN201510224472.XA CN201510224472A CN104778378B CN 104778378 B CN104778378 B CN 104778378B CN 201510224472 A CN201510224472 A CN 201510224472A CN 104778378 B CN104778378 B CN 104778378B
- Authority
- CN
- China
- Prior art keywords
- mrow
- factor
- msubsup
- sequence
- analysis
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
Abstract
一种油气田产量递减影响因素分析方法，包括以下步骤：A.确定影响因素集；B.根据历史数据确定分析序列；C.对分析序列数据进行无量化处理；D.采用改进的灰色关联分析方法获得影响因素关联度并排序；E.采用组合层次分析法计算各个因素权重并排序；F.将步骤D和步骤E的序列进行综合分析，获得最终的影响程度序列，实现对油气田产量递减影响因素的综合分析。该方法对传统的灰色关联分析方法的分辨系数确定方式进行改进，消除经验选择带来的主观性；利用组合层次分析方法，从主观角度对影响因素的重要程度进行确定，并与客观结果相结合。主客观两种方法的计算结果综合使得分析结果更加科学、准确、合理。
Description
技术领域
本发明涉及一种油气田产量递减影响因素分析方法，尤其涉及一种采用改进的灰色关联分析方法对影响因素进行客观分析，利用组合层次分析法对影响指标进行主观判断，最终实现油气田产量递减影响因素分析方法。
背景技术
随着我国经济的飞速发展，石油作为经济发展的命脉，对其需求也越来越大。然而，石油作为一种不可再生资源，随着开采程度的不断加深，油田地下能量的变化、含水率的上升，油气田开发后期的产量不可避免地发生递减。油气田产量递减率分析是开发动态分析中的一项重要内容，而准确的确定对油气田产量递减的影响因素是减缓产量递减的关键问题，也是油气田开发研究人员在油田开发过程中主要的研究内容之一。
影响油气田产量递减的因素分为可控制因素和不可控制因素。前者主要指人为控制的可变化条件，如人为的配产量、调整措施、油藏注水或注气等；后者指油气田的天然条件，如油层岩石和流体的物理性质、油藏的驱动机理等。目前对影响油气田产量递减因素的研究并不是很多，针对递减率计算方面也是主要集中在理论公式的推导。关于递减率影响因素的分析方法大多数是建立在Arps产量递减规律的基础上，或者通过对递减率的几种定义式进行一系列变形后确定出来的。在诸多影响因素中，究竟孰大孰小却没有一种有效的判断方法。因此，为了确保油气田产量递减影响因素的科学性与准确性，迫切的需要一种新的油气田产量递减影响因素分析方法，判断各因素对产量递减率的影响程度，以便于抓住油田开发过程中的主要矛盾，有针对性地提出减缓产量递减的措施，提高油田经济效益及开采、开发水平，为油气田开发技术政策的调整提供依据。
发明内容
本发明是根据油气田的实际地质情况以及生产状况，确定油气田产量递减影响因素集，利用改进的灰色关联分析方法对影响因素的关联系数和关联度进行计算并排序，利用组合层次分析法确定各影响因素的权重并排序，将改进的灰色关联分析法得到的结果与组合层次分析法确定的结果进行融合，得到最终的影响因素的重要情况，实现油气田产量递减影响因素分析结果更加准确、客观、合理。
为达到上述目的，提供一种新的油气田产量递减影响因素分析方法，主要包括以下步骤：
A.确定影响因素集
根据油气田的地质情况和各自的生产时间状况，确定影响油气田产量递减的因素。递减影响因素集用X表示，假设影响油气田产量递减的因素有m个，待分析的因素集可表示为：
X＝{x1,x2,…,xm}
B.确定分析序列
根据影响因素集中的各个因素，获取对应的历史数据，并确定一个因变量因素和多个自变量因素。
设因变量数据构成参考序列：
X0＝(x0(0),x0(1),…,x0(n))T；
各自变量数据构成比较序列：
Xi＝(xi(0),xi(1),…,xi(n))T,i＝1,2,…,m；
其中n为变量序列的长度。
C.变量序列无量纲化
由于选取各因素的物理意义不同，导致原始变量序列数据具有不同的量纲或数量级，为了保证各因素具有等级性和等权性，对其进行正向化和无量纲化，应用均值法进行无量纲化后的序列可表示为：
D.计算关联系数
关联系数表示第i个比较序列与参考序列关联程度，其表达式为：
其中，Δ0i(k)＝|x′0(k)-x′i(k)|,1≤i≤m,1≤k≤n；Δ(max)＝max{Δ0i(k)},1≤i≤m,1≤k≤n；Δ(min)＝min{Δ0i(k)},1≤i≤m,1≤k≤n；ρ为分辨系数。
分辨系数ρ作为最大值的系数，充分体现系统各因素对关联度的影响，同时具有抗干扰作用，即能够削弱观测序列中异常值对整个关联空间的误差影响。确定分辨系数ρ的方法如下：
设δ＝Δk/Δmax，则ρ的取值范围为：δ≤ρ≤2δ，且满足：当3Δk＜Δmax时，δ≤ρ≤1.5δ；当3Δk＞Δmax时，1.5δ≤ρ≤2δ。
E.计算关联度并排序
比较序列Xi与参考序列X0的关联程度是通过关联系数来反映的，通过计算平均值得到比较序列Xi与参考序列X0的关联度：
对各个比较序列与参考序列的关联度从大到小排序。关联度越大，则比较序列与参考序列变化的态势越一致，两者关联度就越大，反之越小。
F.组合层次分析法确定因素重要性
利用层次分析法，用两两比较法分析因素重要性，构造判断矩阵，采用几何平均法、算数平均法、特征向量法、最小二乘法四种层次分析法计算方法建立组合层次分析法权重计算模型，利用四种方法分别求出权重向量，并进行排序和综合分析，最终根据因素权重值，按照从大到小的顺序排序，即为影响因素重要程度排序。
G.确定影响因素重要程度
对灰色关联的分析方法和组合层次分析方法得到的影响因素重要程度进行综合分析，最终获得影响产量递减各个因素的重要程度序列。设采用改进的灰色关联分析方法得到的关联度序列为：
其中k值即代表了该影响因素在该序列中的重要程度排序位置；
利用组合层次分析法得到的因素权重序列为：
其中j值即代表了该影响因素在该序列中的重要程度排序位置；
某个因素的最终重要程度利用一下方法获得：
Γi＝2m-(k+j)+2,1≤k≤m；1≤j≤m；i＝1,2,…,m
获得的Γ值越大，则该因素对产量递减因素的影响程度越大，反之越小。按从大到小的排序，获得各个因素对油气田产量递减重要程度。
本发明的有益效果是，较之传统的灰色关联分析方法获得的分析结果更合理，在对传统的灰色关联分析方法的分辨系数ρ确定方式进行改进，消除经验选择带来的主观性；利用组合层次分析方法，从主观角度对影响因素的重要程度进行确定，并与客观结果相结合，主客观两种方法的计算结果综合使得分析结果更加科学、准确、合理。
附图说明
图1是油气田产量递减影响因素分析方法流程图。
具体实施方式
下面结合附图对本发明作进一步详细的描述。
第一步：确定影响因素集
根据油气田的地质情况和各自的生产时间状况，确定影响油气田产量递减的因素。递减影响因素集用X表示，假设影响油气田产量递减的因素有m个，待分析的因素集可表示为：
X＝{x1,x2,…,xm}
第二步：确定分析序列
根据影响因素集中的各个因素，获取对应的历史数据，并确定一个因变量因素和多个自变量因素，如可选产量递减率为因变量因素，自变量因素可根据油气田的实际情况确定，如生产井数、注水井数、含水率、渗透率、井网密度等。设因变量数据构成参考序列：X0＝(x0(0),x0(1),…,x0(n))T；各自变量数据构成比较序列：Xi＝(xi(0),xi(1),…,xi(n))T,i＝1,2,…,m；其中n为变量序列的长度。
因变量和自变量数据形成如下矩阵：
第三步：变量序列无量纲化
由于选取各因素的物理意义不同，导致原始变量序列数据具有不同的量纲或数量级，为了保证各因素具有等级性和等权性，对其进行正向化和无量纲化，应用均值法进行无量纲化后的序列可表示为：
无量纲化后各因素序列形成如下矩阵：
第四步：计算关联系数
(1)计算绝对差值矩阵、最大差和最小差
利用第三步中获得的矩阵R中第一列(参考序列)与其余各列(比较序列)对应的绝对差值，形成如下绝对差值矩阵：
其中Δ0i(k)＝|x′0(k)-x′i(k)|,1≤i≤m,1≤k≤n
绝对差值矩阵P中最大值和最小值即为最大差和最小差：
Δ(max)＝max{Δ0i(k)},1≤i≤m,1≤k≤n
Δ(min)＝min{Δ0i(k)},1≤i≤m,1≤k≤n
(2)计算关联系数
关联系数表示第i个比较序列与参考序列关联程度，其表达式为：
得到关联系数矩阵：
其中,ρ为分辨系数。
分辨系数ρ作为最大值的系数，充分体现系统各因素对关联度的影响，同时具有抗干扰作用，即能够削弱观测序列中异常值对整个关联空间的误差影响。确定分辨系数ρ的方法如下：
设δ＝Δk/Δmax，则ρ的取值范围为：δ≤ρ≤2δ，且满足：当3Δk＜Δmax时，δ≤ρ≤1.5δ；当3Δk＞Δmax时，1.5δ≤ρ≤2δ。
第五步：计算关联度并排序
比较序列Xi与参考序列X0的关联程度是通过关联系数来反映的，通过计算平均值得到比较序列Xi与参考序列X0的关联度：
对各个比较序列与参考序列的关联度从大到小排序。关联度越大，则比较序列与参考序列变化的态势越一致，两者关联度就越大，反之越小。
第六步：组合层次分析法确定因素重要性
利用层次分析法，用两两比较法分析因素重要性，构造判断矩阵，采用几何平均法、算数平均法、特征向量法、最小二乘法四种层次分析法计算方法建立组合层次分析法权重计算模型，利用四种方法分别求出权重向量，并进行排序和综合分析，最终根据因素权重值，按照从大到小的顺序排序，即为影响因素重要程度排序。四种计算方法分别如下：
(1)几何平均法：
(2)算数平均法：
(3)特征向量法：
将权重向量W右乘判断矩阵A,如下：
AW＝λmaxW
其中λmax是判断矩阵的最大特征值，存在且唯一，W的分量均为正分量；
(3)最小二乘法：
用拟合法确定权重向量，使残差平方和为最小，即求解如下模型：
wi＞0,i＝1,2,…,m
第七步：确定影响因素重要程度
对灰色关联的分析方法和组合层次分析方法得到的影响因素重要程度进行综合分析，最终获得影响产量递减各个因素的重要程度序列。设采用改进的灰色关联分析方法得到的关联度序列为：
其中k值即代表了该影响因素在该序列中的重要程度排序位置；
利用组合层次分析法得到的因素权重序列为：
其中j值即代表了该影响因素在该序列中的重要程度排序位置
某个因素的最终重要程度利用一下方法获得：
Γi＝2m-(k+j)+2,1≤k≤m；1≤j≤m；i＝1,2,…,m
获得的Γ值越大，则该因素对产量递减因素的影响程度越大，反之越小。按从大到小的排序，获得各个因素对油气田产量递减重要程度。
当然，本发明上述实施方案仅是对本发明的说明而不能限制本发明，本技术领域的普通技术人员在本发明的实质范围内所做的变化、改型、添加或替换，也应属于本发明的保护范围。
Claims (1)
1.一种油气田产量递减影响因素分析方法其特征在于，主要包括以下步骤：
A.确定影响因素集
根据油气田的地质情况和各自的生产时间状况，确定影响油气田产量递减的因素，递减影响因素集用X表示，假设影响油气田产量递减的因素有m个，待分析的因素集可表示为：X＝{x1,x2,…,xm}；
B.确定分析序列
根据影响因素集中的各个因素，获取对应的历史数据，并确定一个因变量因素和多个自变量因素，设因变量数据构成参考序列：X0＝(x0(0),x0(1),…,x0(n))T；各自变量数据构成比较序列：Xi＝(xi(0),xi(1),…,xi(n))T,i＝1,2,…,m；其中n为变量序列的长度；
C.变量序列无量纲化
由于选取各因素的物理意义不同，导致原始变量序列数据具有不同的量纲或数量级，为了保证各因素具有等级性和等权性，对其进行正向化和无量纲化，应用均值法进行无量纲化后的序列可表示为：
<mrow>
<msubsup>
<mi>X</mi>
<mi>i</mi>
<mo>&prime;</mo>
</msubsup>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mi>X</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mfrac>
<mn>1</mn>
<mi>n</mi>
</mfrac>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>X</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>,</mo>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mn>...</mn>
<mo>,</mo>
<mi>m</mi>
<mo>,</mo>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<mi>n</mi>
</mrow>
D.计算关联系数
关联系数表示第i个比较序列与参考序列关联程度，其表达式为：
<mrow>
<msub>
<mi>&xi;</mi>
<mrow>
<mn>0</mn>
<mi>i</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<mi>&Delta;</mi>
<mrow>
<mo>(</mo>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mi>&rho;</mi>
<mi>&Delta;</mi>
<mrow>
<mo>(</mo>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mi>&Delta;</mi>
<mrow>
<mn>0</mn>
<mi>i</mi>
</mrow>
</msub>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
<mo>+</mo>
<mi>&rho;</mi>
<mi>&Delta;</mi>
<mrow>
<mo>(</mo>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>,</mo>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<mi>m</mi>
<mo>;</mo>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<mi>n</mi>
</mrow>
其中，Δ0i(k)＝|x'0(k)-x′i(k)|,1≤i≤m,1≤k≤n；Δ(max)＝max{Δ0i(k)},1≤i≤m,1≤k≤n；Δ(min)＝min{Δ0i(k)},1≤i≤m,1≤k≤n，ρ为分辨系数；
分辨系数ρ作为最大值的系数，充分体现系统各因素对关联度的影响，同时具有抗干扰作用，即能够削弱观测序列中异常值对整个关联空间的误差影响，确定分辨系数ρ的方法如下：
<mrow>
<msub>
<mi>&Delta;</mi>
<mi>k</mi>
</msub>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mrow>
<mi>m</mi>
<mi>n</mi>
</mrow>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<mo>|</mo>
<msubsup>
<mi>x</mi>
<mn>0</mn>
<mo>&prime;</mo>
</msubsup>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msubsup>
<mi>x</mi>
<mi>i</mi>
<mo>&prime;</mo>
</msubsup>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>|</mo>
</mrow>
设δ＝Δk/Δmax，则ρ的取值范围为：δ≤ρ≤2δ，且满足：当3Δk＜Δmax时，δ≤ρ≤1.5δ；当3Δk＞Δmax时，1.5δ≤ρ≤2δ,△max为最大差△(max)的值；
E.计算关联度并排序
比较序列Xi与参考序列X0的关联程度是通过关联系数来反映的，通过计算平均值得到比较序列Xi与参考序列X0的关联度：
<mrow>
<msub>
<mi>&gamma;</mi>
<mrow>
<mn>0</mn>
<mi>i</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mi>n</mi>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>&xi;</mi>
<mrow>
<mn>0</mn>
<mi>i</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
</mrow>
对各个比较序列与参考序列的关联度从大到小排序，关联度越大，则比较序列与参考序列变化的态势越一致，两者关联度就越大，反之越小；
F.组合层次分析法确定因素重要性
利用层次分析法，用两两比较法分析因素重要性，构造判断矩阵，采用几何平均法、算数平均法、特征向量法、最小二乘法四种层次分析法计算方法建立组合层次分析法权重计算模型，利用四种方法分别求出权重向量，并进行排序和综合分析，最终根据因素权重值，按照从大到小的顺序排序，即为影响因素重要程度排序；
G.确定影响因素重要程度
对灰色关联的分析方法和组合层次分析方法得到的影响因素重要程度进行综合分析，最终获得影响产量递减各个因素的重要程度序列，设采用改进的灰色关联分析方法得到的关联度序列为：
<mrow>
<mi>X</mi>
<mo>=</mo>
<mo>{</mo>
<msubsup>
<mi>x</mi>
<mi>i</mi>
<mn>1</mn>
</msubsup>
<mo>,</mo>
<msubsup>
<mi>x</mi>
<mi>i</mi>
<mn>2</mn>
</msubsup>
<mo>,</mo>
<mn>...</mn>
<mo>,</mo>
<msubsup>
<mi>x</mi>
<mi>i</mi>
<mi>k</mi>
</msubsup>
<mo>,</mo>
<mn>...</mn>
<mo>,</mo>
<msubsup>
<mi>x</mi>
<mi>i</mi>
<mi>m</mi>
</msubsup>
<mo>}</mo>
<mo>,</mo>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<mi>m</mi>
<mo>;</mo>
</mrow>
其中k值即代表了该影响因素在该序列中的重要程度排序位置；
利用组合层次分析法得到的因素权重序列为：
<mrow>
<mi>X</mi>
<mo>=</mo>
<mo>{</mo>
<msubsup>
<mi>x</mi>
<mi>i</mi>
<mn>1</mn>
</msubsup>
<mo>,</mo>
<msubsup>
<mi>x</mi>
<mi>i</mi>
<mn>2</mn>
</msubsup>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<msubsup>
<mi>x</mi>
<mi>i</mi>
<mi>j</mi>
</msubsup>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<msubsup>
<mi>x</mi>
<mi>i</mi>
<mi>m</mi>
</msubsup>
<mo>}</mo>
<mo>,</mo>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<mi>m</mi>
<mo>;</mo>
</mrow>
其中j值即代表了该影响因素在该序列中的重要程度排序位置；
某个因素的最终重要程度利用以下方法获得：
Γi＝2m-(k+j)+2,1≤k≤m；1≤j≤m；i＝1,2,…,m
获得的Γ值越大，则该因素对产量递减因素的影响程度越大，反之越小，按从大到小的排序，获得各个因素对油气田产量递减重要程度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510224472.XA CN104778378B (zh) | 2015-05-05 | 2015-05-05 | 一种油气田产量递减影响因素分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510224472.XA CN104778378B (zh) | 2015-05-05 | 2015-05-05 | 一种油气田产量递减影响因素分析方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104778378A CN104778378A (zh) | 2015-07-15 |
| CN104778378B true CN104778378B (zh) | 2017-11-28 |
Family
ID=53619838
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510224472.XA Expired - Fee Related CN104778378B (zh) | 2015-05-05 | 2015-05-05 | 一种油气田产量递减影响因素分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104778378B (zh) |
Families Citing this family (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105718705B (zh) * | 2016-03-17 | 2019-07-19 | 成都创源油气技术开发有限公司 | 油气田动态分析方法 |
| CN106127606B (zh) * | 2016-06-24 | 2020-03-10 | 中国石油天然气股份有限公司 | 一种勘探开发项目中油气指标数据的处理方法和装置 |
| CN106779275B (zh) * | 2016-09-19 | 2021-03-09 | 中国石油大学(华东) | 油田产量主控因素权重分析方法 |
| CN107133721A (zh) * | 2017-04-17 | 2017-09-05 | 国网江苏省电力公司 | 基于灰色理论的配电网量测不良数据关联因素分析方法 |
| CN107563605A (zh) * | 2017-08-10 | 2018-01-09 | 中国石油天然气股份有限公司 | 油气田有利类型的确定方法和装置 |
| CN107454105B (zh) * | 2017-09-15 | 2020-09-08 | 北京理工大学 | 一种基于ahp与灰色关联的多维网络安全评估方法 |
| CN108345736A (zh) * | 2018-02-02 | 2018-07-31 | 中国石油天然气股份有限公司 | 抽油机井泵效敏感性的确定方法 |
| CN108446841A (zh) * | 2018-03-13 | 2018-08-24 | 北京邮电大学 | 一种利用灰色关联确定事故因素层次结构的系统方法 |
| CN108921415B (zh) * | 2018-06-25 | 2022-07-08 | 西南石油大学 | 一种油藏措施增油效果影响因素的分析方法 |
| CN110175166B (zh) * | 2019-04-18 | 2023-04-07 | 红云红河烟草(集团)有限责任公司 | 一种烟草卷包车间质量异常的确认方法 |
| CN110163480B (zh) * | 2019-04-18 | 2023-04-07 | 红云红河烟草(集团)有限责任公司 | 一种卷包车间质量辅助决策的方法 |
| CN110288258B (zh) * | 2019-07-02 | 2021-05-18 | 中国石油化工股份有限公司 | 一种高含水油藏剩余油挖潜方法 |
| CN110766293A (zh) * | 2019-09-30 | 2020-02-07 | 煤炭科学技术研究院有限公司 | 基于灰色系统理论的覆岩裂隙带影响因素权重分析方法 |
| CN111191907A (zh) * | 2019-12-24 | 2020-05-22 | 嘉兴恒创电力设计研究院有限公司 | 一种基于层次分析法的综合能源站能效评估方法 |
| CN111784065B (zh) * | 2020-07-09 | 2021-04-16 | 东北石油大学 | 一种基于灰关联的油井产能智能预测方法 |
| CN112417286A (zh) * | 2020-11-24 | 2021-02-26 | 上海应用技术大学 | 区域性文化产业集聚的影响因素分析方法和系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6002985A (en) * | 1997-05-06 | 1999-12-14 | Halliburton Energy Services, Inc. | Method of controlling development of an oil or gas reservoir |
| CN1712996A (zh) * | 2004-06-25 | 2005-12-28 | 大庆油田有限责任公司 | 一种油田产量的预测方法 |
| CN104481502A (zh) * | 2014-11-13 | 2015-04-01 | 克拉玛依红有软件有限责任公司 | 一种利用油藏结构递减法预测原油产量的方法 |
-
2015
- 2015-05-05 CN CN201510224472.XA patent/CN104778378B/zh not_active Expired - Fee Related
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6002985A (en) * | 1997-05-06 | 1999-12-14 | Halliburton Energy Services, Inc. | Method of controlling development of an oil or gas reservoir |
| CN1712996A (zh) * | 2004-06-25 | 2005-12-28 | 大庆油田有限责任公司 | 一种油田产量的预测方法 |
| CN104481502A (zh) * | 2014-11-13 | 2015-04-01 | 克拉玛依红有软件有限责任公司 | 一种利用油藏结构递减法预测原油产量的方法 |
Non-Patent Citations (4)
| Title |
|---|
| 影响油藏产量递减的因素分析;赖枫鹏 等;《新疆石油地质》;20100630;第31卷(第3期);第281-283页 * |
| 油气田产量递减灰色系统模型的建立及预测;朱志香;《科技创新导报》;20101112(第24期);第62页 * |
| 灰色关联分析法在产量递减率影响因素分析中的应用;张雄君 等;《油气地质与采收率》;20041231;第11卷(第6期);第48-50页 * |
| 灰色聚类分析在油田经济效益评价中的应用;孙雪 等;《西南石油大学学报（社会科学版）》;20141130;第16卷(第6期);第6-10页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104778378A (zh) | 2015-07-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104778378B (zh) | 一种油气田产量递减影响因素分析方法 | |
| CN103268420B (zh) | 一种岩石高边坡的危险性评价方法 | |
| CN109543828B (zh) | 一种基于小样本条件下的吸水剖面预测方法 | |
| CN109784561A (zh) | 一种基于集成学习的浓密机底流浓度预测方法 | |
| CN105278520B (zh) | 基于t-kprm复杂工业过程运行状态评价方法及应用 | |
| CN106156343B (zh) | 一种深基坑施工方案安全评审知识库以及自动安全评审方法 | |
| CN103530818B (zh) | 一种基于brb系统的供水管网建模方法 | |
| CN105626009A (zh) | 一种缝洞型碳酸盐岩油藏单井注水替油效果定量评价方法 | |
| CN104794361A (zh) | 一种水驱油藏开发效果综合评价方法 | |
| CN111797364B (zh) | 一种基于复合云模型的滑坡多层次安全评价方法 | |
| CN103198354B (zh) | 一种利用bp神经网络与非支配排序遗传算法nsga2实现油田抽油机采油节能增产优化方法 | |
| CN104018831A (zh) | 一种压裂井储层评价方法 | |
| CN113326660B (zh) | 基于GA-XGBoost模型的隧道围岩挤压变形预测方法 | |
| CN114969953B (zh) | 基于CatBoost-NSGA-Ⅲ的盾构下穿隧道优化设计方法及设备 | |
| CN109345029A (zh) | 一种基于改进Topsis法的隧道施工优选方法 | |
| CN107122860A (zh) | 基于网格搜索和极限学习机的冲击地压危险等级预测方法 | |
| CN107578152B (zh) | 一种多分支水平井瓦斯抽采方案的评价方法 | |
| CN107491846A (zh) | 采用类比法对煤炭资源进行概略技术经济评价的方法 | |
| CN107038516A (zh) | 一种中渗复杂断块油藏水驱开发效果定量评价方法 | |
| CN107358363A (zh) | 基于径向基函数神经网络组合模型的煤工发病率预测方法 | |
| CN112541571A (zh) | 基于双并联神经网络的机器学习的注采连通性确定方法 | |
| CN103353295B (zh) | 一种精确预测大坝坝体垂直变形量的方法 | |
| CN104881707A (zh) | 一种基于集成模型的烧结能耗预测方法 | |
| Liu et al. | Prediction of water inrush through coal floors based on data mining classification technique | |
| CN107609729A (zh) | 一种层次分析结构模型的工作面开采安全性评价方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20171128 Termination date: 20210505 |