CN105512758A - 油气井产量预测方法及其装置 - Google Patents
油气井产量预测方法及其装置 Download PDFInfo
- Publication number
- CN105512758A CN105512758A CN201510868030.9A CN201510868030A CN105512758A CN 105512758 A CN105512758 A CN 105512758A CN 201510868030 A CN201510868030 A CN 201510868030A CN 105512758 A CN105512758 A CN 105512758A
- Authority
- CN
- China
- Prior art keywords
- gas well
- value
- oil
- yield data
- prediction
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 222
- 238000004519 manufacturing process Methods 0.000 claims abstract description 215
- 230000007423 decrease Effects 0.000 claims abstract description 168
- 238000011084 recovery Methods 0.000 claims description 85
- 230000003247 decreasing effect Effects 0.000 claims description 11
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 230000003455 independent Effects 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 abstract description 3
- 230000008569 process Effects 0.000 description 16
- 238000010187 selection method Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 239000011159 matrix material Substances 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 6
- 238000013499 data model Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 239000003129 oil well Substances 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000008034 disappearance Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008521 reorganization Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Animal Husbandry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Mining & Mineral Resources (AREA)
- General Health & Medical Sciences (AREA)
- Marine Sciences & Fisheries (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种油气井产量预测方法及其装置,该方法包括:获得多个历史生产时间内的实际有效油气井产量数据;利用该实际有效油气井产量数据,分别通过双曲递减方法、指数递减方法及曲线拟合方法分别对至少一个历史生产时间和未来生产时间的油气井产量进行预测;根据得到多种预测有效油气井产量数据及所述实际有效油气井产量数据,计算得到上述三种方法的预测结果残差平方和;选择其中最小预测结果残差平方和,将得到该最小预测结果残差平方和的方法得到的未来生产时间的油气井产量数据作为最终油气井产量预测结果。本发明通过残差评优从三种预测方法的结果中选择出准确度最高的油气产量预测结果。
Description
技术领域
本发明涉及石油与天然气开采领域,尤其涉及一种油气井产量预测方法及其装置。
背景技术
在油田实际生产过程中,产量是工作人员最为关心的数据。对产量进行预测,有助于指导生产和进行决策分析,所以产量预测方法一直备受油田工作人员的关注。
然而,目前的产量预测算法多是采用单一的数据模型来进行预测。由于现有的产量预测模型不够完备,所以油气产量预测精度都不高,急需提高。
因此,如何针对油田这个特殊的行业制订一套完整的产量预测模型及相应的方法是急需要解决的关键技术问题。
发明内容
本发明提供一种油气井产量预测方法及其装置,以解决现有技术中的一项或多项缺失。
本发明提供一种油气井产量预测方法,所述方法包括:获得多个历史生产时间内的实际有效油气井产量数据;利用所述实际有效油气井产量数据,通过双曲递减方法分别对至少一个所述历史生产时间和未来生产时间的油气井产量进行预测,得到所述历史生产时间的第一预测有效油气井产量数据和所述未来生产时间的第一油气井产量数据;利用所述实际有效油气井产量数据,通过指数递减方法分别对至少一个所述历史生产时间和未来生产时间的油气井产量进行预测,得到所述历史生产时间的第二预测有效油气井产量数据和所述未来生产时间的第二油气井产量数据;利用所有所述实际有效油气井产量数据,通过曲线拟合方法分别对至少一个所述历史生产时间和未来生产时间的油气井产量进行预测,得到所述历史生产时间的第三预测有效油气井产量数据和所述未来生产时间的第三油气井产量数据;根据所述第一预测有效油气井产量数据、所述第二预测有效油气井产量数据、所述第三预测有效油气井产量数据及所述实际有效油气井产量数据,计算得到双曲递减方法预测结果残差平方和、指数递减方法预测结果残差平方和及曲线拟合方法预测结果残差平方和;选择所述双曲递减方法预测结果残差平方和、所述指数递减方法预测结果残差平方和及所述曲线拟合方法预测结果残差平方和中的最小预测结果残差平方和,将得到该最小预测结果残差平方和的方法得到的未来生产时间的油气井产量数据作为最终油气井产量预测结果。
一个实施例中,利用所述实际有效油气井产量数据,通过双曲递减方法分别对至少一个所述历史生产时间和未来生产时间的油气井产量进行预测,得到所述历史生产时间的第一预测有效油气井产量数据和所述未来生产时间的第一油气井产量数据,包括:将双曲递减模型转换为第一线性模型,所述第一线性模型包含第一位置参数A1和第二位置参数B1,所述第一线性模型中的自变量是生产时间和变化参数C1的函数;将所述变化参数C1设定为一常数值C0,C0为正整数,最大设定值≥C0≥最小设定值;根据所述变化参数C1的值和所述实际有效油气井产量数据,计算得到至少一组所述第一线性模型的自变量-变量数据,并利用所有所述自变量-变量数据对所述第一线性模型进行线性拟合,获得所述第一位置参数A1的值和所述第二位置参数B1的值;判断所述第二位置参数B1的值是否在一双曲递减模型标准值范围内,若是,则根据所有所述自变量-变量数据计算所述第一线性模型中的自变量和变量的相关系数;判断所述相关系数的绝对值是否高于一设定拟合程度值,若是,则将所述常数值C0作为所述变化参数C1的值;将所述常数值、第一位置参数A1的值和第二位置参数B1的值输入至所述第一线性模型,并根据所述第一线性模型计算得到所述第一预测有效油气井产量数据和所述第一油气井产量数据。
一个实施例中,所述方法还包括:如果所述第二位置参数B1的值不在所述双曲递减模型标准值范围内,则更新变化参数C1的值,直到更新后的变化参数C1的值所对应的第二位置参数B1的值在所述双曲递减模型标准值范围内或[最小设定值,最大设定值]范围内的所有整数被变化参数C1更新使用过。
一个实施例中,所述方法还包括:当所述相关系数的绝对值不高于所述设定拟合程度值时,则更新变化参数C1的值,直到所述相关系数的绝对值高于所述设定拟合程度值或[最小设定值,最大设定值]范围内的所有整数被变化参数C1更新使用过。
一个实施例中,所述方法还包括:当所述第二位置参数B1的值在所述双曲递减模型标准值范围内且判断所述相关系数的绝对值不高于所述设定拟合程度值时,记录所述相关系数的绝对值,并更新变化参数C1的值,直到[最小设定值,最大设定值]范围内的所有整数被变化参数C1更新使用过;比较所有记录的相关系数的绝对值,并从中选取最大的绝对值,将所述最大的绝对值所对应的变化参数C1的值用于计算所述双曲递减预测结果。
一个实施例中,利用所述实际有效油气井产量数据,通过指数递减方法分别对至少一个所述历史生产时间和未来生产时间的油气井产量进行预测,包括:将指数递减模型转换为第二线性模型,所述第二线性模型包含第三位置参数A2和第四位置参数B2;利用所述实际有效油气井产量数据,计算得到至少一组所述第二线性模型的自变量-变量数据,并利用所有所述自变量-变量数据对所述第二线性模型进行线性拟合,获得所述第三位置参数A2的值和所述第四位置参数B2的值;判断所述第四位置参数B2的值是否在一指数递减模型标准值范围内,若是,则将所述第三位置参数A2的值和所述第四位置参数B2的值输入至所述第二线性模型,并根据所述第二线性模型计算得到所述第二预测有效油气井产量数据和所述第二油气井产量数据。
一个实施例中,所述曲线拟合方法为三阶多项式最小二乘拟合方法。
一个实施例中,根据所述第一预测有效油气井产量数据、所述第二预测有效油气井产量数据、所述第三预测有效油气井产量数据及所述实际有效油气井产量数据,计算得到双曲递减方法预测结果残差平方和、指数递减方法预测结果残差平方和及曲线拟合方法预测结果残差平方和,包括:根据所述第一预测有效油气井产量数据和所述实际有效油气井产量数据,计算得到所述双曲递减方法预测结果残差平方和;根据所述第二预测有效油气井产量数据和所述实际有效油气井产量数据,计算得到所述指数递减方法预测结果残差平方和;根据所述第三预测有效油气井产量数据和所述实际有效油气井产量数据,计算得到所述曲线拟合方法预测结果残差平方和。
一个实施例中,所述第一线性模型为:
Y=A1-B1X,X=ln(C1+t),Y=lnQ(t),
其中,Y和X分别是所述第一线性模型的变量和自变量;A1、B1及C1分别是所述第一位置参数、所述第二位置参数及所述变化参数;T是生产时间;Q(T)是生产时间T的有效油气井产量数据;所述双曲递减模型标准值范围为第二位置参数B1>0。
一个实施例中,所述第二线性模型为:
Y=A2-B2X,X=t,Y=lnQ(t),
其中,Y和X分别是所述第二线性模型的变量和自变量;A2和B2分别是所述第三位置参数和所述第四位置参数;t是生产时间;Q(t)是生产时间t的有效油气井产量数据;所述指数递减模型标准值范围为第四位置参数B2>0。
本发明还提供一种油气井产量预测装置,所述装置包括:历史产量数据获取单元,用于获得多个历史生产时间内的实际有效油气井产量数据;双曲递减产量预测单元,用于利用所述实际有效油气井产量数据,通过双曲递减方法分别对至少一个所述历史生产时间和未来生产时间的油气井产量进行预测,得到所述历史生产时间的第一预测有效油气井产量数据和所述未来生产时间的第一油气井产量数据;指数递减产量预测单元,用于利用所述实际有效油气井产量数据,通过指数递减方法分别对至少一个所述历史生产时间和未来生产时间的油气井产量进行预测,得到所述历史生产时间的第二预测有效油气井产量数据和所述未来生产时间的第二油气井产量数据;曲线拟合产量预测单元,用于利用所有所述实际有效油气井产量数据,通过曲线拟合方法分别对至少一个所述历史生产时间和未来生产时间的油气井产量进行预测,得到所述历史生产时间的第三预测有效油气井产量数据和所述未来生产时间的第三油气井产量数据;残差平方和生成单元,用于根据所述第一预测有效油气井产量数据、所述第二预测有效油气井产量数据、所述第三预测有效油气井产量数据及所述实际有效油气井产量数据,计算得到双曲递减方法预测结果残差平方和、指数递减方法预测结果残差平方和及曲线拟合方法预测结果残差平方和;最终产量预测结果生成单元,用于选择所述双曲递减方法预测结果残差平方和、所述指数递减方法预测结果残差平方和及所述曲线拟合方法预测结果残差平方和中的最小预测结果残差平方和,将得到该最小预测结果残差平方和的方法得到的未来生产时间的油气井产量数据作为最终油气井产量预测结果。
一个实施例中,所述双曲递减产量预测单元,包括:第一线性模型建立模块,用于将双曲递减模型转换为第一线性模型,所述第一线性模型包含第一位置参数A1和第二位置参数B1,所述第一线性模型中的自变量是生产时间和变化参数C1的函数;变化参数值设定模块,用于将所述变化参数C1设定为一常数值C0,C0为正整数,最大设定值≥C0≥最小设定值;双曲递减位置参数值生成模块,用于根据所述变化参数C1的值和所述实际有效油气井产量数据,计算得到至少一组所述第一线性模型的自变量-变量数据,并利用所有所述自变量-变量数据对所述第一线性模型进行线性拟合,获得所述第一位置参数A1的值和所述第二位置参数B1的值;相关系数生成模块,用于判断所述第二位置参数B1的值是否在一双曲递减模型标准值范围内,若是,则根据所有所述自变量-变量数据计算所述第一线性模型中的自变量和变量的相关系数;变化参数值确定模块,用于判断所述相关系数的绝对值是否高于一设定拟合程度值,若是,则将所述常数值C0作为所述变化参数C1的值;双曲递减产量预测模块,用于将所述常数值、第一位置参数A1的值和第二位置参数B1的值输入至所述第一线性模型,并根据所述第一线性模型计算得到所述第一预测有效油气井产量数据和所述第一油气井产量数据。
一个实施例中,所述装置还包括:第一变化参数值更新模块,用于如果所述第二位置参数B1的值不在所述双曲递减模型标准值范围内,则更新变化参数C1的值,直到更新后的变化参数C1的值所对应的第二位置参数B1的值在所述双曲递减模型标准值范围内或[最小设定值,最大设定值]范围内的所有整数被变化参数C1更新使用过。
一个实施例中,所述装置还包括:第二变化参数值更新模块,用于当所述相关系数的绝对值不高于所述设定拟合程度值时,则更新变化参数C1的值,直到所述相关系数的绝对值高于所述设定拟合程度值或[最小设定值,最大设定值]范围内的所有整数被变化参数C1更新使用过。
一个实施例中,所述装置还包括:第三变化参数值更新模块,用于当所述第二位置参数B1的值在所述双曲递减模型标准值范围内且判断所述相关系数的绝对值不高于所述设定拟合程度值时,记录所述相关系数的绝对值,并更新变化参数C1的值,直到[最小设定值,最大设定值]范围内的所有整数被变化参数C1更新使用过;变化参数重新确定模块,用于比较所有记录的相关系数的绝对值,并从中选取最大的绝对值,将所述最大的绝对值所对应的变化参数C1的值用于计算所述双曲递减预测结果。
一个实施例中,所述指数递减产量预测单元,包括:第二线性模型建立模块,用于将指数递减模型转换为第二线性模型,所述第二线性模型包含第三位置参数A2和第四位置参数B2;指数递减位置参数值生成模块,用于利用所述实际有效油气井产量数据,计算得到至少一组所述第二线性模型的自变量-变量数据,并利用所有所述自变量-变量数据对所述第二线性模型进行线性拟合,获得所述第三位置参数A2的值和所述第四位置参数B2的值;指数递减产量预测模块,用于判断所述第四位置参数B2的值是否在一指数递减模型标准值范围内,若是,则将所述第三位置参数A2的值和所述第四位置参数B2的值输入至所述第二线性模型,并根据所述第二线性模型计算得到所述第二预测有效油气井产量数据和所述第二油气井产量数据。
一个实施例中,所述曲线拟合产量预测单元用于执行三阶多项式最小二乘拟合方法。
一个实施例中,所述残差平方和生成单元,包括:双曲递减残差平方和生成模块,用于根据所述第一预测有效油气井产量数据和所述实际有效油气井产量数据,计算得到所述双曲递减方法预测结果残差平方和;指数递减残差平方和生成模块,用于根据所述第二预测有效油气井产量数据和所述实际有效油气井产量数据,计算得到所述指数递减方法预测结果残差平方和;曲线拟合残差平方和生成模块,用于根据所述第三预测有效油气井产量数据和所述实际有效油气井产量数据,计算得到所述曲线拟合方法预测结果残差平方和。
本发明的油气井产量预测方法及装置,能够针对目前现有技术中的问题,即油气井产量预测结果大多采用单一的预测方法或数据模型来进行预测,而每一预测方法或数据模型的预测精确度都有待提高,易导致预测结果与实际情况偏差较大,通过三种预测方法分别预测油气井产量,再通过残差评优方法找出三种预测结果中的准确性最高的一个,所得到的最终油气井产量预测结果综合考虑了三种预测方法的预测结果,可以更准确的指导油田配产和决策分析。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。在附图中:
图1是本发明一实施例的油气井产量预测方法的流程示意图;
图2是本发明一实施例中通过双曲递减方法预测油气井产量数据的流程示意图;
图3是本发明一实施例中通过双曲递减方法预测油气井产量数据的流程示意图;
图4是本发明一实施例中通过指数递减方法预测油气井产量数据的流程示意图;
图5是本发明一实施例中通过指数递减方法预测油气井产量数据的流程示意图;
图6是本发明一实施例中通过曲线拟合方法预测油气井产量数据的流程示意图;
图7是本发明一实施例中残差评优方法的流程示意图;
图8是本发明一实施例的油气井产量预测装置的结构示意图;
图9是本发明一实施例中双曲递减产量预测单元的结构示意图;
图10是本发明一实施例中指数递减产量预测单元的结构示意图;
图11是本发明一实施例中残差平方和生成单元的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚明白,下面结合附图对本发明实施例做进一步详细说明。在此,本发明的示意性实施例及其说明用于解释本发明,但并不作为对本发明的限定。
本发明提供一种油气井产量预测方法,该方法首先分别通过双曲递减方法、指数递减方法及曲线拟合方法对油气井产量进行预测,得到三种预测结果,然后通过残差评优方法从三种预测结果中挑选出最佳的预测结果作为最终油气井产量预测结果。值得预先说明的是,本发明各实施例中的油气井产量数据可以指油井的油产量数据或者气井的气产量数据。本发明各实施例适用于各种生产井,对于具体生产井的产出物可不作限定。
图1是本发明一实施例的油气井产量预测方法的流程示意图。如图1所示,油气井产量预测方法,可包括步骤:
S110:获得多个历史生产时间内的实际有效油气井产量数据;
S120:利用所述实际有效油气井产量数据,通过双曲递减方法分别对至少一个所述历史生产时间和未来生产时间的油气井产量进行预测,得到所述历史生产时间的第一预测有效油气井产量数据和所述未来生产时间的第一油气井产量数据;
S130:利用所述实际有效油气井产量数据,通过指数递减方法分别对至少一个所述历史生产时间和未来生产时间的油气井产量进行预测,得到所述历史生产时间的第二预测有效油气井产量数据和所述未来生产时间的第二油气井产量数据;
S140:利用所有所述实际有效油气井产量数据,通过曲线拟合方法分别对至少一个所述历史生产时间和未来生产时间的油气井产量进行预测,得到所述历史生产时间的第三预测有效油气井产量数据和所述未来生产时间的第三油气井产量数据;
S150:根据所述第一预测有效油气井产量数据、所述第二预测有效油气井产量数据、所述第三预测有效油气井产量数据及所述实际有效油气井产量数据,计算得到双曲递减方法预测结果残差平方和、指数递减方法预测结果残差平方和及曲线拟合方法预测结果残差平方和;
S160:选择所述双曲递减方法预测结果残差平方和、所述指数递减方法预测结果残差平方和及所述曲线拟合方法预测结果残差平方和中的最小预测结果残差平方和,将得到该最小预测结果残差平方和的方法得到的未来生产时间的油气井产量数据作为最终油气井产量预测结果。
目前的油气井产量预测结果大多采用单一的预测方法或数据模型来进行预测,而每一预测方法或数据模型的预测精确度都有待提高,这易导致预测结果与实际情况偏差较大。本发明实施例,针对现有技术的缺陷,通过三种预测方法分别预测油气井产量,再通过残差评优方法找出三种预测结果中的准确性最高的一个,所得到的最终油气井产量预测结果综合考虑了三种预测方法的预测结果,可以更准确的指导油田配产和决策分析。
图2是本发明一实施例中通过双曲递减方法预测油气井产量数据的流程示意图。如图2所示,在上述步骤S120中,利用所述实际有效油气井产量数据,通过双曲递减方法分别对至少一个所述历史生产时间和未来生产时间的油气井产量进行预测的方法,可包括步骤:
S121:将双曲递减模型转换为第一线性模型,所述第一线性模型包含第一位置参数A1和第二位置参数B1,所述第一线性模型中的自变量是生产时间和变化参数C1的函数;
S122:将所述变化参数C1设定为一常数值C0,C0为正整数,最大设定值≥C0≥最小设定值;
S123:根据所述变化参数C1的值和所述实际有效油气井产量数据,计算得到至少一组所述第一线性模型的自变量-变量数据,并利用所有所述自变量-变量数据对所述第一线性模型进行线性拟合,获得所述第一位置参数A1的值和所述第二位置参数B1的值;
S124:判断所述第二位置参数B1的值是否在一双曲递减模型标准值范围内,若是,则根据所有所述自变量-变量数据计算所述第一线性模型中的自变量和变量的相关系数;
S125:判断所述相关系数的绝对值是否高于一设定拟合程度值,若是,则将所述常数值C0作为所述变化参数C1的值;
S126:将所述常数值、第一位置参数A1的值和第二位置参数B1的值输入至所述第一线性模型,并根据所述第一线性模型计算得到所述第一预测有效油气井产量数据和所述第一油气井产量数据。
本发明实施例中,通过判断所述第二位置参数B1的值是否在一双曲递减模型标准值范围内可以剔除明显不准确的预测结果,通过判断所述相关系数的绝对值是否高于一设定拟合程度值可以选择预测结果较佳的双曲递减模型,从而得到较佳的双曲递减产量预测结果。
在上述步骤S121中,该双曲递减模型例如为:
其中,t表示生产时间变量,Q(t)表示第t个生产时间的产量,ai、Qi及N为可设置的常数。
将公式(1)所示的双曲递减模型转换为第一线性模型,可首先通过对该双曲递减模型的两端分别取自然对数,得到:
在公式(2)中,因为ai、Qi及N为可设置的常数,所以可将视为常数。令B1=N,则公式(2)可转换为:
lnQ(t)=A1-B1ln(C1+t),(3)
进一步,令Y=lnQ(t),X=ln(C1+t),将公式(3)转换为:
Y=A1-B1X,(4)
公式(4)可为上述第一线性模型,其中,自变量X=ln(C1+t),变量Y=lnQ(t),A1为上述第一位置参数,B1为上述第二位置参数,公式(3)中的C1为上述变化参数。
依据上述步骤S122可将变化参数C1赋予常数值C0。常数值C0为正整数,最大设定值≥C0≥最小设定值,其中,该最大设定值例如为5000,该最小设定值例如为2。
设定变化参数C1的值后,可以根据在上述步骤S110中获取的实际有效油气井产量数据(ti,Q(ti)),得到一组自变量-变量数据(Xi,Yi),其中,i为正整数。通过改组自变量-变量数据(Xi,Yi)对公式(4)进行线性拟合,从而得到第一位置参数A1和第二位置参数B1的值。拟合得到的第一位置参数A1和第二位置参数B1也可以通过如下公式计算得到:
其中,和分别为根据n组上述自变量-变量数据(Xi,Yi)得到的自变量数据平均值和变量数据平均值。
由此可以得到,对于变化参数C1设定为某一值时的第一线性模型的拟合结果,根据拟合结果可以得到其他生产时间所对应的(X,Y)数据,进而根据Y=lnQ(t)和X=ln(C1+t)关系式,可以求得其他生产时间t对应的油气井产量数据。
进一步,可以依据上述步骤S124判断该变化参数C1设定该值时该双曲递减模型的产量预测准确性。具体的,例如,判断该变化参数C1的值所对应的第二位置参数B1的值是否在一双曲递减模型标准值范围内。例如,当B1≤0时,则认为该变化参数C1的值所对应的双曲递减模型不满足标准,预测结果不可用;当B1>0时,则可认为该变化参数C1的值所对应的双曲递减模型满足标准,但预测结果是否可用尚需通过自变量X和变量Y的相关系数进一步判断。
在上述步骤S124中,自变量X和变量Y的相关系数的绝对值可为:
其中,γ是自变量X和变量Y的相关系数。
在上述步骤S125中,判断该相关系数的绝对值是否高于一设定拟合程度值,例如|γ|>0.95时,可认为拟合结果较好,该相关系数下可以对应一组第一位置参数A1、第二位置参数B1及变化参数C1的值。该变化参数C1的值所对应的双曲递减模型的预测结果满足要求,可将此时的双曲递减模型对上述历史生产时间和上述未来生产时间的产量预测结果作为最终的双曲递减方法的产量预测结果。
本发明实施例中,通过进一步判断所述相关系数的绝对值是否高于一设定拟合程度值,可以得到更好地双曲递减方法的产量预测结果。
更佳的实施例中,可以更新变化参数C1的值,如果按上述方法得到的相关系数的绝对值更高,则可将新的产量预测结果作为双曲递减方法的产量预测结果。
一个实施例中,在上述步骤S124中,判断所述第二位置参数B1的值是否在一双曲递减模型标准值范围内时,如果否,可以认为该变化参数C1的值对应的双曲递减模型不满足要求,则弃用。此时,图2所示的方法可进一步包括步骤:
S127:如果所述第二位置参数B1的值不在所述双曲递减模型标准值范围内,则更新变化参数C1的值,直到更新后的变化参数C1的值所对应的第二位置参数B1的值在所述双曲递减模型标准值范围内或[最小设定值,最大设定值]范围内的所有整数被变化参数C1更新使用过。
本发明实施例中,通过选择不同的变化参数C1的值,可以剔除明显不满足要求的双曲递减模型,并寻找满足要求的双曲递减模型,以提高双曲递减方法的预测产量的准确度。若最终选用了双曲递减方法预测结果作为油气井产量的最终预测结果,则可进一步提高本发明预测方法的准确度。
一个实施例中,在上述步骤S125中,判断所述相关系数的绝对值是否高于上述设定拟合程度值,若否,则可通过更新变化参数C1的值,进一步寻找高于该设定拟合程度值的相关系数绝对值及其对应的双曲递减模型。图2所示的方法可进一步包括步骤:
S128:当所述相关系数的绝对值不高于所述设定拟合程度值时,则更新变化参数C1的值,直到所述相关系数的绝对值高于所述设定拟合程度值或[最小设定值,最大设定值]范围内的所有整数被变化参数C1更新使用过。
本发明实施例,通过更新变化参数C1的值,可以寻找符合要求的相关系数的绝对值,进而可以寻找产量预测结果准确度较高的双曲递减模型。
一个实施例中,通过上述步骤S124判断所述第二位置参数B1的值是否在一双曲递减模型标准值范围内,且通过上述步骤S125判断所述相关系数的绝对值是否高于上述设定拟合程度值,若第二位置参数B1的值在上述双曲递减模型标准值范围内且判断相关系数的绝对值不高于上述设定拟合程度值,则可更新变化参数C1的值。图2所示的方法可包括步骤:
S129:当所述第二位置参数B1的值在所述双曲递减模型标准值范围内且判断所述相关系数的绝对值不高于所述设定拟合程度值时,记录所述相关系数的绝对值,并更新变化参数C1的值,直到[最小设定值,最大设定值]范围内的所有整数被变化参数C1更新使用过;
S1210:比较所有记录的相关系数的绝对值,并从中选取最大的绝对值,将所述最大的绝对值所对应的变化参数C1的值用于计算所述双曲递减预测结果。
本发明实施例,通过更新变化参数C1的值,可在所有满足模型标准要求且不满足相关系数的绝对值不高于设定拟合程度值的双曲递减模型中寻找出预测结果准确度相对较高的双曲递减模型,从而尽可能得到较好的双曲递减方法产量预测结果。
图3是本发明一实施例中通过双曲递减方法预测油气井产量数据的流程示意图。如图3所示,以油井为例,以“天”作为上述生产时间。首先,读取当前日期往前5天(可为其他天数)的油井产量数据,并从中挑选出有效油产量数据(不为零或空)。如果没有有效油产量数据,则不进行油产量预测,如果有有效油产量数据,则以其中一个有效油产量数据所对应日期为基准(例如据当前日期m天),往前进一步读取90天(可为其他天数)的油产量数据(tn,Q(tn)),tn代表生产时间,Q(tn)代表第tn天的油产量,n为整数,n∈[1,90],若以最早油产量数据的日期开始计算,则tn=n。剔除90天油产量数据中为零或空的无效油产量数据。
接下来,为变化参数C1设定一个常数值,例如C1=2,并利用该变化参数C1的值和所有90天内的有效油产量数据,得到第一线性模型Y=A1-B1X。
之后,更新变化参数C1的值,直到变化参数C1例如为5000,或者直到相关系数的绝对值大于0.95,或者从所有小于0.95的相关系数绝对值中找出最大相关系数绝对值。
最后,利用大于0.95的相关系数绝对值所对应的双曲递减模型或者该最大相关系数绝对值所对应的双曲递减模型,计算未来生产时间的油产量,例如预测第一天t=m+90(当前日期)、第二天t=m+91、第三天t=m+92、第四天t=m+93、第五天t=m+94。还可以一同预测其他各生产时间/生产日期的油产量。
图4是本发明一实施例中通过指数递减方法预测油气井产量数据的流程示意图。如图4所示,在上述步骤S130中,利用所述实际有效油气井产量数据,通过指数递减方法分别对至少一个所述历史生产时间和未来生产时间的油气井产量进行预测的方法,可包括步骤:
S131:将指数递减模型转换为第二线性模型,所述第二线性模型包含第三位置参数A2和第四位置参数B2;
S132:利用所述实际有效油气井产量数据,计算得到至少一组所述第二线性模型的自变量-变量数据,并利用所有所述自变量-变量数据对所述第二线性模型进行线性拟合,获得所述第三位置参数A2的值和所述第四位置参数B2的值;
S133:判断所述第四位置参数B2的值是否在一指数递减模型标准值范围内,若是,则将所述第三位置参数A2的值和所述第四位置参数B2的值输入至所述第二线性模型,并根据所述第二线性模型计算得到所述第二预测有效油气井产量数据和所述第二油气井产量数据。
本发明实施例,通过判断所述第四位置参数B2的值是否在一指数递减模型标准值范围内,在指数递减方法预测结果明显不准确时,可以避免采用不满足指数递减模型标准的油气产量预测结果,还可以简化后续的残差评优过程。
在上述步骤S131中,该指数递减模型可为:
Q(t)=eA2e-B2t,(8)
其中,Q(t)为油气产量,t为生产时间,A2为第三位置参数,B2是第四位置参数。
对上述指数地建模型两端分别取自然对数,得到:
lnQ(t)=A2-B2t。(9)
进一步,令X=t,Y=lnQ(t),可将公式(9)转换为:
Y=A2-B2X,(10)
公式(10)即可为上述第二线性模型,其中,自变量X=t,变量Y=lnQ(t)。
利用在上述步骤S110中获取的实际有效油气井产量数据代入到X=t,Y=lnQ(t)中,可以得到至少一组自变量-变量数据(Xi,Yi),i为正整数,i≤n。
在上述步骤S132中,利用上述多个自变量-变量数据对第二线性模型进行线性拟合,可以得到第三位置参数A2的值和第四位置参数B2的值。
在上述步骤S133中,判断所述第四位置参数B2的值是否在一指数递减模型标准值范围内,如果否,例如,B2≥0,则说明上述有效油气产量数据不适合指数递减模型;如果是,例如,B2<0,则将得到的第三位置参数A2的值和第四位置参数B2的值代入到指数预测模型,即公式(8)中,计算出带预测生产时间的油气产量数据。
图5是本发明一实施例中通过指数递减方法预测油气井产量数据的流程示意图。如图5所示,以油井为例,以“天”为单位生产时间。首先判断当前日期往前5天的油产量数据中是否含有有效油产量数据,如果没有,则不进行油产量预测;如果有,则以其中一天的有效油产量数据所在生产时间为基准,收集该基准时间往前例如89天的油产量数据,包括该基准生产时间的油产量数据,可得到例如90组油产量数据。剔除上述90组油产量数据中为零或空的油产量数据,例如剩下m个有效油产量数据,其中,m>1,m为正整数,将这些有效油产量数据的时间变量设为xi,将产量数据变量设为yi,其中,i=1、2、……m。
接下来,利用上述m组数据(xi,yi)对上述第二线性模型进行拟合,或者通过公式计算可得到第三位置参数A2和第四位置参数B2的值,计算公式可为:
其中,为m个数据xi的平均值,为m个数据yi的平均值。
最后,通过指数递减模型的公式(8)可计算得到各生产时间/天的油产量数据,生产时间t的具体数值可视需要及所使用有效产量数据的量确定,均可得到同等的最终预测结果。
本发明实施例,在上述步骤S140中,利用曲线拟合预测油气产量数据,可以是多种最小二乘拟合方法,例如三阶或四阶多项式最小二乘拟合方法。通过多次曲线拟合对比,发现,三阶多项式最小二乘拟合方法在各种最小二乘拟合方法能够取得较佳的效果。
图6是本发明一实施例中通过曲线拟合方法预测油气井产量数据的流程示意图。如图6所示,以油井为例,以“天”为单位生产时间。首先判断当前日期之前最近5天是否存在有效数据,如果没有,则不进行预测;如果有,则以其中一个有效产量数据所对应的生产时间为基准,往前继续收集例如30天的产量数据,并剔除其中为零或空的数据,剩余m个有效产量数据(xr,yr),其中,xr为有效产量数据的时间变量,yr为有效产量数据的产量值。之后,判断有效产量数据的数量m是否小于例如15,若是则不进行产量预测,若否,则利用三阶多项式最小二乘拟合方法对未来生产时间的产量数据进行预测。
利用三阶多项式最小二乘拟合方法对未来生产时间的产量数据进行预测时,首先,建立矩阵A=(ai,j)4*4,设a为矩阵的元素变量,i表示矩阵A的行,i=1、2、3或4,j表示矩阵A的列,j=1、2、3或4;建立矩阵B=(bi)4*1,其中,b为矩阵B的元素变量,i表示矩阵B的行,i=1、2、3或4。可以得到求和公式:
然后,利用矩阵LU分解算法求取多项式(产量数据)Q(t)=h1t3+h2t2+h3t1+h4的生产时间t各阶变量的系数h1、h2、h3及h4。
具体地,用i表示行,j表示列,n=4表示拟合变量的个数。对于上述各求和公式,当求和符号的上端参数r2小于下端参数r1,即r2<r1时,令求和式的值为零,即其中求和号中的括号仅用于表示可以包含多种情况,可以填入多种表达式。
第1步:第k步消元分解,其中k=1、2、…、n-1,利用j表示计数变量
对于i=k、k+1、…、4,计算若则对于j=1、2、…、n进行交换,即对于j=k、k+1、…、n,置 对于i=k、k+1、…、n,置
第2步:置bn=bn/ann,对于k=n-1、…、1,置
第3步:输出变量h=(h1,h2,h3,h4,)T=b,计算结束。
最终得到,三阶多项式拟合函数F(t)=h1t3+h2t2+h3t1+h4,其中,t与xr具有相同的意义,代表单位生产时间变量;F(t)与yr具有相同的意义,代表产量变量。其中,h1,h2,h3,h4已经通过如上步骤求得;设获取的最早的数据的时间为t=1,公式里面的t为预测日距离该天的时间差,从而可预测得到多天的产量数据。
值得说明的是,本发明实施例中的上述多项式最小二乘方法为本领域技术人员所知的方法,区别在于,此处是用于油气产量的预测,结合符号说明,本领域技术人员能够得知,如何通过上述多项式最小二乘方法预测油气产量数据。
图7是本发明一实施例中残差评优方法的流程示意图。如图7所示,在上述步骤S150中,根据所述第一预测有效油气井产量数据、所述第二预测有效油气井产量数据、所述第三预测有效油气井产量数据及所述实际有效油气井产量数据,计算得到双曲递减方法预测结果残差平方和、指数递减方法预测结果残差平方和及曲线拟合方法预测结果残差平方和,可包括步骤:
S151:根据所述第一预测有效油气井产量数据和所述实际有效油气井产量数据,计算得到所述双曲递减方法预测结果残差平方和;
S152:根据所述第二预测有效油气井产量数据和所述实际有效油气井产量数据,计算得到所述指数递减方法预测结果残差平方和;
S153:根据所述第三预测有效油气井产量数据和所述实际有效油气井产量数据,计算得到所述曲线拟合方法预测结果残差平方和。
本发明实施例中,步骤S151~S153均利用了实际有效油气井产量数据计算残差平方和,但每个步骤中所实际利用的实际有效油气井产量数据的个数可有所不同,因为通过不同的方法预测油气井产量数据,所需的数据量可不同。本发明实施例中的残差评优方法,能够有效选出最佳的油气产量预测结果。
例如,已获取当前日期往前n组实际有效油气井产量数据yi,利用双曲递减方法、指数递减方法或者曲线拟合方法预测得到与上述实际有效油气井产量数据yi对应的预测油气井产量数据则上述三种方法的预测结果的残差平方和可表示为:
其中,RSS为双曲递减方法产量预测结果、指数递减方法产量预测结果或者曲线拟合方法产量预测结果的残差平方和,n为已由产量数据的组数,yi为实际有效油气井产量数据,为与实际有效油气井产量数据yi的生产时间对应的预测油气井产量数据。
利用本发明实施例的方法,在中国石油7家油气田进行了验证,包括:大庆油田、新疆油田、塔里木油田、西南油气田、吐哈油田、青海油田、南方勘探七家试点油田。经过一年多的试用,结果显示,预测结果完全能够指导配产,进行辅助决策分析,取得较佳的效果。
本发明实施例的油气井产量预测方法通过基于残差评优方法综合评价双曲递减、指数递减及曲线拟合三种方法的预测结果,最终可以得到准确度更高的油气产量预测结果。进一步,通过设定或更新变化参数的值筛选预测结果较好的双曲递减模型,可以得到预测结果准确度更高的双曲递减模型,从而进一步提高了最终油气井产量数据的准确度。
基于与图1所示的油气井产量预测方法相同的发明构思,本申请实施例还提供了一种油气井产量预测装置,如下面实施例所述。由于该油气井产量预测装置解决问题的原理与油气井产量预测方法相似,因此该油气井产量预测装置的实施可以参见油气井产量预测方法的实施,重复之处不再赘述。
图8是本发明一实施例的油气井产量预测装置的结构示意图。如图8所示,油气井产量预测装置,可包括:历史产量数据获取单元210、双曲递减产量预测单元220、指数递减产量预测单元230、曲线拟合产量预测单元240、残差平方和生成单元250及最终产量预测结果生成单元260,上述各单元可顺序连接。
历史产量数据获取单元210用于获得多个历史生产时间内的实际有效油气井产量数据。
双曲递减产量预测单元220用于利用所述实际有效油气井产量数据,通过双曲递减方法分别对至少一个所述历史生产时间和未来生产时间的油气井产量进行预测,得到所述历史生产时间的第一预测有效油气井产量数据和所述未来生产时间的第一油气井产量数据。
指数递减产量预测单元230用于利用所述实际有效油气井产量数据,通过指数递减方法分别对至少一个所述历史生产时间和未来生产时间的油气井产量进行预测,得到所述历史生产时间的第二预测有效油气井产量数据和所述未来生产时间的第二油气井产量数据。
曲线拟合产量预测单元240用于利用所有所述实际有效油气井产量数据,通过曲线拟合方法分别对至少一个所述历史生产时间和未来生产时间的油气井产量进行预测,得到所述历史生产时间的第三预测有效油气井产量数据和所述未来生产时间的第三油气井产量数据。
残差平方和生成单元250用于根据所述第一预测有效油气井产量数据、所述第二预测有效油气井产量数据、所述第三预测有效油气井产量数据及所述实际有效油气井产量数据,计算得到双曲递减方法预测结果残差平方和、指数递减方法预测结果残差平方和及曲线拟合方法预测结果残差平方和。
最终产量预测结果生成单元260用于选择所述双曲递减方法预测结果残差平方和、所述指数递减方法预测结果残差平方和及所述曲线拟合方法预测结果残差平方和中的最小预测结果残差平方和,将得到该最小预测结果残差平方和的方法得到的未来生产时间的油气井产量数据作为最终油气井产量预测结果。
本发明实施例的油气井产量预测装置,能够针对现有技术的缺陷,通过三种预测方法分别预测油气井产量,再通过残差评优方法找出三种预测结果中的准确性最高的一个,综合考虑了三种预测方法的预测结果,可以更准确的指导油田配产和决策分析。
图9是本发明一实施例中双曲递减产量预测单元的结构示意图。如图9所示,上述双曲递减产量预测单元220,可包括:第一线性模型建立模块221、变化参数值设定模块222、双曲递减位置参数值生成模块223、相关系数生成模块224、变化参数值确定模块225及双曲递减产量预测模块226,上述各模块可顺序连接。
第一线性模型建立模块221用于将双曲递减模型转换为第一线性模型,所述第一线性模型包含第一位置参数A1和第二位置参数B1,所述第一线性模型中的自变量是生产时间和变化参数C1的函数。
变化参数值设定模块222用于将所述变化参数C1设定为一常数值C0,C0为正整数,最大设定值≥C0≥最小设定值。
双曲递减位置参数值生成模块223用于根据所述变化参数C1的值和所述实际有效油气井产量数据,计算得到至少一组所述第一线性模型的自变量-变量数据,并利用所有所述自变量-变量数据对所述第一线性模型进行线性拟合,获得所述第一位置参数A1的值和所述第二位置参数B1的值。
相关系数生成模块224用于判断所述第二位置参数B1的值是否在一双曲递减模型标准值范围内,若是,则根据所有所述自变量-变量数据计算所述第一线性模型中的自变量和变量的相关系数。
变化参数值确定模块225用于判断所述相关系数的绝对值是否高于一设定拟合程度值,若是,则将所述常数值C0作为所述变化参数C1的值。
双曲递减产量预测模块226用于将所述常数值、第一位置参数A1的值和第二位置参数B1的值输入至所述第一线性模型,并根据所述第一线性模型计算得到所述第一预测有效油气井产量数据和所述第一油气井产量数据。
本发明实施例中的双曲递减产量预测单元,通过判断所述第二位置参数B1的值是否在一双曲递减模型标准值范围内可以剔除明显不准确的预测结果,通过判断所述相关系数的绝对值是否高于一设定拟合程度值可以选择预测结果较佳的双曲递减模型,从而得到较佳的双曲递减产量预测结果。
一个实施例中,上述第一线性模型为:
Y=A1-B1X,X=ln(C1+t),Y=lnQ(t),
其中,Y和X分别是所述第一线性模型的变量和自变量;A1、B1及C1分别是所述第一位置参数、所述第二位置参数及所述变化参数;T是生产时间;Q(T)是生产时间T的有效油气井产量数据;所述双曲递减模型标准值范围为第二位置参数B1>0。
一个实施例中,再如图9所示,上述双曲递减产量预测单元220,还可包括:第一变化参数值更新模块227,与相关系数生成模块224及双曲递减产量预测模块226连接。
第一变化参数值更新模块227用于如果所述第二位置参数B1的值不在所述双曲递减模型标准值范围内,则更新变化参数C1的值,直到更新后的变化参数C1的值所对应的第二位置参数B1的值在所述双曲递减模型标准值范围内或[最小设定值,最大设定值]范围内的所有整数被变化参数C1更新使用过。
本发明实施例中,通过第一变化参数值更新模块选择不同的变化参数C1的值,可以剔除明显不满足要求的双曲递减模型,并寻找满足要求的双曲递减模型,以提高双曲递减方法的预测产量的准确度。若最终选用了双曲递减方法预测结果作为油气井产量的最终预测结果,则可进一步提高本发明预测方法的准确度。
又一个实施例中,再如图9所示,上述双曲递减产量预测单元220,还可包括:第二变化参数值更新模块228,与变化参数值确定模块225及双曲递减产量预测模块226连接。
第二变化参数值更新模块228用于当所述相关系数的绝对值不高于所述设定拟合程度值时,则更新变化参数C1的值,直到所述相关系数的绝对值高于所述设定拟合程度值或[最小设定值,最大设定值]范围内的所有整数被变化参数C1更新使用过。
本发明实施例,通过第二变化参数值更新模块更新变化参数C1的值,可以寻找符合要求的相关系数的绝对值,进而可以寻找产量预测结果准确度较高的双曲递减模型。
再一个实施例中,再如图9所示,上述双曲递减产量预测单元220,还可包括:第三变化参数值更新模块229和变化参数重新确定模块2210,二者相互连接,第三变化参数值更新模块229与相关系数生成模块224及变化参数值确定模块225连接,变化参数重新确定模块2210与双曲递减产量预测模块226连接。
第三变化参数值更新模块229用于当所述第二位置参数B1的值在所述双曲递减模型标准值范围内且判断所述相关系数的绝对值不高于所述设定拟合程度值时,记录所述相关系数的绝对值,并更新变化参数C1的值,直到[最小设定值,最大设定值]范围内的所有整数被变化参数C1更新使用过。
变化参数重新确定模块2210用于比较所有记录的相关系数的绝对值,并从中选取最大的绝对值,将所述最大的绝对值所对应的变化参数C1的值用于计算所述双曲递减预测结果。
本发明实施例,通过第三变化参数值更新模块更新变化参数C1的值,并通过变化参数重新确定模块在所有满足模型标准要求且不满足相关系数的绝对值不高于设定拟合程度值的双曲递减模型中寻找出预测结果准确度相对较高的双曲递减模型,从而尽可能得到较好的双曲递减方法产量预测结果。
图10是本发明一实施例中指数递减产量预测单元的结构示意图。如图10所示,上述指数递减产量预测单元230,可包括:第二线性模型建立模块231、指数递减位置参数值生成模块232及指数递减产量预测模块233,上述各模块顺序连接。
第二线性模型建立模块231用于将指数递减模型转换为第二线性模型,所述第二线性模型包含第三位置参数A2和第四位置参数B2。
指数递减位置参数值生成模块232用于利用所述实际有效油气井产量数据,计算得到至少一组所述第二线性模型的自变量-变量数据,并利用所有所述自变量-变量数据对所述第二线性模型进行线性拟合,获得所述第三位置参数A2的值和所述第四位置参数B2的值。
指数递减产量预测模块233用于判断所述第四位置参数B2的值是否在一指数递减模型标准值范围内,若是,则将所述第三位置参数A2的值和所述第四位置参数B2的值输入至所述第二线性模型,并根据所述第二线性模型计算得到所述第二预测有效油气井产量数据和所述第二油气井产量数据。
本发明实施例,通过指数递减产量预测模块判断所述第四位置参数B2的值是否在一指数递减模型标准值范围内,在指数递减方法预测结果明显不准确时,可以避免采用不满足指数递减模型标准的油气产量预测结果,还可以简化后续的残差评优过程。
一个实施例中,上述第二线性模型为:
Y=A2-B2X,X=t,Y=lnQ(t),
其中,Y和X分别是所述第二线性模型的变量和自变量;A2和B2分别是所述第三位置参数和所述第四位置参数;t是生产时间;Q(t)是生产时间t的有效油气井产量数据;所述指数递减模型标准值范围为第四位置参数B2>0。
一个实施例中,上述曲线拟合产量预测单元240用于执行三阶多项式最小二乘拟合方法。
本发明实施例,曲线拟合产量预测单元执行三阶多项式最小二乘拟合方法,比其他多项式最小二乘拟合,够取得较佳的效果。
图11是本发明一实施例中残差平方和生成单元的结构示意图。如图11所示,上述残差平方和生成单元250,可包括:双曲递减残差平方和生成模块251、指数递减残差平方和生成模块252及曲线拟合残差平方和生成模块253,上述各模块顺序连接。
双曲递减残差平方和生成模块251用于根据所述第一预测有效油气井产量数据和所述实际有效油气井产量数据,计算得到所述双曲递减方法预测结果残差平方和。
指数递减残差平方和生成模块252用于根据所述第二预测有效油气井产量数据和所述实际有效油气井产量数据,计算得到所述指数递减方法预测结果残差平方和。
曲线拟合残差平方和生成模块253用于根据所述第三预测有效油气井产量数据和所述实际有效油气井产量数据,计算得到所述曲线拟合方法预测结果残差平方和。
本发明实施例中,通过双曲递减残差平方和生成模块251、指数递减残差平方和生成模块252及曲线拟合残差平方和生成模块253,利用了实际有效油气井产量数据计算残差平方和,但每个步骤中所实际利用的实际有效油气井产量数据的个数可有所不同,因为通过不同的方法预测油气井产量数据,所需的数据量可不同。本发明实施例中的残差评优方法,能够有效选出最佳的油气产量预测结果。
本发明实施例的油气井产量预测装置,能够基于残差评优方法综合评价双曲递减、指数递减及曲线拟合三种方法的预测结果,最终可以得到准确度更高的油气产量预测结果。进一步,通过设定或更新变化参数的值筛选预测结果较好的双曲递减模型,可以得到预测结果准确度更高的双曲递减模型,从而进一步提高了最终油气井产量数据的准确度。
本发明实施例的油气井产量预测方法及装置,针对现有预测模型不完备,预测不准确的现状,提出三种完整的预测模型及评优系统,可以更准确的指导油田配产和决策分析。基于残差评优的综合油气井产量预测方法由三套完整的预测模型及相应的算法组成。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (18)
1.一种油气井产量预测方法,其特征在于,所述方法包括:
获得多个历史生产时间内的实际有效油气井产量数据;
利用所述实际有效油气井产量数据,通过双曲递减方法分别对至少一个所述历史生产时间和未来生产时间的油气井产量进行预测,得到所述历史生产时间的第一预测有效油气井产量数据和所述未来生产时间的第一油气井产量数据;
利用所述实际有效油气井产量数据,通过指数递减方法分别对至少一个所述历史生产时间和未来生产时间的油气井产量进行预测,得到所述历史生产时间的第二预测有效油气井产量数据和所述未来生产时间的第二油气井产量数据;
利用所有所述实际有效油气井产量数据,通过曲线拟合方法分别对至少一个所述历史生产时间和未来生产时间的油气井产量进行预测,得到所述历史生产时间的第三预测有效油气井产量数据和所述未来生产时间的第三油气井产量数据;
根据所述第一预测有效油气井产量数据、所述第二预测有效油气井产量数据、所述第三预测有效油气井产量数据及所述实际有效油气井产量数据,计算得到双曲递减方法预测结果残差平方和、指数递减方法预测结果残差平方和及曲线拟合方法预测结果残差平方和;
选择所述双曲递减方法预测结果残差平方和、所述指数递减方法预测结果残差平方和及所述曲线拟合方法预测结果残差平方和中的最小预测结果残差平方和,将得到该最小预测结果残差平方和的方法得到的未来生产时间的油气井产量数据作为最终油气井产量预测结果。
2.如权利要求1所述的油气井产量预测方法,其特征在于,利用所述实际有效油气井产量数据,通过双曲递减方法分别对至少一个所述历史生产时间和未来生产时间的油气井产量进行预测,得到所述历史生产时间的第一预测有效油气井产量数据和所述未来生产时间的第一油气井产量数据,包括:
将双曲递减模型转换为第一线性模型,所述第一线性模型包含第一位置参数A1和第二位置参数B1,所述第一线性模型中的自变量是生产时间和变化参数C1的函数;
将所述变化参数C1设定为一常数值C0,C0为正整数,最大设定值≥C0≥最小设定值;
根据所述变化参数C1的值和所述实际有效油气井产量数据,计算得到至少一组所述第一线性模型的自变量-变量数据,并利用所有所述自变量-变量数据对所述第一线性模型进行线性拟合,获得所述第一位置参数A1的值和所述第二位置参数B1的值;
判断所述第二位置参数B1的值是否在一双曲递减模型标准值范围内,若是,则根据所有所述自变量-变量数据计算所述第一线性模型中的自变量和变量的相关系数;
判断所述相关系数的绝对值是否高于一设定拟合程度值,若是,则将所述常数值C0作为所述变化参数C1的值;
将所述常数值、第一位置参数A1的值和第二位置参数B1的值输入至所述第一线性模型,并根据所述第一线性模型计算得到所述第一预测有效油气井产量数据和所述第一油气井产量数据。
3.如权利要求2所述的油气井产量预测方法,其特征在于,所述方法还包括:
如果所述第二位置参数B1的值不在所述双曲递减模型标准值范围内,则更新变化参数C1的值,直到更新后的变化参数C1的值所对应的第二位置参数B1的值在所述双曲递减模型标准值范围内或[最小设定值,最大设定值]范围内的所有整数被变化参数C1更新使用过。
4.如权利要求2所述的油气井产量预测方法,其特征在于,所述方法还包括:
当所述相关系数的绝对值不高于所述设定拟合程度值时,则更新变化参数C1的值,直到所述相关系数的绝对值高于所述设定拟合程度值或[最小设定值,最大设定值]范围内的所有整数被变化参数C1更新使用过。
5.如权利要求2所述的油气井产量预测方法,其特征在于,所述方法还包括:
当所述第二位置参数B1的值在所述双曲递减模型标准值范围内且判断所述相关系数的绝对值不高于所述设定拟合程度值时,记录所述相关系数的绝对值,并更新变化参数C1的值,直到[最小设定值,最大设定值]范围内的所有整数被变化参数C1更新使用过;
比较所有记录的相关系数的绝对值,并从中选取最大的绝对值,将所述最大的绝对值所对应的变化参数C1的值用于计算所述双曲递减预测结果。
6.如权利要求1所述的油气井产量预测方法,其特征在于,利用所述实际有效油气井产量数据,通过指数递减方法分别对至少一个所述历史生产时间和未来生产时间的油气井产量进行预测,包括:
将指数递减模型转换为第二线性模型,所述第二线性模型包含第三位置参数A2和第四位置参数B2;
利用所述实际有效油气井产量数据,计算得到至少一组所述第二线性模型的自变量-变量数据,并利用所有所述自变量-变量数据对所述第二线性模型进行线性拟合,获得所述第三位置参数A2的值和所述第四位置参数B2的值;
判断所述第四位置参数B2的值是否在一指数递减模型标准值范围内,若是,则将所述第三位置参数A2的值和所述第四位置参数B2的值输入至所述第二线性模型,并根据所述第二线性模型计算得到所述第二预测有效油气井产量数据和所述第二油气井产量数据。
7.如权利要求1所述的油气井产量预测方法,其特征在于,所述曲线拟合方法为三阶多项式最小二乘拟合方法。
8.如权利要求1所述的油气井产量预测方法,其特征在于,根据所述第一预测有效油气井产量数据、所述第二预测有效油气井产量数据、所述第三预测有效油气井产量数据及所述实际有效油气井产量数据,计算得到双曲递减方法预测结果残差平方和、指数递减方法预测结果残差平方和及曲线拟合方法预测结果残差平方和,包括:
根据所述第一预测有效油气井产量数据和所述实际有效油气井产量数据,计算得到所述双曲递减方法预测结果残差平方和;
根据所述第二预测有效油气井产量数据和所述实际有效油气井产量数据,计算得到所述指数递减方法预测结果残差平方和;
根据所述第三预测有效油气井产量数据和所述实际有效油气井产量数据,计算得到所述曲线拟合方法预测结果残差平方和。
9.如权利要求2所述的油气井产量预测方法,其特征在于,所述第一线性模型为:
Y=A1-B1X,X=ln(C1+t),Y=lnQ(t),
其中,Y和X分别是所述第一线性模型的变量和自变量;A1、B1及C1分别是所述第一位置参数、所述第二位置参数及所述变化参数;T是生产时间;Q(T)是生产时间T的有效油气井产量数据;
所述双曲递减模型标准值范围为第二位置参数B1>0。
10.如权利要求6所述的油气井产量预测方法,其特征在于,所述第二线性模型为:
Y=A2-B2X,X=t,Y=lnQ(t),
其中,Y和X分别是所述第二线性模型的变量和自变量;A2和B2分别是所述第三位置参数和所述第四位置参数;t是生产时间;Q(t)是生产时间t的有效油气井产量数据;
所述指数递减模型标准值范围为第四位置参数B2>0。
11.一种油气井产量预测装置,其特征在于,所述装置包括:
历史产量数据获取单元,用于获得多个历史生产时间内的实际有效油气井产量数据;
双曲递减产量预测单元,用于利用所述实际有效油气井产量数据,通过双曲递减方法分别对至少一个所述历史生产时间和未来生产时间的油气井产量进行预测,得到所述历史生产时间的第一预测有效油气井产量数据和所述未来生产时间的第一油气井产量数据;
指数递减产量预测单元,用于利用所述实际有效油气井产量数据,通过指数递减方法分别对至少一个所述历史生产时间和未来生产时间的油气井产量进行预测,得到所述历史生产时间的第二预测有效油气井产量数据和所述未来生产时间的第二油气井产量数据;
曲线拟合产量预测单元,用于利用所有所述实际有效油气井产量数据,通过曲线拟合方法分别对至少一个所述历史生产时间和未来生产时间的油气井产量进行预测,得到所述历史生产时间的第三预测有效油气井产量数据和所述未来生产时间的第三油气井产量数据;
残差平方和生成单元,用于根据所述第一预测有效油气井产量数据、所述第二预测有效油气井产量数据、所述第三预测有效油气井产量数据及所述实际有效油气井产量数据,计算得到双曲递减方法预测结果残差平方和、指数递减方法预测结果残差平方和及曲线拟合方法预测结果残差平方和;
最终产量预测结果生成单元,用于选择所述双曲递减方法预测结果残差平方和、所述指数递减方法预测结果残差平方和及所述曲线拟合方法预测结果残差平方和中的最小预测结果残差平方和,将得到该最小预测结果残差平方和的方法得到的未来生产时间的油气井产量数据作为最终油气井产量预测结果。
12.如权利要求11所述的油气井产量预测装置,其特征在于,所述双曲递减产量预测单元,包括:
第一线性模型建立模块,用于将双曲递减模型转换为第一线性模型,所述第一线性模型包含第一位置参数A1和第二位置参数B1,所述第一线性模型中的自变量是生产时间和变化参数C1的函数;
变化参数值设定模块,用于将所述变化参数C1设定为一常数值C0,C0为正整数,最大设定值≥C0≥最小设定值;
双曲递减位置参数值生成模块,用于根据所述变化参数C1的值和所述实际有效油气井产量数据,计算得到至少一组所述第一线性模型的自变量-变量数据,并利用所有所述自变量-变量数据对所述第一线性模型进行线性拟合,获得所述第一位置参数A1的值和所述第二位置参数B1的值;
相关系数生成模块,用于判断所述第二位置参数B1的值是否在一双曲递减模型标准值范围内,若是,则根据所有所述自变量-变量数据计算所述第一线性模型中的自变量和变量的相关系数;
变化参数值确定模块,用于判断所述相关系数的绝对值是否高于一设定拟合程度值,若是,则将所述常数值C0作为所述变化参数C1的值;
双曲递减产量预测模块,用于将所述常数值、第一位置参数A1的值和第二位置参数B1的值输入至所述第一线性模型,并根据所述第一线性模型计算得到所述第一预测有效油气井产量数据和所述第一油气井产量数据。
13.如权利要求12所述的油气井产量预测装置,其特征在于,所述装置还包括:
第一变化参数值更新模块,用于如果所述第二位置参数B1的值不在所述双曲递减模型标准值范围内,则更新变化参数C1的值,直到更新后的变化参数C1的值所对应的第二位置参数B1的值在所述双曲递减模型标准值范围内或[最小设定值,最大设定值]范围内的所有整数被变化参数C1更新使用过。
14.如权利要求12所述的油气井产量预测装置,其特征在于,所述装置还包括:
第二变化参数值更新模块,用于当所述相关系数的绝对值不高于所述设定拟合程度值时,则更新变化参数C1的值,直到所述相关系数的绝对值高于所述设定拟合程度值或[最小设定值,最大设定值]范围内的所有整数被变化参数C1更新使用过。
15.如权利要求12所述的油气井产量预测装置,其特征在于,所述装置还包括:
第三变化参数值更新模块,用于当所述第二位置参数B1的值在所述双曲递减模型标准值范围内且判断所述相关系数的绝对值不高于所述设定拟合程度值时,记录所述相关系数的绝对值,并更新变化参数C1的值,直到[最小设定值,最大设定值]范围内的所有整数被变化参数C1更新使用过;
变化参数重新确定模块,用于比较所有记录的相关系数的绝对值,并从中选取最大的绝对值,将所述最大的绝对值所对应的变化参数C1的值用于计算所述双曲递减预测结果。
16.如权利要求11所述的油气井产量预测装置,其特征在于,所述指数递减产量预测单元,包括:
第二线性模型建立模块,用于将指数递减模型转换为第二线性模型,所述第二线性模型包含第三位置参数A2和第四位置参数B2;
指数递减位置参数值生成模块,用于利用所述实际有效油气井产量数据,计算得到至少一组所述第二线性模型的自变量-变量数据,并利用所有所述自变量-变量数据对所述第二线性模型进行线性拟合,获得所述第三位置参数A2的值和所述第四位置参数B2的值;
指数递减产量预测模块,用于判断所述第四位置参数B2的值是否在一指数递减模型标准值范围内,若是,则将所述第三位置参数A2的值和所述第四位置参数B2的值输入至所述第二线性模型,并根据所述第二线性模型计算得到所述第二预测有效油气井产量数据和所述第二油气井产量数据。
17.如权利要求11所述的油气井产量预测装置,其特征在于,所述曲线拟合产量预测单元用于执行三阶多项式最小二乘拟合方法。
18.如权利要求11所述的油气井产量预测装置,其特征在于,所述残差平方和生成单元,包括:
双曲递减残差平方和生成模块,用于根据所述第一预测有效油气井产量数据和所述实际有效油气井产量数据,计算得到所述双曲递减方法预测结果残差平方和;
指数递减残差平方和生成模块,用于根据所述第二预测有效油气井产量数据和所述实际有效油气井产量数据,计算得到所述指数递减方法预测结果残差平方和;
曲线拟合残差平方和生成模块,用于根据所述第三预测有效油气井产量数据和所述实际有效油气井产量数据,计算得到所述曲线拟合方法预测结果残差平方和。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510868030.9A CN105512758A (zh) | 2015-12-01 | 2015-12-01 | 油气井产量预测方法及其装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510868030.9A CN105512758A (zh) | 2015-12-01 | 2015-12-01 | 油气井产量预测方法及其装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105512758A true CN105512758A (zh) | 2016-04-20 |
Family
ID=55720720
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510868030.9A Pending CN105512758A (zh) | 2015-12-01 | 2015-12-01 | 油气井产量预测方法及其装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105512758A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107563557A (zh) * | 2017-09-05 | 2018-01-09 | 中国石油天然气股份有限公司 | 确定油井产量递减率的方法及装置 |
CN107944599A (zh) * | 2017-10-31 | 2018-04-20 | 中国石油天然气股份有限公司 | 油气水平井产量的预测方法 |
CN108596405A (zh) * | 2018-05-09 | 2018-09-28 | 中电国瑞物流有限公司 | 灰库产量的预测方法及系统 |
CN109784705A (zh) * | 2019-01-02 | 2019-05-21 | 中国石油天然气股份有限公司 | 预测产油量的方法、装置及存储介质 |
CN110552682A (zh) * | 2019-09-16 | 2019-12-10 | 西南石油大学 | 一种碳酸盐岩三重介质气藏直井产量递减分析方法 |
CN110610288A (zh) * | 2019-08-01 | 2019-12-24 | 裴雪皓 | 一种油气井生产数据智能系统分析方法 |
CN112862280A (zh) * | 2021-01-26 | 2021-05-28 | 西南石油大学 | 一种油气井未来产量估计方法及系统 |
CN115860280A (zh) * | 2023-02-27 | 2023-03-28 | 中国石油大学(华东) | 一种页岩气产量预测方法、装置、设备及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104632188A (zh) * | 2014-12-04 | 2015-05-20 | 杭州和利时自动化有限公司 | 一种单油井产量的预测方法及装置 |
CN105003256A (zh) * | 2015-07-20 | 2015-10-28 | 西安石油大学 | 一种基于改进熵权法的油水井酸化选井或选层方法 |
-
2015
- 2015-12-01 CN CN201510868030.9A patent/CN105512758A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104632188A (zh) * | 2014-12-04 | 2015-05-20 | 杭州和利时自动化有限公司 | 一种单油井产量的预测方法及装置 |
CN105003256A (zh) * | 2015-07-20 | 2015-10-28 | 西安石油大学 | 一种基于改进熵权法的油水井酸化选井或选层方法 |
Non-Patent Citations (2)
Title |
---|
张祺: "中国石油生产量的组合预测模型及应用", 《经济问题》 * |
陈元千: "确定递减类型的新方法", 《石油学报》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107563557A (zh) * | 2017-09-05 | 2018-01-09 | 中国石油天然气股份有限公司 | 确定油井产量递减率的方法及装置 |
CN107944599A (zh) * | 2017-10-31 | 2018-04-20 | 中国石油天然气股份有限公司 | 油气水平井产量的预测方法 |
CN107944599B (zh) * | 2017-10-31 | 2020-10-09 | 中国石油天然气股份有限公司 | 油气水平井产量的预测方法 |
CN108596405A (zh) * | 2018-05-09 | 2018-09-28 | 中电国瑞物流有限公司 | 灰库产量的预测方法及系统 |
CN109784705A (zh) * | 2019-01-02 | 2019-05-21 | 中国石油天然气股份有限公司 | 预测产油量的方法、装置及存储介质 |
CN110610288A (zh) * | 2019-08-01 | 2019-12-24 | 裴雪皓 | 一种油气井生产数据智能系统分析方法 |
CN110552682A (zh) * | 2019-09-16 | 2019-12-10 | 西南石油大学 | 一种碳酸盐岩三重介质气藏直井产量递减分析方法 |
CN112862280A (zh) * | 2021-01-26 | 2021-05-28 | 西南石油大学 | 一种油气井未来产量估计方法及系统 |
CN112862280B (zh) * | 2021-01-26 | 2022-03-25 | 西南石油大学 | 一种油气井未来产量估计方法及系统 |
CN115860280A (zh) * | 2023-02-27 | 2023-03-28 | 中国石油大学(华东) | 一种页岩气产量预测方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105512758A (zh) | 油气井产量预测方法及其装置 | |
CN111860952B (zh) | 一种突出煤层关键开采参数快速优选方法 | |
EP3004530B1 (en) | Method for selecting and optimizing oil field controls for a production plateau | |
CN103268082B (zh) | 一种基于灰色线性回归的热误差建模方法 | |
CN102222277A (zh) | 一种基于油气成藏过程模拟的圈闭自动评价系统和方法 | |
CN105550393A (zh) | 一种支持方案快速生成的枪械变型设计方法 | |
CN102496059A (zh) | 矿山竖井工程围岩人工智能分级方法 | |
CN105631528A (zh) | 一种基于nsga-ii和近似动态规划的多目标动态最优潮流求解方法 | |
CN105804730A (zh) | 使用历史井数据的资源识别的方法和系统 | |
CN113032905B (zh) | 深空航天器的综合状态评估方法及装置 | |
CN107092751B (zh) | 基于Bootstrap的变权重模型组合预测方法 | |
CN102682348A (zh) | 复杂装备部件维修级别优化系统及其建立方法 | |
US20200311326A1 (en) | Self-service artificial intelligence platform leveraging data-based and physics-based models for providing real-time controls and recommendations | |
CN104268662B (zh) | 一种基于分步优化分位数回归的沉降预测方法 | |
US20150378053A1 (en) | Method of modelling a subsurface volume | |
CN104021288A (zh) | 用于导管架平台频谱疲劳分析的基本波确定方法 | |
CN103337000B (zh) | 一种油气集输系统安全监测预警方法 | |
CN115375867A (zh) | 利用网格模型计算地热资源量方法、系统、设备及介质 | |
CN111852466B (zh) | 一种用于页岩气井规模配产与管网运行优化的方法 | |
CN104346448A (zh) | 一种基于遗传规划算法的增量数据挖掘方法 | |
Li et al. | Automatic fit of the variogram | |
CN116911216B (zh) | 一种储层油井产能因素评估与预测方法 | |
WO2014197637A1 (en) | Selecting and optimizing oil field controls for production plateau | |
Shahriari et al. | A New Continuous Multi-State Reliability Model with Time Dependent Component Performance Rate | |
Shu et al. | Calibrating water distribution system model automatically by genetic algorithms |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160420 |