CN107133879A - 一种筛选相似油田的方法 - Google Patents

一种筛选相似油田的方法 Download PDF

Info

Publication number
CN107133879A
CN107133879A CN201610109028.8A CN201610109028A CN107133879A CN 107133879 A CN107133879 A CN 107133879A CN 201610109028 A CN201610109028 A CN 201610109028A CN 107133879 A CN107133879 A CN 107133879A
Authority
CN
China
Prior art keywords
analogy
oil field
parameter
basic parameter
screening
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.)
Granted
Application number
CN201610109028.8A
Other languages
English (en)
Other versions
CN107133879B (zh
Inventor
凡玉梅
张继龙
殷进垠
李广超
李艳军
徐阁元
孙彬
张媛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Petroleum and Chemical Corp
Sinopec Exploration and Production Research Institute
Original Assignee
China Petroleum and Chemical Corp
Sinopec Exploration and Production Research Institute
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Petroleum and Chemical Corp, Sinopec Exploration and Production Research Institute filed Critical China Petroleum and Chemical Corp
Priority to CN201610109028.8A priority Critical patent/CN107133879B/zh
Publication of CN107133879A publication Critical patent/CN107133879A/zh
Application granted granted Critical
Publication of CN107133879B publication Critical patent/CN107133879B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Mining & Mineral Resources (AREA)
  • Agronomy & Crop Science (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Animal Husbandry (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Fats And Perfumes (AREA)

Abstract

本发明提供了一种筛选相似油田的方法，包括：基准参数筛选步骤，根据类比目标及其影响因素的关系筛选基准参数；油田筛选步骤，根据基准参数计算样本油田与类比油田的相似度并基于所述相似度筛选样本油田；筛选结果检验步骤，根据筛选的样本油田与类比油田中的基准参数的标准偏差检验筛选结果的可靠性。本发明提高了相似油田筛选效率及类比结果的可靠性。

Description

一种筛选相似油田的方法
技术领域
本发明涉及油气田开发技术领域，具体地说，涉及一种筛选相似油田的方法。
背景技术
在油气田开发过程中，针对处于开发早期油藏的开发规律认识、开发指标的预测，常常采用类比法。在选择油田类比参数时，多根据经验或单一因素分析确定类比参数和参数权重。
由于研究人员经验、能力的不同，往往选择的类比参数不一，这就导致类比结果多样化。同时，在筛选相似油田时，油田相似度计算仅仅考虑类比参数数值，忽略了类比参数的地质意义，导致筛选结果与研究油田差异大，类比结果可靠性差。
发明内容
为解决以上问题，本发明提供了一种筛选相似油田的方法，用以筛选出相似度高的油田做为类比样本油田，从而提高类比结果的可靠性。
根据本发明的一个实施例，提供了一种筛选相似油田的方法，包括：
基准参数筛选步骤，根据类比目标及其影响因素的关系筛选基准参数；
油田筛选步骤，根据基准参数计算样本油田与类比油田的相似度并基于所述相似度筛选样本油田；
筛选结果检验步骤，根据筛选的样本油田与类比油田中的基准参数的标准偏差检验筛选结果的可靠性。
根据本发明的一个实施例，基准参数筛选步骤进一步包括：
根据类比目标及其影响因素的相关性初步筛选类比参数；
计算初步筛选的类比参数与类比目标的关联度，明确初步筛选的类比参数对类比目标的影响程度；
根据所述关联度的大小确定基准参数及对应的权重。
根据本发明的一个实施例，初步筛选类比参数的步骤进一步包括：
确定类比目标；
绘制类比目标及其影响因素的二维关系图；
根据二维关系图中类比目标与影响因素的关联性初步筛选类比参数。
根据本发明的一个实施例，确定基准参数及对应的权重的步骤进一步包括：
根据所述关联度确定初步筛选的类比参数的权重；
删除初步筛选的类比参数中权重小于第一预设值的类比参数；
将初步筛选的类比参数中权重大于等于第一预设值的作为最终的基准参数，并重新确定对应的权重。
根据本发明的一个实施例，油田筛选步骤进一步包括：
根据油藏类型确定基准参数标准化阈值；
根据标准化阈值对样本油田的基准参数进行标准化处理；
根据基准参数的权重和标准化处理后的基准参数计算样本油田的相似度；
根据样本油田的相似度确定类比样本油田。
根据本发明的一个实施例，标准化处理步骤进一步包括：
将类比油田的基准参数标定为1；
根据样本油田与类比油田的基准参数大小关系，在0-1范围内对样本油田的基准参数进行分级，其中，超出类比油田油藏类型范围外的基准参数赋值小于第一个分级对应的数值；
对分级后与类比油田油藏类型一致的基准参数进行正态标准化处理。
根据本发明的一个实施例，确定类比样本油田的步骤进一步包括：对样本油田的相似度按大小顺序排序，选择其中相似度大于第二预设值的样本油田作为类比样本油田。
根据本发明的一个实施例，筛选结果检验步骤进一步包括根据类比样本油田单个基准参数的标准偏差检验筛选结果的可靠性。
根据本发明的一个实施例，筛选结果检验步骤进一步包括根据类比样本油田各基准参数的综合评价标准偏差检验筛选结果的可靠性。
根据本发明的一个实施例，所述类比目标为采收率，影响因素为油藏地质特征参数。
本发明的有益效果：
本发明基于灰色理论和相似性理论，根据类比参数和类比目标的本质关联，定量确定类比参数和权重，根据被研究对象的油藏类型，引入参数阈值，正态分布处理类比参数，计算相似度，综合评价筛选相似油田，使类比分析的客观基础条件更加合理，提高了筛选效率及类比结果的可靠性。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
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的附图做简单的介绍：
图1是根据本发明的一个实施例的方法流程图；
图2是根据本发明的一个实施例的基准参数筛选步骤流程图；
图3是根据本发明的一个实施例的油田筛选步骤示意图；
图4是根据本发明的一个实施例的相似度计算流程图；
图5a是渗透率与采收率的相关性示意图；
图5b是API与采收率的相关性示意图；
图6是根据本发明的一个实施例的基准参数的权重示意图；
图7a是稀油油藏与稠油油藏的采收率关系示意图；
图7b是原油采收率与原油粘度关系示意图；
图8a是标准化处理过程中原油重度分级示意图；以及
图8b是原油重度标准化处理结果示意图；
具体实施方式
以下将结合附图及实施例来详细说明本发明的实施方式，借此对本发明如何应用技术手段来解决技术问题，并达成技术效果的实现过程能充分理解并据以实施。需要说明的是，只要不构成冲突，本发明中的各个实施例以及各实施例中的各个特征可以相互结合，所形成的技术方案均在本发明的保护范围之内。
如图1所示为根据本发明的一个实施例的方法流程图，以下参考图1来对本发明进行详细说明。
首先，在步骤S110中，根据类比目标及其影响因素的关系筛选基准参数，即基准参数筛选步骤。
根据相似原理，如果2个渗流系统满足油藏地质特征相似、油藏流体相似、开发方式相似，则满足相似关系，可以进行类比研究。本发明针对未开发油藏或者开发初期的油气田，只要满足前两个相似关系，被研究油田就可以开展相似样本的类比研究，选择正确的开发方式及技术政策，取得较好的开发效果。因此类比样本油田的筛选决定了类比结果的可靠性，是油气田开展类比研究的前提条件。筛选相似油气田需要设定类比目标，不一样的类比目标通常选择不同的类比参数。本发明以采收率为类比目标，其影响因素为油藏地质参数为例进行说明。
该步骤具体包括图2所示的几个步骤。首先是步骤S210，根据类比目标及其影响因素的相关性初步筛选类比参数。具体的，首先确定类比目标；绘制类比目标与影响因素的二维关系图；根据二维关系图中类比目标与影响因素的关联性初步筛选类比参数。如果二维关系图中的类比目标和影响因素变化的态势基本一致或相反，则两者的关联性较强，反之较弱，以此初步筛选具有一定相关性的影响因素作为类比参数。
接着在步骤S220中，计算初步筛选的类比参数与类比目标的关联度，明确初步筛选的类比参数对类比目标的影响程度。应用灰关联方法计算各初步筛选的类比参数与采收率的关联度，明确揭示类比参数对类比目标的影响程度。关联度越大，说明类比参数对类比目标影响程度越大，反之影响程度也较小。
最后在步骤S230中，根据关联度的大小确定基准参数及对应的权重。具体的，首先根据关联度确定初步筛选的类比参数的权重；为了便于类比分析，删除初步筛选的类比参数中权重小于设定的第一预设值的类比参数；将初步筛选的类比参数中权重大于等于第一预设值的作为最终的基准参数，并重新确定对应的权重。
接下来，在步骤S120中，根据基准参数计算样本油田与类比油田的相似度并基于相似度筛选样本油田，即油田筛选步骤。
步骤S120具体包括图3所示的几个步骤。首先是步骤S310，根据油藏类型确定类比参数标准化阈值。具体的，根据油藏类型的分类标准对样本油田进行分类。例如，如果油藏为普通中质油油藏，那么原油重度大于31.1°以上的轻质油和原油重度小于10°的超重油就是该类油藏原油性质的阈值。
接着是步骤S320，根据标准化阈值对样本油田的基准参数进行标准化处理。具体的，首先将类比油田的基准参数标定为1；根据样本油田与类比油田的基准参数大小关系，在0-1范围内对样本油田的基准参数进行分级，其中，与类比油藏类型不一致(超出阈值的部分)的基准参数赋值小于第一个分级对应的数值(为一接近零的数值)；对分级后的与类比油田油藏类型一致的基准参数进行正态标准化处理。
接着是步骤S330，根据基准参数的权重和标准化处理后的基准参数计算样本油田的相似度。具体的，根据各基准参数的权重，乘和之后得出对应的相似度。
最后是步骤S340，根据样本油田的相似度确定类比样本油田。具体的，对样本油田的相似度按大小顺序排序，选择其中相似度大于设定的第二预设值的样本油田作为类比样本油田。
具体的，步骤S330和S340计算流程如图4所示，其中，{X1，X2，X3，X4，X5，X6，X7，……}为样本油田的基准参数集，各基准参数与类比油田中对应的基准参数进行比值处理Xi/X0，X0表示类比油田对应的基准参数值，从而得到比较后样本油田基准参数集{Y1，Y2，Y3，Y4，Y5，Y6，Y7，……}。对{Y1，Y2，Y3，Y4，Y5，Y6，Y7，……}进行标准化处理后得到归一化的样本油田基准参数集{Z1，Z2，Z3，Z4，Z5，Z6，Z7，……}，然后进行权重加和得到相似度排序{S1，S2，S3，S4，S5，S6，S7，……}。
最后，在步骤S130中，根据筛选的样本油田与类比油田中的基准参数的标准偏差检验筛选结果的可靠性，即筛选结果检验步骤。具体的，根据单个基准参数标准参差或综合评价标准偏差检验筛选结果的可靠性。
在油气田开发中，采收率是表征开发效果的关键指标，针对未开发油藏或处于开发初期油藏，影响采收率的因素主要是油藏地质特征。以下设定类比目标为采收率、类比参数为油藏地质参数为例，通过应用本发明一个具体的实施例来筛选高孔高渗普通浅层稠油样本。
被类比油田油藏埋深518m，孔隙度33％，渗透率1500x10-3μm，原油重度22°，气油比16m3/t，设定类比目标为采收率，筛选与被类比油田相似的样本油田集合。
首先需要确定进行类比的基准参数。假设被类比油田类比目标对应的基准参数共有N元，进行比较的样本油田共有K个。以油田采收率作为类比目标，油藏地质参数为影响因素，采用二维关系图统计分析类比目标值与影响因素值的相关性。初步筛选岩性、油藏埋深，渗透率、孔隙度、原油重度、原油粘度、驱动能量、油气比等参数作为初步类比参数。如图5a和图5b所示，其中，图5a为渗透率与采收率的相关性示意图，图5b为API与采收率的相关性示意图。
接下来，设定类比目标值采收率参考序列为RF＝{rf1,rf2,…rfk}，其中，rfk表示样本油田k的采收率。比较序列C为影响采收率的N个地质因素，比较序列样本油田表示为：
计算关联度R＝﹛r1,r2,…rk﹜,其中：fk为第k个样本油田；pkn为第k个油田的第n个参数；
根据关联度大小筛选确定五个类比参数作为基准参数，分别为油藏埋深，孔隙度，渗透率、原油重度、气油比，各基准参数的权重分别为0.06、0.3、0.18、0.27、0.18，如图6所示。
接着进行样本油田筛选。以表征原油性质的参数为例说明参数标准化过程。根据已有研究成果，原油性质对采收率具有极大的影响，采收率随原油粘度增加而降低，稠油油藏与稀油油藏的采收率相差7.6个百分点，如图7a所示；原油采收率随重度增大而增加，轻质油和重质油原油采收率相差6.8个百分点，如图7b所示。
根据原油性质分类标准，原油重度大于31.1°为轻质原油，22.3°～31.1°之间为中质原油，10°～22.3°之间为重质原油，小于10°为超重油。被类比油田的原油重度为22°，在进行标准化时，将类比油田的原油重度值(即对应原油重度22°的类比油田，此处对应原油重度范围为21-23)设为1。根据样本油田与类比油田的基准参数大小关系，在0-1范围内对样本油田的基准参数进行均等分级，按照设定的原油重度间隔范围，将0-1等分为5部分，每部分之间间隔0.2，,超出类比油田油藏类型范围外的基准参数赋值小于第一个分级0.2对应的数值，如0.05，原油重度分级如图8a所示。最后，对分级后的与类比油田油藏类型范围一致的基准参数进行正态标准化处理，原油重度标准化处理结果如图8b所示。
将正态标准化处理后的各基准参数和对应的权重乘和之后得出相似度综合评价指标，筛选相似度大于预设值0.8的油田做为类比样本油田。
最后，以类比油田为标准，分别以类比油田的基准参数的(0.9、1.1等)倍人工筛选样本油田，以相同样本油田数据量检验以上方法的可靠性，计算样本油田基准参数的标准偏差以及综合评价结果的标准偏差。
设本发明所述的筛选方法为方法1，人工筛选为方法2。如表1所示，定量筛选的结果明显好于人工筛选，方法1的基准参数标准偏差都好于方法2，特别是关键参数孔隙度和API的标准偏差相差近一倍。将各基准参数加权处理后得到的综合评价指标的标准偏差，方法1为0.61和方法2为1.12，综合评价结果说明方法1筛选的样本油田与被类比油田更加相似。
表1
本发明基于灰色理论和相似性理论，根据类比参数和类比目标的本质关联，定量确定类比参数和权重，根据被研究对象的油藏类型，引入参数阈值正态分布处理类比参数，计算相似度，综合评价筛选相似油田，使类比分析的客观基础条件更加合理，提高了筛选效率及类比结果的可靠性。在未开发油田或油气田开发初期开发规律认识、开发经济技术界限研究、开发指标预测方面广泛应用。
虽然本发明所公开的实施方式如上，但所述的内容只是为了便于理解本发明而采用的实施方式，并非用以限定本发明。任何本发明所属技术领域内的技术人员，在不脱离本发明所公开的精神和范围的前提下，可以在实施的形式上及细节上作任何的修改与变化，但本发明的专利保护范围，仍须以所附的权利要求书所界定的范围为准。

Claims (10)

1.一种筛选相似油田的方法，包括：
基准参数筛选步骤，根据类比目标及其影响因素的关系筛选基准参数；
油田筛选步骤，根据基准参数计算样本油田与类比油田的相似度并基于所述相似度筛选样本油田；
筛选结果检验步骤，根据筛选的样本油田与类比油田中的基准参数的标准偏差检验筛选结果的可靠性。
2.根据权利要求1所述的方法，其特征在于，基准参数筛选步骤进一步包括：
根据类比目标及其影响因素的相关性初步筛选类比参数；
计算初步筛选的类比参数与类比目标的关联度，明确初步筛选的类比参数对类比目标的影响程度；
根据所述关联度的大小确定基准参数及对应的权重。
3.根据权利要求2所述的方法，其特征在于，初步筛选类比参数的步骤进一步包括：
确定类比目标；
绘制类比目标及其影响因素的二维关系图；
根据二维关系图中类比目标与影响因素的关联性初步筛选类比参数。
4.根据权利要求2或3所述的方法，其特征在于，确定基准参数及对应的权重的步骤进一步包括：
根据所述关联度确定初步筛选的类比参数的权重；
删除初步筛选的类比参数中权重小于第一预设值的类比参数；
将初步筛选的类比参数中权重大于等于第一预设值的作为最终的基准参数，并重新确定对应的权重。
5.根据权利要求4所述的方法，其特征在于，油田筛选步骤进一步包括：
根据油藏类型确定基准参数标准化阈值；
根据标准化阈值对样本油田的基准参数进行标准化处理；
根据基准参数的权重和标准化处理后的基准参数计算样本油田的相似度；
根据样本油田的相似度确定类比样本油田。
6.根据权利要求5所述的方法，其特征在于，标准化处理步骤进一步包括：
将类比油田的基准参数标定为1；
根据样本油田与类比油田的基准参数大小关系，在0-1范围内对样本油田的基准参数进行分级，其中，超出类比油田油藏类型范围外的基准参数赋值小于第一个分级对应的数值；
对分级后与类比油田油藏类型一致的基准参数进行正态标准化处理。
7.根据权利要求5所述的方法，其特征在于，确定类比样本油田的步骤进一步包括：对样本油田的相似度按大小顺序排序，选择其中相似度大于第二预设值的样本油田作为类比样本油田。
8.根据权利要求5-7中任一项所述的方法，其特征在于，筛选结果检验步骤进一步包括根据类比样本油田单个基准参数的标准偏差检验筛选结果的可靠性。
9.根据权利要求5-7中任一项所述的方法，其特征在于，筛选结果检验步骤进一步包括根据类比样本油田各基准参数的综合评价标准偏差检验筛选结果的可靠性。
10.根据权利要求1所述的方法，其特征在于，所述类比目标为采收率，影响因素为油藏地质特征参数。
CN201610109028.8A 2016-02-26 2016-02-26 一种筛选相似油田的方法 Active CN107133879B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610109028.8A CN107133879B (zh) 2016-02-26 2016-02-26 一种筛选相似油田的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610109028.8A CN107133879B (zh) 2016-02-26 2016-02-26 一种筛选相似油田的方法

Publications (2)

Publication Number Publication Date
CN107133879A true CN107133879A (zh) 2017-09-05
CN107133879B CN107133879B (zh) 2021-06-15

Family

ID=59720634

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610109028.8A Active CN107133879B (zh) 2016-02-26 2016-02-26 一种筛选相似油田的方法

Country Status (1)

Country Link
CN (1) CN107133879B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108915678A (zh) * 2018-08-15 2018-11-30 中海石油(中国)有限公司 一种大西洋两岸油气田开发指标区域类比方法
CN110322363A (zh) * 2018-03-29 2019-10-11 中国石油化工股份有限公司 页岩气储层改造体积计算方法及系统
CN113240321A (zh) * 2021-05-31 2021-08-10 中海石油(中国)有限公司 一种基于深度学习的油田类比评价方法及系统
CN113378951A (zh) * 2021-06-22 2021-09-10 中海石油(中国)有限公司 一种油田画像的可视化类比方法、系统、可读介质和设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101769147A (zh) * 2010-01-12 2010-07-07 蒋海岩 评价油田火驱方案的方法
CN103218750A (zh) * 2013-04-03 2013-07-24 中国海洋石油总公司 一种海上沉积岩油田地质评估方法
CN103413022A (zh) * 2013-07-01 2013-11-27 中国石油天然气股份有限公司 原油采收率标定辅助装置及其辅助方法
CN103902827A (zh) * 2014-04-03 2014-07-02 刘鑫 一种碳酸盐岩水平井流动单元划分方法
CN104951842A (zh) * 2014-03-27 2015-09-30 中国石油化工股份有限公司 一种新的油田产量预测方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101769147A (zh) * 2010-01-12 2010-07-07 蒋海岩 评价油田火驱方案的方法
CN103218750A (zh) * 2013-04-03 2013-07-24 中国海洋石油总公司 一种海上沉积岩油田地质评估方法
CN103413022A (zh) * 2013-07-01 2013-11-27 中国石油天然气股份有限公司 原油采收率标定辅助装置及其辅助方法
CN104951842A (zh) * 2014-03-27 2015-09-30 中国石油化工股份有限公司 一种新的油田产量预测方法
CN103902827A (zh) * 2014-04-03 2014-07-02 刘鑫 一种碳酸盐岩水平井流动单元划分方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
丁祖鹏: "稠油油藏类比方法研究", 《特种油气藏》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110322363A (zh) * 2018-03-29 2019-10-11 中国石油化工股份有限公司 页岩气储层改造体积计算方法及系统
CN108915678A (zh) * 2018-08-15 2018-11-30 中海石油(中国)有限公司 一种大西洋两岸油气田开发指标区域类比方法
CN113240321A (zh) * 2021-05-31 2021-08-10 中海石油(中国)有限公司 一种基于深度学习的油田类比评价方法及系统
CN113378951A (zh) * 2021-06-22 2021-09-10 中海石油(中国)有限公司 一种油田画像的可视化类比方法、系统、可读介质和设备

Also Published As

Publication number Publication date
CN107133879B (zh) 2021-06-15

Similar Documents

Publication Publication Date Title
CN110276827B (zh) 一种基于泥页岩储层的有效性的评价方法
Lee et al. Gas-reserves estimation in resource plays
Liang et al. A machine learning analysis based on big data for eagle ford shale formation
Mohaghegh et al. Modeling, history matching, forecasting and analysis of shale reservoirs performance using artificial intelligence
CN107133879A (zh) 一种筛选相似油田的方法
KR102170765B1 (ko) 딥러닝을 이용한 셰일가스 생산량 예측모델 생성 방법
CN105913332B (zh) 一种确定致密气藏开发指标的方法及装置
SA109300022B1 (ar) تقييم عمليات التكسير باستخدام الأحماض في حقول النفط
CN101266299A (zh) 利用地震数据体结构特征预测油气的方法
US20190080224A1 (en) Optimizing Production Using Design of Experiment and Reservoir Modeling
Du et al. The connectivity evaluation among wells in reservoir utilizing machine learning methods
CN102454401A (zh) 一种获取低孔渗储层测井饱和度的方法
Zhu et al. Rapid identification of high-quality marine shale gas reservoirs based on the oversampling method and random forest algorithm
Kang et al. Initial model selection for efficient history matching of channel reservoirs using Ensemble Smoother
Ding et al. Determining the levels and parameters of thief zone based on automatic history matching and fuzzy method
Castineira et al. Augmented AI Solutions for Heavy Oil Reservoirs: Innovative Workflows That Build from Smart Analytics, Machine Learning And Expert-Based Systems
Tao et al. A new productivity prediction hybrid model for multi-fractured horizontal wells in tight oil reservoirs
Ibrahim Prediction of shale wettability using different machine learning techniques for the application of CO2 sequestration
CN103413022B (zh) 原油采收率标定辅助装置及其辅助方法
Lin et al. Machine learning for multiple petrophysical properties regression based on core images and well logs in a heterogenous reservoir
Widarsono et al. Application of fuzzy logic for determining production allocation in commingle production wells
Wang et al. Combined application of unsupervised and deep learning in absolute open flow potential prediction: a case study of the Weiyuan Shale gas reservoir
Sultan et al. Application of neural network to the determination of well-test interpretation model for horizontal wells
Maniglio et al. Physics Informed Neural Networks Based on a Capacitance Resistance Model for Reservoirs Under Water Flooding Conditions
Wu et al. A data-driven approach to evaluate fracturing practice in tight sandstone in Changqing field

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant