CN108399471A - 探明储量增长s型曲线年度递推规律预测方法 - Google Patents
探明储量增长s型曲线年度递推规律预测方法 Download PDFInfo
- Publication number
- CN108399471A CN108399471A CN201810141112.7A CN201810141112A CN108399471A CN 108399471 A CN108399471 A CN 108399471A CN 201810141112 A CN201810141112 A CN 201810141112A CN 108399471 A CN108399471 A CN 108399471A
- Authority
- CN
- China
- Prior art keywords
- year
- equation
- oil reservoir
- type
- reserves
- 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
- 238000013277 forecasting method Methods 0.000 title claims abstract description 27
- 230000001419 dependent effect Effects 0.000 claims abstract description 16
- 238000006243 chemical reaction Methods 0.000 claims description 16
- 239000003208 petroleum Substances 0.000 abstract description 6
- 238000000034 method Methods 0.000 description 7
- 238000009825 accumulation Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000007704 transition 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Animal Husbandry (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Development Economics (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种探明储量增长S型曲线年度递推规律预测方法,包括:步骤1,建立含油气盆地不同年份累计探明油藏的数学序列,得到S型曲线的自变量和因变量;步骤2,对步骤1建立的各年份累计油藏序列S型曲线进行拟合,得到S型曲线方程以及方程系数;步骤3,建立步骤2中方程系数的求解方程,与步骤2中的S型曲线方程,共同形成含油气盆地的预测模型;步骤4,用预测模型预测下一年度可能探明的油气藏个数和储量。该探明储量增长S型曲线年度递推规律预测方法建立了基于资源量、已探明油藏个数、探井数储量的预测,更适用于勘探程度较高的盆地级、凹陷级、区带级等不同层次油气系统的中短期预测。
Description
技术领域
本发明涉及油田开发技术领域,特别是涉及到一种探明储量增长S型曲线年度递推规律预测方法。
背景技术
储量增长预测是制定油气勘探规划的重要基础,是对未来勘探发展过程分析判断的重要依据。当前的预测方法更多地是依据储量增长趋势分析、储量与探井数比值变化趋势分析等。为此我们发明了一种新的探明储量增长S型曲线年度递推规律预测方法,解决了以上技术问题。
发明内容
本发明的目的是提供一种通过建立探明油藏序列曲线,找到曲线方程系数同敏感因素之间的关系,来建立基于资源量、已探明油藏个数、探井数储量预测的探明储量增长S型曲线年度递推规律预测方法。
本发明的目的可通过如下技术措施来实现:探明储量增长S型曲线年度递推规律预测方法,该探明储量增长S型曲线年度递推规律预测方法包括:步骤1,建立含油气盆地不同年份累计探明油藏的数学序列,得到S型曲线的自变量和因变量;步骤2,对步骤1建立的各年份累计油藏序列S型曲线进行拟合,得到S型曲线方程以及方程系数;步骤3,建立步骤2中方程系数的求解方程,与步骤2中的S型曲线方程,共同形成含油气盆地的预测模型;步骤4,用预测模型预测下一年度可能探明的油气藏个数和储量。
本发明的目的还可通过如下技术措施来实现:
在步骤1中,取自变量为当年探明的油藏序号,因变量为当年探明油藏的储量,在二维坐标系中,每年探明油藏的序号与油藏探明储量之间呈S型曲线形态,由此,得到各年份探明油藏的储量与油藏序号之间的S型曲线序列。
步骤2包括:
步骤2a,对步骤1的自变量、因变量进行一定的数学转换,得到新的S型曲线形态;
步骤2b,对新的S型曲线,选取合适的数学方程形式;
步骤2c,每条新的S型曲线进行数学拟合,根据误差最小原理,确定每个年份S型曲线的方程系数。
在步骤2a中,对各年份的S型曲线进行自变量和因变量的数学转换,转换公式为:
y*=1-ln(y)/5 (1)
x*=x/1000 (2)
其中,y为探明储量,x为油藏序号,y*为探明储量数学转换值,x*为油藏序号转换值;数学转换的目的是便于建立合适的数学方程形势。
在步骤2b中,对新的自变量和因变量进行拟合,得到数学关系方程,进而得到各年度的方程系数α、β、γ。
在步骤2b中,得到的数学关系方程为:
正“S”型:y*=1/(α+β×exp(γ*x*)) (3)
“S”型:y*=1/(α+exp(β+γ×ln(x*))) (4)
偏“S”型:y*=1/(α+exp(β+γ×(x*)0.5)) (5)
其中,y*为探明储量数学转换值,x*为油藏序号转换值。
步骤3包括:
步骤3a,对步骤2获得的方程系数进行影响因素分析,选取敏感参数,包括资源探明程度Q、勘探程度N、累计油藏个数M;
步骤3b,通过拟合,建立方程系数关于敏感参数的求解方程;
步骤3c,由S型曲线的数学方程式与S型曲线方程系数的求解方程共同组成探明储量增长年度递推预测数学模型。
在步骤3b中,建立的建立方程系数关于敏感参数的求解方程为:
α=g(N,Q,M) (6)
β=Φ(N,Q,M) (7)
γ=η(N,Q,M) (8)
其中,α、β、γ为各年度的方程系数,N为勘探程度,Q为资源探明程度,M为累计发现油藏个数,g,Φ,η是方程系数关于勘探程度N,探明程度Q,累计油藏数M的方程。
在步骤4中,应用步骤3建立的方程组,根据含油气盆地下一年度部署的探井数,计算出下一年度的探明油藏的储量与油藏序号之间S型曲线方程,与当年的曲线相减,即可得到下一年度可能探明的油藏个数和储量。
在步骤4中,将预测出的下一年度探明油藏个数及储量,与本年度及之前的探明油藏个数与储量,共同组成新的探明油藏的数学序列,以构建后一年度的预测模型,从而继续预测后一年度可能的探明油藏个数与储量。
本发明中的探明储量增长S型曲线年度递推规律预测方法,主要用于含油气盆地或某一油气成藏系统的年度新增探明储量的预测,更适用于勘探程度较高的盆地级、凹陷级、区带级等不同层次油气系统的中短期预测。对于勘探初期的含油气盆地或某一油气成藏系统,精度不高。该方法通过建立探明油藏序列曲线,找到曲线方程系数同敏感因素之间的关系,来建立了基于资源量、已探明油藏个数、探井数储量预测方法,与目前常用的预测方法相比,更适用于勘探程度较高的盆地级、凹陷级、区带级等不同层次油气系统的中短期预测。本发明中的探明储量增长S型曲线年度递推规律预测方法,将资源量、已探明的油藏个数、探明油藏的储量、探井数、时间节点(年度)等各因素有机地结合到一个方程组中,通过年度递推,实现较为准确的探明储量增长预测。
附图说明
图1为本发明的探明储量增长S型曲线年度递推规律预测方法的一具体实施例的流程图;
图2为本发明的一具体实施例中不同年份累计探明油藏序列图;
图3为本发明的一具体实施例中不同年份累计探明油藏序列数据转换图;
图4为本发明的一具体实施例中方程系数与勘探程度、探明程度、油藏个数的相关性分析图;
图5为本发明的一具体实施例中预测效果分析图。
具体实施方式
为使本发明的上述和其他目的、特征和优点能更明显易懂,下文特举出较佳实施例,并配合附图所示,作详细说明如下。
如图1所示,图1为本发明的探明储量增长S型曲线年度递推规律预测方法的流程图。
步骤101:建立含油气盆地某一油气成藏系统不同年份累计探明油藏序列;取自变量为当年探明的油藏序号(储量最大的为1号,以此类推),因变量为当年探明油藏的储量,在二维坐标系中,可观察到每年探明油藏的序号与油藏探明储量之间呈“S”型曲线形态,由此,得到各年份探明油藏的储量与油藏序号之间的“S”型曲线序列(图2)。
步骤102:对步骤101建立的各年份探明油藏序列曲线进行数学拟合,得到“S”型曲线的方程系数。由于不同研究区地质特征不同,相应“S”型曲线方程形式也有差异性。需要对各年份的“S”型曲线进行自变量和因变量的数学转换,数学转换的目的是便于建立合适的数学方程形势。转换公式为:
y*=1-ln(y)/5 (1)
x*=x/1000 (2)
其中,y为探明储量,x为油藏序号。对新的自变量和因变量进行拟合,得到数学关系方程,进而得到各年度的方程系数α、β、γ。
首先,对步骤101的自变量、因变量进行一定的数学转换,得到新的“S”型曲线形态(图3);
其次,对新的“S”型曲线,选取合适的数学方程形式;对新的自变量和因变量进行拟合,得到数学关系方程,进而得到各年度的方程系数α、β、γ。得到的数学关系方程为:
正“S”型:y*=1/(α+β×exp(γ*x*)) (3)
“S”型:y*=1/(α+exp(β+γ×ln(x*))) (4)
偏“S”型:y*=1/(α+exp(β+γ×(x*)0.5)) (5)
其中,y*为探明储量数学转换值,x*为油藏序号转换值。
其三,每条新的“S”型曲线进行数学拟合,根据误差最小原理,确定各年份“S”型曲线的方程系数。“S”型曲线主要有三种类型,利用误差最小原理,分析认为东营凹陷符合正“S”型曲线特征。
步骤103:建立步骤102中方程系数的求解方程,形成储量增长预测模型。首先,对步骤2获得的方程系数进行影响因素分析(图4),选取敏感参数,如资源探明程度、探井工作量等;
其次,通过拟合,建立方程系数与敏感参数之间的数学关系式,建立的建立方程系数关于敏感参数的求解方程为:
α=g(N,Q,M) (6)
β=Φ(N,Q,M) (7)
γ=η(N,Q,M) (8)
其中,α、β、γ为各年度的方程系数,g,Φ,η是方程系数关于勘探程度N,探明程度Q,累计油藏数M的方程。
其三,由“S”型曲线的数学方程式与“S”型曲线方程系数的求解方程共同组成探明储量增长年度递推预测数学模型(方程组)。勘探过程中,随着时间延伸,油藏数目和储量数逐步增长,分析表明,DY凹陷方程系数α、β、γ与盆地探井勘探程度N、资源探明程度Q、累计油藏个数M变化密切相关。应用多元回归方法就可以建立出α、β、γ关于勘探程度、探明程度以及油藏个数的求解方程。
α=21.528×exp(-4.664×N)×exp(0.122×Q)×M-0.02 (9)
ln(β)=2.896×exp(-1.946×N)×exp(-2.046×Q)×M0.504 (10)
ln(γ)=1.454×exp(-1.132×N)×exp(-0.679×Q)×M0.247 (11)
步骤104:应用步骤103建立的方程组,预测下一年度可能探明的油藏个数和储量。在步骤104中,应用步骤103建立的方程组,根据含油气盆地下一年度部署的探井数,可以计算出下一年度的探明油藏的储量与油藏序号之间“S”型曲线方程,与当年的曲线相减,即可得到下一年度可能探明的油藏个数和储量。同理,加上预测出的下一年度的探明油藏个数与储量,与本年度及之前的探明油藏个数与储量,共同组成新的探明油藏的数学序列,又可以构建后一年度的预测模型,从而继续预测后一年度可能的探明油藏个数与储量。依次类推。因此,探明储量增长S型曲线年度递推规律预测方法适合中短期的探明储量增长预测。
通过上述流程对DY凹陷进行了拟合预测,效果较好,用递推规律预测方法计算出来的数据与实际数据相对比较为吻合(图5)。实现了勘探程度较高地区中短期预测。
本发明的探明储量增长S型曲线年度递推规律预测方法,把盆地资源量、探井数量、以及勘探阶段等影响储量增长的因素有机结合在一个数学模型之中,为较为准确地预测含油气盆地或某一油气成藏系统的探明储量增长趋势提供了新的方法。
Claims (10)
1.探明储量增长S型曲线年度递推规律预测方法,其特征在于,该探明储量增长S型曲线年度递推规律预测方法包括:
步骤1,建立含油气盆地不同年份累计探明油藏的数学序列,得到S型曲线的自变量和因变量;
步骤2,对步骤1建立的各年份累计油藏序列S型曲线进行拟合,得到S型曲线方程以及方程系数;
步骤3,建立步骤2中方程系数的求解方程,与步骤2中的S型曲线方程,共同形成含油气盆地的预测模型;
步骤4,用预测模型预测下一年度可能探明的油气藏个数和储量。
2.根据权利要求1所述的探明储量增长S型曲线年度递推规律预测方法,其特征在于,在步骤1中,取自变量为当年探明的油藏序号,因变量为当年探明油藏的储量,在二维坐标系中,每年探明油藏的序号与油藏探明储量之间呈S型曲线形态,由此,得到各年份探明油藏的储量与油藏序号之间的S型曲线序列。
3.根据权利要求1所述的探明储量增长S型曲线年度递推规律预测方法,其特征在于,步骤2包括:
步骤2a,对步骤1的自变量、因变量进行一定的数学转换,得到新的S型曲线形态;
步骤2b,对新的S型曲线,选取合适的数学方程形式;
步骤2c,每条新的S型曲线进行数学拟合,根据误差最小原理,确定每个年份S型曲线的方程系数。
4.根据权利要求3所述的探明储量增长S型曲线年度递推规律预测方法,其特征在于,在步骤2a中,对各年份的S型曲线进行自变量和因变量的数学转换,转换公式为:
y*=1-ln(y)/5 (1)
x*=x/1000 (2)
其中,y为探明储量,x为油藏序号,y*为探明储量数学转换值,x*为油藏序号转换值;数学转换的目的是便于建立合适的数学方程形势。
5.根据权利要求3所述的探明储量增长S型曲线年度递推规律预测方法,其特征在于,在步骤2b中,对新的自变量和因变量进行拟合,得到数学关系方程,进而得到各年度的方程系数α、β、γ。
6.根据权利要求5所述的探明储量增长S型曲线年度递推规律预测方法,其特征在于,在步骤2b中,得到的数学关系方程为:
正“S”型:y*=1/(α+β×exp(γ*x*)) (3)
“S”型:y*=1/(α+exp(β+γ×ln(x*))) (4)
偏“S”型:y*=1/(α+exp(β+γ×(x*)0.5)) (5)
其中,y*为探明储量数学转换值,x*为油藏序号转换值。
7.根据权利要求1所述的探明储量增长S型曲线年度递推规律预测方法,其特征在于,步骤3包括:
步骤3a,对步骤2获得的方程系数进行影响因素分析,选取敏感参数,包括资源探明程度Q、勘探程度N、累计油藏个数M;
步骤3b,通过拟合,建立方程系数关于敏感参数的求解方程;
步骤3c,由S型曲线的数学方程式与S型曲线方程系数的求解方程共同组成探明储量增长年度递推预测数学模型。
8.根据权利要求7所述的探明储量增长S型曲线年度递推规律预测方法,其特征在于,在步骤3b中,建立的建立方程系数关于敏感参数的求解方程为:
α=g(N,Q,M) (6)
β=Φ(N,Q,M) (7)
γ=η(N,Q,M) (8)
其中,α、β、γ为各年度的方程系数,N为勘探程度,Q为资源探明程度,M为累计发现油藏个数,g,Φ,η是方程系数关于勘探程度N,探明程度Q,累计油藏数M的方程。
9.根据权利要求1所述的探明储量增长S型曲线年度递推规律预测方法,其特征在于,在步骤4中,应用步骤3建立的方程组,根据含油气盆地下一年度部署的探井数,计算出下一年度的探明油藏的储量与油藏序号之间S型曲线方程,与当年的曲线相减,即可得到下一年度可能探明的油藏个数和储量。
10.根据权利要求9所述的探明储量增长S型曲线年度递推规律预测方法,其特征在于,在步骤4中,将预测出的下一年度探明油藏个数及储量,与本年度及之前的探明油藏个数与储量,共同组成新的探明油藏的数学序列,以构建后一年度的预测模型,从而继续预测后一年度可能的探明油藏个数与储量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810141112.7A CN108399471A (zh) | 2018-02-11 | 2018-02-11 | 探明储量增长s型曲线年度递推规律预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810141112.7A CN108399471A (zh) | 2018-02-11 | 2018-02-11 | 探明储量增长s型曲线年度递推规律预测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108399471A true CN108399471A (zh) | 2018-08-14 |
Family
ID=63095978
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810141112.7A Pending CN108399471A (zh) | 2018-02-11 | 2018-02-11 | 探明储量增长s型曲线年度递推规律预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108399471A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110413952A (zh) * | 2019-06-26 | 2019-11-05 | 中国石油天然气股份有限公司 | 油气区块勘探程度的预测方法及装置 |
CN111307199A (zh) * | 2019-12-05 | 2020-06-19 | 北京普源精电科技有限公司 | 一种具有预测装置的电子测量仪及电子测量仪的预测方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106295835A (zh) * | 2015-05-21 | 2017-01-04 | 中国石油化工股份有限公司 | 油气藏规模分布的预测方法 |
CN107103552A (zh) * | 2016-02-23 | 2017-08-29 | 中国石油化工股份有限公司 | 勘探效率系数确定方法及装置 |
-
2018
- 2018-02-11 CN CN201810141112.7A patent/CN108399471A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106295835A (zh) * | 2015-05-21 | 2017-01-04 | 中国石油化工股份有限公司 | 油气藏规模分布的预测方法 |
CN107103552A (zh) * | 2016-02-23 | 2017-08-29 | 中国石油化工股份有限公司 | 勘探效率系数确定方法及装置 |
Non-Patent Citations (1)
Title |
---|
高磊 等: "探明储量增长"帚状"预测模型--以济阳坳陷为例", 《石油勘探与开发》, vol. 29, no. 6, pages 45 - 47 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110413952A (zh) * | 2019-06-26 | 2019-11-05 | 中国石油天然气股份有限公司 | 油气区块勘探程度的预测方法及装置 |
CN110413952B (zh) * | 2019-06-26 | 2023-12-22 | 中国石油天然气股份有限公司 | 含油气盆地勘探程度的预测方法及装置 |
CN111307199A (zh) * | 2019-12-05 | 2020-06-19 | 北京普源精电科技有限公司 | 一种具有预测装置的电子测量仪及电子测量仪的预测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sterman et al. | An experiment to evaluate methods for estimating fossil fuel resources | |
Geem et al. | Harmony search optimization: application to pipe network design | |
CN103336891B (zh) | 一种用于配电网状态估计的伪量测生成方法 | |
Saraiva et al. | Forecasting Brazil’s crude oil production using a multi-Hubbert model variant | |
CN102567635B (zh) | 一种定量区分水循环演变过程中不同因素贡献的方法 | |
Urli et al. | PROMISE/scenarios: An interactive method for multiobjective stochastic linear programming under partial uncertainty | |
CN105452598B (zh) | 选择和优化用于产量平台的油田控制的方法 | |
Narbaev et al. | Earned value and cost contingency management: A framework model for risk adjusted cost forecasting | |
CN108399471A (zh) | 探明储量增长s型曲线年度递推规律预测方法 | |
CN107316341B (zh) | 一种多点地质统计学沉积相建模方法 | |
CN104572924A (zh) | 用于gis矢量建筑物多边形的多尺度表达信息生成方法 | |
Xu et al. | Comparison of ecological risk among different urban patterns based on system dynamics modeling of urban development | |
CN103530700B (zh) | 城区配电网饱和负荷综合预测方法 | |
CN112966900A (zh) | 基于改进潜能模型的养老机构可达性评估方法 | |
CN104636834A (zh) | 一种改进的联合概率规划模型系统优化方法 | |
US5757665A (en) | Riverine community habitat assessment and restoration methodlogy | |
Malhotra et al. | Parametric study of the different level of detail of CityGML and energy-ADE information for energy performance simulations | |
CN101739614A (zh) | 层级组合预测通信业务的方法 | |
CN116757378A (zh) | 需求响应评估模型训练方法、应用评估方法及相关设备 | |
Caihong et al. | Real-time flood classification forecasting based on k-means++ clustering and neural network | |
Vlahos et al. | Nitrogen budgets of the Long Island Sound estuary | |
Perez et al. | Performance analysis of bagging feed-forward neural network for forecasting building energy demand | |
CN103279651A (zh) | 一种储层参数预测方法及装置 | |
Asante-Darko et al. | A Fourier series model for forecasting solid waste generation in the Kumasi metropolis of Ghana | |
Ivšinović et al. | Application of the bootstrap method on a large input data set-case study western part of the Sava Depression |
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 |