CN108733632B - 一种中低渗高含水油藏重复压裂选井评价方法 - Google Patents

一种中低渗高含水油藏重复压裂选井评价方法 Download PDF

Info

Publication number
CN108733632B
CN108733632B CN201810472488.6A CN201810472488A CN108733632B CN 108733632 B CN108733632 B CN 108733632B CN 201810472488 A CN201810472488 A CN 201810472488A CN 108733632 B CN108733632 B CN 108733632B
Authority
CN
China
Prior art keywords
parameter
parameters
evaluation
representing
repeated fracturing
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.)
Active
Application number
CN201810472488.6A
Other languages
English (en)
Other versions
CN108733632A (zh
Inventor
肖勇
卢立泽
王贺华
李建东
付辉
张博
赵星
岑玉达
杜新龙
王荣新
符奇
韩绪军
张春淋
张小平
邓强
胡常忠
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.)
Chengdu North Petroleum Exploration And Development Technology Co ltd
Original Assignee
Chengdu North Petroleum Exploration And Development Technology Co ltd
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 Chengdu North Petroleum Exploration And Development Technology Co ltd filed Critical Chengdu North Petroleum Exploration And Development Technology Co ltd
Priority to CN201810472488.6A priority Critical patent/CN108733632B/zh
Publication of CN108733632A publication Critical patent/CN108733632A/zh
Application granted granted Critical
Publication of CN108733632B publication Critical patent/CN108733632B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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
    • G06Q50/06—Energy or water supply
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
    • Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Computational Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Pure & Applied Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Mathematical Analysis (AREA)
  • Operations Research (AREA)
  • Mathematical Optimization (AREA)
  • Primary Health Care (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Quality & Reliability (AREA)
  • Evolutionary Biology (AREA)
  • Game Theory and Decision Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Water Supply & Treatment (AREA)
  • Algebra (AREA)
  • Public Health (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种中低渗高含水油藏重复压裂选井评价方法，包括以下步骤：(A)建立重复压裂选井评价数据库D，评价集S和参数集X均包括四类参数；(B)建立单因素评价标准集V；(C)计算参数集X中每项参数对重复压裂产液量的影响权重W和每类参数对重复压裂产液量的影响权重K；(D)计算评价集S中每项参数的隶属度R；(E)将影响权重W和隶属度R进行模糊综合计算；(F)将参数层评价向量B和影响权重K进行模糊综合运算；(G)得到综合评分L，评价评价集S中的单井是否具有重复压裂改造潜力。本发明能够表征多项参数对压裂改造效果的共同影响程度，完善地、精确地计算出参数之间的相互影响、协同作用。

Description

一种中低渗高含水油藏重复压裂选井评价方法
技术领域
本发明涉及油气田开发领域，具体涉及一种中低渗高含水油藏重复压裂选井评价方法。
背景技术
重复压裂支撑和转向原有水力裂缝是提高开发后期中低渗高含水油藏单井产油的有效方法。
重复压裂选井经历了主观经验、定性评价和定量评价三个主要阶段。上世纪70年代重复压裂选井以油田工程师的主观经验判断为主，主要选择初次压裂施工不成功、压后产液低、压裂开采时间长的井。21世纪初油田工程师重复压裂选井从主观经验判断过渡到动态分析法、监测资料法、小层对比法等定性评价方法，改造成功率有所提高。但上述定性评价方法皆存在评价参数不完整、评价结果误差较大、评价方法和预测结果不定量等问题，无法解决中低渗高含水油藏重复压裂的选井准确率和改造成功率等问题(曾凡辉,刘林,王兴文.乌里雅斯太凹陷压裂井选井选层研究[J].西南石油大学学报，2010，33(6)：45-49)。
从上世纪80年代开始，线性回归模型、神经网络模型、灰色关联模型、模糊数学模型等定量评价单井压裂改造潜力的方法被提出，使得压裂选井评价准确率得到较大提高。但是，上述定量评价模型存在如下问题：线性回归不能准确描述多项参数之间的非线性关系；神经网络和模糊数学模型训练复杂、收敛性差，且需进行人为主观权重分配；灰色关联模型不能表征各项参数的物性关联性，定量表征效果差(刘红霞.基于模糊数学的松南地区诸盆地油气选区评价[J].矿物岩石地球化学通报，2017，36(05)：807-812)。不仅如此，重复压裂改造效果受到储层品质、压裂施工水平、水力裂缝形态和开发动态四大类参数的共同影响，而现有的定量评价模型中，其准确性受到所选参数完整性的影响。
综上所述，现有的定量评价模型中每类参数中的各单项参数对压裂改造效果的影响程度难以定量表征，导致多参数综合影响重复压裂改造效果难以评价，同时，现有的定量评价模型还存在参数类型、项数不完整的问题。
因此，需要一种能够明确储层品质、压裂施工水平、水力裂缝形态和开发动态这四类参数对重复压裂改造效果影响程度的重复压裂选井评价数学模型，以综合评价重复压裂改造潜力，并准确候选重复压裂井，最终实现该类油田的稳产和增产。
发明内容
本发明的目的在于提供一种中低渗高含水油藏重复压裂选井评价方法，以解决现有技术中参数对压裂改造效果的影响程度难以定量表征而造成多参数综合影响重复压裂改造的效果难以评价，且影响重复压裂改造效果的参数类型、项数均不完整的问题，实现综合评价重复压裂改造潜力、准确候选重复压裂井，最终达到油田稳产和增产的目的。
现有技术中，在构建重复压裂选井定量评价模型时，往往仅通过储层品质参数、压裂施工参数、水力裂缝参数或开发动态参数中的一类或几类以判断重复压裂选井的改造潜力，参数的缺失将严重影响判断的准确性，导致一部分重复压裂井在开采后未达到预期的产量甚至无法开采的情况，而另一部分未开发的重复压裂井却拥有极高的开发价值，进而产生油藏产量低，生产成本高等诸多问题。通过研究发现，影响重复压裂选井的参数之所以缺失的主要原因在于：现有的评价模型无法表征多项参数对压裂改造效果的共同影响程度，因此，在构建评价模型时，通常将部分参数例如加砂强度、平均砂浓度、裂缝穿透比、无因次导流能力、铺砂浓度、开采时间、改造时间忽略、取近似值、或者依靠技术人员的经验赋值。但在实际工作中，各项参数之间是相辅相成、相互影响的，例如水力裂缝参数的不合理将引起开发动态参数的剧烈波动，因此，即使部分参数影响作用较小，但多项参数的叠加、协同作用将会对重复压裂井的潜力判断造成严重误差。
综上，为了解决上述问题，本发明提供了一种适用于中低渗高含水油藏重复压裂选井的评价方法，该方法能够表征储层品质参数、压裂施工参数、水力裂缝参数和开发动态参数这四类参数对压裂改造效果的共同影响程度，进而精确地判断重复压裂改造潜力、准确候选重复压裂井，最终达到油田稳产和增产的目的。
具体地，本发明通过下述技术方案实现：
一种中低渗高含水油藏重复压裂选井评价方法，包括以下步骤：
(A)构建评价集S，所述评价集S包括四类参数：储层品质参数、压裂施工参数、水力裂缝参数和开发动态参数，构建参数集X，所述参数集X包括四类参数：储层品质参数、压裂施工参数、水力裂缝参数和开发动态参数；其中，所述储层品质参数包括至少一项参数，所述压裂施工参数包括至少一项参数，所述水力裂缝参数包括至少一项参数，所述开发动态参数包括至少一项参数；同时，获得指标集Y；根据评价集S、参数集X和指标集Y，建立重复压裂选井评价数据库D。
其中，评价集S表示候选重复压裂井，即某一口待重复压裂井的参数，参数集X表示影响重复压裂改造效果的参数，指标集Y是对应已重复压裂井的重复压裂产液量，参数集X中的参数和指标集Y的重复压裂产液量均由已重复压裂井统计得来，优选地，评价集S中的参数与参数集X中的参数一一对应，即，评价集S中参数的项数等于参数集X中参数的项数，且评价集S中参数的类别与参数集X中参数的类别相同。
利用四类参数综合评价，使得评价维度更加全面，评价结果更加准确。优选地，储层品质参数、压裂施工参数、水力裂缝参数、开发动态参数各包含6项参数，共计24项参数。上述参数构建了三级评价体系，所述三级评价体系包括目的层、要素层和参数层。其中，目的层为重复压裂产液量，要素层为储层品质参数、压裂施工参数、水力裂缝参数、开发动态参数，参数层为四类参数下的所有参数项。
所构建的评价集S、参数集X、指标集Y和重复压裂选井评价数据库D为：
评价集S：
S＝[s1,s2,…,sj,…,sm]
参数集X：
Figure BDA0001663609770000031
指标集Y：
Figure BDA0001663609770000032
重复压裂选井评价数据库D：
Figure BDA0001663609770000033
评价集S中，sj表示评价集S中第j项参数，j＝1,2,…,m，其中，m为参数的总项数，优选地，m＝24；参数集X中，xij表示第i口井的第j项参数，i＝1,2,…,n，其中，n为用于评价的已压裂改造井的总井数；指标集Y中，yi表示第i口已压裂改造井的重复压裂产液量。
(B)计算参数集X中每项参数与重复压裂产液量的相关性，建立单因素评价标准集V，并确定定量的评分区间标准。优选地，步骤(B)采用最小二乘法计算参数集X中每项参数与重复压裂产液量的相关性，之后利用参数集X中每一项参数与重复压裂产液量之间的正负线性关系和拟合精度R的平方值，建立四级单因素评价标准集V。
(C)将重复压裂选井评价数据库D中的参数无因次化，计算参数集X中每项参数对重复压裂产液量的影响权重W，计算参数集X中每类参数对重复压裂产液量的影响权重K。优选地，利用均值化变换对数据库D进行无因次化，再利用灰色关联法计算每项参数对重复压裂产液量的影响权重W＝[W1,W2,W3,W4]和每类参数对重复压裂产液量的影响权重K＝[k1,k2,k3,k4]，其中，W1表示所有储层品质参数的权重集合，W2表示所有压裂施工参数的权重集合，W3表示所有水力裂缝参数的权重集合，W4表示所有开发动态参数的权重集合，k1表示所有储层品质参数的权重之和，k2表示所有压裂施工参数的权重之和，k3表示所有水力裂缝参数的权重之和，k4表示所有开发动态参数的权重之和。
(D)计算评价集S中每项参数在单因素评价标准集V的每个评分区间中的隶属度R。优选地，运用高斯分布隶属函数进行计算。
(E)将影响权重W和隶属度R进行模糊综合计算，得到参数层评价向量B；
(F)将参数层评价向量B和影响权重K进行模糊综合运算，得到要素层评价向量T；
(G)将要素层评价向量T与定量的评分区间标准进行累计求和运算，得到综合评分L，评价评价集S中的单井是否具有重复压裂改造潜力。
通过步骤(B)～步骤(G)的计算方法，能够表征多项参数对压裂改造效果的共同影响程度，进而允许考虑储层品质参数、压裂施工参数、水力裂缝参数、开发动态参数四类参数，可以更完善地、精确地计算出参数之间的相互影响、协同作用，最后得到的定量化的综合评分具备客观性、准确性和实用性，使得工作人员能够更加直观判断候选重复压裂井的改造潜力，准确候选重复压裂井，最终实现该类油田的稳产和增产。
作为本发明的一个优选方案，所述储层品质参数包括：声波、中子、伽马、电阻率差、有效厚度、孔隙度、渗透率。所述压裂施工参数包括：前置液量、携砂液量、支撑剂量、施工排量、加砂强度、平均砂浓度。所述水力裂缝参数包括：裂缝穿透比、支撑缝高、支撑缝宽、无因次导流能力、铺砂浓度。所述开发动态参数包括：井网采收率、目前含水率、增产有效期、累积增油量、开采时间、改造时间。其中，现有技术中容易忽略加砂强度、平均砂浓度、裂缝穿透比、无因次导流能力、铺砂浓度、开采时间、改造时间等参数对压裂改造效果的共同影响程度，导致技术人员对单井的重复压裂潜力造成误判。
由此可见，本发明能够通过分析上述24项参数对压裂改造效果的影响程度，更完善、精确地计算出多参数综合影响重复压裂改造效果，尤其是本发明能够使本领域技术人员在判断重复压裂井开发潜力时考虑到加砂强度、平均砂浓度、裂缝穿透比、无因次导流能力、铺砂浓度、开采时间、改造时间等参数的协同影响作用，这些参数在现有技术的定量评价模型中往往被忽略、取近似值或者根据工作人员的经验赋值，导致最后的预判结果与实际情况产生较大的误差，不利于开采工艺的进行。
进一步地，步骤(B)利用最小二乘法计算参数集X中每一项参数与重复压裂产液量之间的正负线性关系和拟合精度R平方值，方程为：
Figure BDA0001663609770000051
Figure BDA0001663609770000052
Figure BDA0001663609770000053
zi＝fj·xij+dj
Figure BDA0001663609770000054
上述方程中，fj表示第j项参数，dj表示第j项参数，
Figure BDA0001663609770000055
表示指标集中所有参数的平均值，zi表示每项参数根据最小二乘法计算拟合值，
Figure BDA0001663609770000056
表示第j项参数的拟合精度平方值。
若
Figure BDA0001663609770000057
表示第j项参数与重复压裂产液量为线性关系。fj>0表示第j项参数与重复压裂产液量呈正相关关系，此时，v1j表示最大的区间值，v2j、v3j区间值依次减小，v4j区间值最小；fj<0表示第j项参数与重复压裂产液量呈负相关关系，此时，v1j表示最小的区间值，v2j、v3j区间值依次增大，v4j区间值最大，j＝1,2,…,m，m为参数的总项数，优选地，m＝24。
若
Figure BDA0001663609770000058
表示第j项参数与重复压裂产液量为非线性关系。将第j项参数的最大值和最小值分别记为xjmax，xjmin。将第j项参数值分为4个区间：[xjmax,(3xjmax-xjmin)/4]、[(3xjmax-xjmin)/4,(xjmax-xjmin)/2]、[(xjmax-xjmin)/2,(xjmax-3xjmin)/4]、[(xjmax-3xjmin)/4,xjmin]，对应的重复压裂产液量平均值为：ya、yb、yc、yd，将平均值从最大值到最小值排序，将平均值分别对应的区间定为v1j、v2j、v3j、v4j，即v1j为平均值最大值对应区间，v4j为平均值最小值对应区间。
之后，根据四个不同区间值的等级，建立单因素评价标准集V：
Figure BDA0001663609770000061
单因素评价标准集V中，vij表示第j项参数在第i等级中的取值区间，j＝1,2,…,m，m为参数的总项数；i＝1,2,3,4表示不同的等级。每项参数在单因素评价标准集V中具有四个等级，分别为A类、B类、C类、D类，每个等级对应不同的定量评分区间，其中，A类：v1＝100～75分，B类：v2＝75～50分，C类：v3＝50～25分，D类：v4＝25～0分。
进一步地，所述步骤(C)首先利用均值化变化对重复压裂选井评价数据库D进行无因次化：
Figure BDA0001663609770000062
其中，y'i表示无因次化的指标集，x'ij表示无因次化的参数集。
之后，计算每项参数序列与目标序列的绝对值差Δi(j)：
Δi(j)＝|x'ij-y'j|
计算每一项参数与对重复压裂产液量的关联系数εi(j)，进而得到关联系数矩阵εi(k)：
Figure BDA0001663609770000063
Figure BDA0001663609770000064
计算每一项参数对重复压裂产液量的关联度rj和权重wj：
Figure BDA0001663609770000065
Figure BDA0001663609770000066
最后，计算每类参数对重复压裂产液量的影响权重K。将所有参数的权重按照储层品质参数、压裂施工参数、水力裂缝参数、开发动态参数分为4个不同的权重集合，即W＝[W1,W2,W3,W4]，其中W1表示所有储层品质参数的权重集合，W2表示所有压裂施工参数的权重集合，W3表示所有水力裂缝参数的权重集合，W4表示所有开发动态参数的权重集合。分别将4个不同权重集合内的数据做加法运算，得到每类参数对重复压裂产液量的影响权重K：
K＝[k1,k2,k3,k4]＝[∑W1 ∑W2 ∑W3 ∑W4]
其中，k1表示所有储层品质参数的权重之和，k2表示所有压裂施工参数的权重之和，k3表示所有水力裂缝参数的权重之和，k4表示所有开发动态参数的权重之和。
进一步地，所述步骤(D)运用高斯分布隶属函数，计算评价集中每项参数在单因素评价标准集四个等级中分别的隶属度R＝(rij)T，其计算方式如下：
若
Figure BDA0001663609770000071
采用三角线性分布函数计算隶属度：
Figure BDA0001663609770000072
ai＝(vi1-vi2)/2
其中，ai表示区间vi的平均值，b表示中间计算参数。
若
Figure BDA0001663609770000073
采用高斯非线性分布函数计算隶属度：
Figure BDA0001663609770000074
Figure BDA0001663609770000075
其中，sj表示评价集S中的第j项参数，j＝1,2,···,m，其中m为参数的总项数；vij表示在单因素评价标准集V中的第i个等级对应的值，i＝1,2,3,4，j＝1表示该等级的上限值，j＝2表示该等级的下限值。得到评价集S中所有参数在单因素评价标准集V中隶属度R。
Figure BDA0001663609770000076
其中，R1表示储层品质参数的所有参数隶属度、R2表示压裂施工参数的所有参数隶属度、R3表示水力裂缝参数的所有参数隶属度、R4表示开发动态参数的所有参数隶属度。
进一步地，所述步骤(E)具体包括将评价集S中各项参数的隶属度R与对应权重W进行模糊综合运算，得到所有参数在参数层的评价向量B，运算方式为：
Figure BDA0001663609770000081
所述步骤(F)进一步包括：
Figure BDA0001663609770000082
其中，B1表示储层品质参数的每项参数的参数层评价向量，B2表示压裂施工参数的每项参数的参数层评价向量，B3表示水力裂缝参数的每项参数的参数层评价向量，B4表示开发动态参数的每项参数的参数层评价向量，bij为是参数层评价向量B中的具体值；t1表示储层品质参数的要素层评价向量，t2表示压裂施工参数的要素层评价向量，t3表示水力裂缝参数的要素层评价向量，t4表示开发动态参数的要素层评价向量。
进一步地，所述步骤(G)进一步包括：
Figure BDA0001663609770000083
其中，ti表示第i类参数的要素层评价向量，vi表示第i等级的评分区间标准，评价集S中综合评分L大于界限值50分的单井为具有重复压裂潜力的单井。
本发明与现有技术相比，具有如下的优点和有益效果：
1、本发明能够表征多项参数对压裂改造效果的共同影响程度，进而允许考虑储层品质参数、压裂施工参数、水力裂缝参数、开发动态参数四类参数，可以更完善地、精确地计算出参数之间的相互影响、协同作用，最后得到的定量化的综合评分具备客观性、准确性和实用性，准确候选重复压裂井，最终实现该类油田的稳产和增产；
2、本发明建立了三级评价指标体系，全面考虑了四类共24项参数对重复压裂产液量的影响，能够使本领域技术人员在判断重复压裂井开发潜力时考虑到加砂强度、平均砂浓度、裂缝穿透比、无因次导流能力、铺砂浓度、开采时间、改造时间等参数的协同影响作用，这些参数在现有技术的定量评价模型中往往被忽略、取近似值或者根据工作人员的经验赋值，导致最后的预判结果与实际情况产生较大的误差，不利于开采工艺的进行；
3、本发明以线性和非线性为基础采用不同的相关性分析、灰色关联理论和隶属函数相结合的模糊数学方法，更客观、精确地表征多项参数对压裂改造效果的共同影响程度，得到的定量化综合评分可以更加直观判断候选重复压裂井的改造潜力。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部分，并不构成对本发明实施例的限定。在附图中：
图1为本发明具体实施例的重复压裂选井评价体系示意图；
图2为本发明具体实施例的重复压裂选井评价方法的数据库样本。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。
实施例1：
如图1与图2所示的一种中低渗高含水油藏重复压裂选井评价方法，包括以下步骤：
(A)构建评价集S，所述评价集S包括四类参数：储层品质参数、压裂施工参数、水力裂缝参数和开发动态参数，构建参数集X，所述参数集X包括四类参数：储层品质参数、压裂施工参数、水力裂缝参数和开发动态参数；其中，所述储层品质参数包括至少一项参数，所述压裂施工参数包括至少一项参数，所述水力裂缝参数包括至少一项参数，所述开发动态参数包括至少一项参数；同时，获得指标集Y；
根据评价集S、参数集X和指标集Y，建立重复压裂选井评价数据库D；
其中，评价集S表示候选重复压裂井，即某一口待重复压裂井的参数，参数集X表示影响重复压裂改造效果的参数，指标集Y是对应已重复压裂井的重复压裂产液量，参数集X中的参数和指标集Y的重复压裂产液量均由已重复压裂井统计得来。
评价集S：
S＝[s1,s2,…,sj,…,sm]
参数集X：
Figure BDA0001663609770000091
指标集Y：
Figure BDA0001663609770000101
重复压裂选井评价数据库D：
Figure BDA0001663609770000102
评价集S中，sj表示评价集S中第j项参数，j＝1,2,…,m，其中，m为参数的总项数，优选地，m＝24；参数集X中，xij表示第i口井的第j项参数，i＝1,2,…,n，其中，n为用于评价的已压裂改造井的总井数；指标集Y中，yi表示第i口已压裂改造井的重复压裂产液量。
(B)计算参数集X中每项参数与重复压裂产液量的相关性，建立单因素评价标准集V，并确定定量的评分区间标准。具体计算方法为：
利用最小二乘法计算参数集X中每一项参数与重复压裂产液量之间的正负线性关系和拟合精度R平方值，方程为：
Figure BDA0001663609770000103
Figure BDA0001663609770000104
Figure BDA0001663609770000105
zi＝fj·xij+dj
Figure BDA0001663609770000106
上述方程中，fj表示第j项参数，dj表示第j项参数，
Figure BDA0001663609770000111
表示指标集中所有参数的平均值，zi表示每项参数根据最小二乘法计算拟合值，
Figure BDA0001663609770000112
表示第j项参数的拟合精度平方值。
若
Figure BDA0001663609770000113
表示第j项参数与重复压裂产液量为线性关系。fj>0表示第j项参数与重复压裂产液量呈正相关关系，此时，v1j表示最大的区间值，v2j、v3j区间值依次减小，v4j区间值最小；fj<0表示第j项参数与重复压裂产液量呈负相关关系，此时，v1j表示最小的区间值，v2j、v3j区间值依次增大，v4j区间值最大，j＝1,2,…,m，m为参数的总项数，优选地，m＝24。
若
Figure BDA0001663609770000114
表示第j项参数与重复压裂产液量为非线性关系。将第j项参数的最大值和最小值分别记为xjmax，xjmin。将第j项参数值分为4个区间：[xjmax,(3xjmax-xjmin)/4]、[(3xjmax-xjmin)/4,(xjmax-xjmin)/2]、[(xjmax-xjmin)/2,(xjmax-3xjmin)/4]、[(xjmax-3xjmin)/4,xjmin]，对应的重复压裂产液量平均值为：ya、yb、yc、yd，将平均值从最大值到最小值排序，将平均值分别对应的区间定为v1j、v2j、v3j、v4j，即v1j为平均值最大值对应区间，v4j为平均值最小值对应区间。
之后，根据四个不同区间值的等级，建立单因素评价标准集V：
Figure BDA0001663609770000115
单因素评价标准集V中，vij表示第j项参数在第i等级中的取值区间，j＝1,2,…,m，m为参数的总项数；i＝1,2,3,4表示不同的等级。每项参数在单因素评价标准集V中具有四个等级，分别为A类、B类、C类、D类，每个等级对应不同的定量评分区间，其中，A类：v1＝100～75分，B类：v2＝75～50分，C类：v3＝50～25分，D类：v4＝25～0分。
(C)将重复压裂选井评价数据库D中的参数无因次化，计算参数集X中每项参数对重复压裂产液量的影响权重W，计算参数集X中每类参数对重复压裂产液量的影响权重K。
具体地算法为：
首先利用均值化变化对重复压裂选井评价数据库D进行无因次化：
Figure BDA0001663609770000116
其中，y'i表示无因次化的指标集，x'ij表示无因次化的参数集。
之后，计算每项参数序列与目标序列的绝对值差Δi(j)：
Δi(j)＝|x'ij-y'j|
计算每一项参数与对重复压裂产液量的关联系数εi(j)，进而得到关联系数矩阵εi(k)：
Figure BDA0001663609770000121
Figure BDA0001663609770000122
计算每一项参数对重复压裂产液量的关联度rj和权重wj：
Figure BDA0001663609770000123
Figure BDA0001663609770000124
最后，计算每类参数对重复压裂产液量的影响权重K。将所有参数的权重按照储层品质参数、压裂施工参数、水力裂缝参数、开发动态参数分为4个不同的权重集合，即W＝[W1,W2,W3,W4]，其中W1表示所有储层品质参数的权重集合，W2表示所有压裂施工参数的权重集合，W3表示所有水力裂缝参数的权重集合，W4表示所有开发动态参数的权重集合。分别将4个不同权重集合内的数据做加法运算，得到每类参数对重复压裂产液量的影响权重K：
K＝[k1,k2,k3,k4]＝[∑W1 ∑W2 ∑W3 ∑W4]
其中，k1表示所有储层品质参数的权重之和，k2表示所有压裂施工参数的权重之和，k3表示所有水力裂缝参数的权重之和，k4表示所有开发动态参数的权重之和。
(D)计算评价集S中每项参数在单因素评价标准集V的每个评分区间中的隶属度R。
具体地，运用高斯分布隶属函数，计算评价集中每项参数在单因素评价标准集四个等级中分别的隶属度R＝(rij)T，其计算方式如下：
若
Figure BDA0001663609770000125
采用三角线性分布函数计算隶属度：
Figure BDA0001663609770000131
ai＝(vi1-vi2)/2
其中，ai表示区间Vi的平均值，b表示中间计算参数。
若
Figure BDA0001663609770000132
采用高斯非线性分布函数计算隶属度：
Figure BDA0001663609770000133
Figure BDA0001663609770000134
其中，sj表示评价集S中的第j项参数，j＝1,2,···,m，其中m为参数的总项数；vij表示在单因素评价标准集V中的第i个等级对应的值，i＝1,2,3,4，j＝1表示该等级的上限值，j＝2表示该等级的下限值。得到评价集S中所有参数在单因素评价标准集V中隶属度R。
Figure BDA0001663609770000135
其中，R1表示储层品质参数的所有参数隶属度、R2表示压裂施工参数的所有参数隶属度、R3表示水力裂缝参数的所有参数隶属度、R4表示开发动态参数的所有参数隶属度。
(E)将影响权重W和隶属度R进行模糊综合计算，得到参数层评价向量B；
将评价集S中各项参数的隶属度R与对应权重W进行模糊综合运算，得到所有参数在参数层的评价向量B，运算方式为：
Figure BDA0001663609770000136
其中，B1表示储层品质参数的每项参数的参数层评价向量，B2表示压裂施工参数的每项参数的参数层评价向量，B3表示水力裂缝参数的每项参数的参数层评价向量，B4表示开发动态参数的每项参数的参数层评价向量。
(F)将参数层评价向量B和影响权重K进行模糊综合运算，得到要素层评价向量T；
Figure BDA0001663609770000141
其中，t1表示储层品质参数的要素层评价向量，t2表示压裂施工参数的要素层评价向量，t3表示水力裂缝参数的要素层评价向量，t4表示开发动态参数的要素层评价向量。
(G)将要素层评价向量T与定量的评分区间标准进行累计求和运算，得到综合评分L，评价评价集S中的单井是否具有重复压裂改造潜力。
Figure BDA0001663609770000142
其中，ti表示第i类参数的要素层评价向量，vi表示第i等级评分区间标准，评价集S中综合评分L大于界限值50分的单井为具有重复压裂潜力的单井。
通过上述步骤，能够表征多项参数对压裂改造效果的共同影响程度，进而允许考虑储层品质参数、压裂施工参数、水力裂缝参数、开发动态参数四类参数，可以更完善地、精确地计算出参数之间的相互影响、协同作用，最后得到的定量化的综合评分具备客观性、准确性和实用性，使得工作人员能够更加直观判断候选重复压裂井的改造潜力，准确候选重复压裂井，最终实现该类油田的稳产和增产。
实施例2：
实施例2在实施例1的基础上，所述储层品质参数包括：声波、中子、伽马、电阻率差、有效厚度、孔隙度、渗透率。所述压裂施工参数包括：前置液量、携砂液量、支撑剂量、施工排量、加砂强度、平均砂浓度。所述水力裂缝参数包括：裂缝穿透比、支撑缝高、支撑缝宽、无因次导流能力、铺砂浓度。所述开发动态参数包括：井网采收率、目前含水率、增产有效期、累积增油量、开采时间、改造时间。现有技术中容易忽略加砂强度、平均砂浓度、裂缝穿透比、无因次导流能力、铺砂浓度、开采时间、改造时间等参数对压裂改造效果的共同影响程度，导致技术人员对单井的重复压裂潜力造成误判。
由此可见，本发明能够通过分析上述24项参数对压裂改造效果的影响程度，更完善、精确地计算出多参数综合影响重复压裂改造效果，尤其是本发明能够使本领域技术人员在判断重复压裂井开发潜力时考虑到加砂强度、平均砂浓度、裂缝穿透比、无因次导流能力、铺砂浓度、开采时间、改造时间等参数的协同影响作用，这些参数在现有技术的定量评价模型中往往被忽略、取近似值或者根据工作人员的经验赋值，导致最后的预判结果与实际情况产生较大的误差，不利于开采工艺的进行。
实施例3：
为了使得本领域技术人员充分理解本发明，下面带入具体数值作为例子，但本领域技术人员应当理解，所带入的具体数值不对本发明的保护范围构成限制。
已知某油田低渗透高含水储层进入大规模勘探开发阶段，存在大量已重复压裂改造井。
(A)构建评价集S，所述评价集S包括四类参数：储层品质参数、压裂施工参数、水力裂缝参数和开发动态参数，构建参数集X，所述参数集X包括四类参数：储层品质参数、压裂施工参数、水力裂缝参数和开发动态参数；其中，所述储层品质参数包括：声波、中子、伽马、电阻率差、有效厚度、孔隙度、渗透率；所述压裂施工参数包括：前置液量、携砂液量、支撑剂量、施工排量、加砂强度、平均砂浓度；所述水力裂缝参数包括：裂缝穿透比、支撑缝高、支撑缝宽、无因次导流能力、铺砂浓度；所述开发动态参数包括：井网采收率、目前含水率、增产有效期、累积增油量、开采时间、改造时间；同时，获得指标集Y；
根据评价集S、参数集X和指标集Y，建立重复压裂选井评价数据库D。
如图2所示，W1-W10为已重复压裂改造样本井，所有参数构成参数集X，W11为评价对象井，其数据构成评价集S，最后一列为样本井的重复压裂产液量，构成指标集Y；
如图1所示，上述参数构建了三级评价体系，所述三级评价体系包括目的层、要素层和参数层。其中，目的层为重复压裂产液量，要素层为储层品质参数、压裂施工参数、水力裂缝参数、开发动态参数，参数层为四类参数下的所有参数项。
(B)计算参数集X中每项参数与重复压裂产液量的相关性，建立单因素评价标准集V，并确定定量的评分区间标准。
利用最小二乘法计算计算每一项参数与重复压裂产液量的相关性，如表1所示：
表1.每项参数与重复压裂产液量的相关性
Figure BDA0001663609770000151
Figure BDA0001663609770000161
利用相关性，把每一项参数划分为四个不同区间值的等级，设置A、B、C、D类不同的等级。其中储层品质参数评价标准集如表2所示，压裂施工参数评价标准集如表3所示，表水力裂缝参数评价标准集如表4所示，开发动态参数评价标准集如表5所示。
表2 储层品质参数评价标准集
Figure BDA0001663609770000162
表3 压裂施工参数评价标准集
Figure BDA0001663609770000163
表4 水力裂缝参数评价标准集
Figure BDA0001663609770000164
表5 开发动态参数评价标准集
Figure BDA0001663609770000165
Figure BDA0001663609770000171
(C)将重复压裂选井评价数据库D中的参数无因次化，运用灰色关联法，计算参数集X中每项参数对重复压裂产液量的影响权重W，计算参数集X中每类参数对重复压裂产液量的影响权重K。
利用灰色关联首先计算每项参数对重复压裂产液量的影响权重W，所有参数的权重之和为1，数字越大表明该项参数对重复压裂产液量的影响程度越大，计算结果为：
W＝[0.0332，0.0301，0.0212，0.0227，0.0502，0.0365，0.0387，0.0155，0.0140，0.0264，0.0117，0.0261，0.0358，0.0857，0.0432，0.0523，0.1185，0.0755，0.0573，0.0584，0.0353，0.0389，0.0383，0.0345]
将每一类参数的权重做加运算，得到每类参数的权重K：储层品质参数权重为0.2326；压裂施工参数权重为0.1295；水力裂缝参数权重为0.3752；开发动态参数权重为0.2627，即：
K＝[0.2326，0.1295，0.3752，0.2627]
(D)运用高斯分布隶属函数，计算评价集S中每一项参数在单因素评价标准集V中每个等级中的隶属度R。
计算得到W11每项参数在不同评价指标中的隶属程度。
Figure BDA0001663609770000181
(E)将影响权重W和隶属度R进行模糊综合计算，得到参数层评价向量B。
Figure BDA0001663609770000182
(F)将参数层评价向量B和影响权重K进行模糊综合运算，得到要素层评价向量T；
Figure BDA0001663609770000183
(G)将要素层评价向量T与定量的评分区间标准进行累计求和运算，得到综合评分L，评价评价集中单井是否具有重复压裂改造潜力。
Figure BDA0001663609770000191
W11井的评分为51.6分，大于单井综合评分界限值的50分，表明该井具有重复压裂改造潜力，可作为重复压裂的候选井。
以上所述的具体实施方式，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方式而已，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 (7)

1.一种中低渗高含水油藏重复压裂选井评价方法，其特征在于，包括以下步骤：
(A)构建评价集S，所述评价集S包括四类参数：储层品质参数、压裂施工参数、水力裂缝参数和开发动态参数，构建参数集X，所述参数集X包括四类参数：储层品质参数、压裂施工参数、水力裂缝参数和开发动态参数；其中，所述储层品质参数包括至少一项参数，所述压裂施工参数包括至少一项参数，所述水力裂缝参数包括至少一项参数，所述开发动态参数包括至少一项参数；同时，获得指标集Y；
根据评价集S、参数集X和指标集Y，建立重复压裂选井评价数据库D；
(B)计算参数集X中每项参数与重复压裂产液量的相关性，建立单因素评价标准集V，并确定定量的评分区间标准；步骤(B)采用最小二乘法计算参数集X中每项参数与重复压裂产液量的相关性，之后利用参数集X中每一项参数与重复压裂产液量之间的正负线性关系和拟合精度R的平方值，建立四级单因素评价标准集V；
(C)将重复压裂选井评价数据库D中的参数无因次化，计算参数集X中每项参数对重复压裂产液量的影响权重W，计算参数集X中每类参数对重复压裂产液量的影响权重K；
(D)计算评价集S中每项参数在单因素评价标准集V的每个评分区间中的隶属度R；
(E)将影响权重W和隶属度R进行模糊综合计算，得到参数层评价向量B；
(F)将参数层评价向量B和影响权重K进行模糊综合运算，得到要素层评价向量T；
(G)将要素层评价向量T与定量的评分区间标准进行累计求和运算，得到综合评分L，评价评价集S中的单井是否具有重复压裂改造潜力；
所述储层品质参数包括：声波、中子、伽马、电阻率差、有效厚度、孔隙度、渗透率；
所述压裂施工参数包括：前置液量、携砂液量、支撑剂量、施工排量、加砂强度、平均砂浓度；
所述步骤(D)进一步包括：每项参数在单因素评价标准集V的四个不同等级中的隶属度R，
Figure FDA0004054492250000011
其中，R1表示储层品质参数的每项参数隶属度、R2表示压裂施工参数的每项参数隶属度、R3表示水力裂缝参数的每项参数隶属度、R4表示开发动态参数的每项参数隶属度；
所述步骤(D)运用高斯分布隶属函数，计算评价集中每项参数在单因素评价标准集四个等级中分别的隶属度R＝(rij)T，其计算方式如下：
若
Figure FDA0004054492250000024
采用三角线性分布函数计算隶属度：
Figure FDA0004054492250000021
ai＝(vi1-vi2)/2
其中，ai表示区间vi的平均值，b表示中间计算参数；
若
Figure FDA0004054492250000025
采用高斯非线性分布函数计算隶属度：
Figure FDA0004054492250000022
Figure FDA0004054492250000023
其中，sj表示评价集S中的第j项参数，j＝1,2,···,m，其中m为参数的总项数；vij表示在单因素评价标准集V中的第i个等级对应的值，i＝1,2,3,4，j＝1表示该等级的上限值，j＝2表示该等级的下限值；得到评价集S中所有参数在单因素评价标准集V中隶属度R。
2.根据权利要求1所述的一种中低渗高含水油藏重复压裂选井评价方法，其特征在于，所述水力裂缝参数包括：裂缝穿透比、支撑缝高、支撑缝宽、无因次导流能力、铺砂浓度。
3.根据权利要求1所述的一种中低渗高含水油藏重复压裂选井评价方法，其特征在于，所述开发动态参数包括：井网采收率、目前含水率、增产有效期、累积增油量、开采时间、改造时间。
4.根据权利要求1～3中任一项所述的一种中低渗高含水油藏重复压裂选井评价方法，其特征在于，所述步骤(B)中进一步包括：每项参数在单因素评价标准集V中具有四个等级，分别为A类、B类、C类、D类，每个等级对应不同的定量评分区间，A类：v1＝100～75分，B类：v2＝75～50分，C类：v3＝50～25分，D类：v4＝25～0分。
5.根据权利要求1～3中任一项所述的一种中低渗高含水油藏重复压裂选井评价方法，其特征在于，所述步骤(C)进一步包括：每项参数对重复压裂产液量的影响权重W＝[W1,W2,W3,W4]，其中，W1表示所有储层品质参数的权重集合，W2表示所有压裂施工参数的权重集合，W3表示所有水力裂缝参数的权重集合，W4表示所有开发动态参数的权重集合；每类参数对重复压裂产液量的影响权重K＝[k1,k2,k3,k4]，其中k1表示所有储层品质参数的权重之和，k2表示所有压裂施工参数的权重之和，k3表示所有水力裂缝参数的权重之和，k4表示所有开发动态参数的权重之和。
6.根据权利要求1～3中任一项所述的一种中低渗高含水油藏重复压裂选井评价方法，其特征在于，所述步骤(E)进一步包括：
Figure FDA0004054492250000031
所述步骤(F)进一步包括：
Figure FDA0004054492250000032
其中，B1表示储层品质参数的每项参数的参数层评价向量，B2表示压裂施工参数的每项参数的参数层评价向量，B3表示水力裂缝参数的每项参数的参数层评价向量，B4表示开发动态参数的每项参数的参数层评价向量；t1表示储层品质参数的要素层评价向量，t2表示压裂施工参数的要素层评价向量，t3表示水力裂缝参数的要素层评价向量，t4表示开发动态参数的要素层评价向量。
7.根据权利要求1～3中任一项所述的一种中低渗高含水油藏重复压裂选井评价方法，其特征在于，所述步骤(G)进一步包括：
Figure FDA0004054492250000033
其中，ti表示第i类参数的要素层评价向量，vi表示第i等级评分区间，评价集S中综合评分L大于界限值50分的单井为具有重复压裂潜力的单井。
CN201810472488.6A 2018-05-17 2018-05-17 一种中低渗高含水油藏重复压裂选井评价方法 Active CN108733632B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810472488.6A CN108733632B (zh) 2018-05-17 2018-05-17 一种中低渗高含水油藏重复压裂选井评价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810472488.6A CN108733632B (zh) 2018-05-17 2018-05-17 一种中低渗高含水油藏重复压裂选井评价方法

Publications (2)

Publication Number Publication Date
CN108733632A CN108733632A (zh) 2018-11-02
CN108733632B true CN108733632B (zh) 2023-05-09

Family

ID=63938385

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810472488.6A Active CN108733632B (zh) 2018-05-17 2018-05-17 一种中低渗高含水油藏重复压裂选井评价方法

Country Status (1)

Country Link
CN (1) CN108733632B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111985146B (zh) * 2019-05-22 2022-11-04 中国石油天然气股份有限公司 一种措施潜力井的确定方法和确定装置
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
CN110374573A (zh) * 2019-08-12 2019-10-25 西南石油大学 一种针对典型压裂失效井的增产潜力评估方法
CN110965977B (zh) * 2019-11-20 2021-01-08 中国石油大学(北京) 压裂施工分析方法
CN112733340A (zh) * 2020-12-30 2021-04-30 成都北方石油勘探开发技术有限公司 一种基于数据驱动储层改造候选井的选井方法及设备
CN112983377A (zh) * 2021-03-15 2021-06-18 西南石油大学 低渗透油藏直井重复压裂增产改造潜力评价及选井方法
CN114961681A (zh) * 2022-04-08 2022-08-30 中国石油大学(华东) 一种水平井体积重复压裂综合潜力评价方法和装置
CN117266844B (zh) * 2023-10-12 2024-04-09 中国石油大学(华东) 一种针对于缝洞体碳酸盐岩的重复暂堵酸压选井选层方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9052406B2 (en) * 2012-06-18 2015-06-09 Baker Hughes Incorporated Processing azimuthal measurement data
CN104018831B (zh) * 2014-06-24 2016-04-20 西南石油大学 一种压裂井储层评价方法
CN107956472A (zh) * 2017-11-10 2018-04-24 中国石油天然气股份有限公司 裂缝性碳酸盐岩储集层完井方式确定方法、装置及介质

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9052406B2 (en) * 2012-06-18 2015-06-09 Baker Hughes Incorporated Processing azimuthal measurement data
CN104018831B (zh) * 2014-06-24 2016-04-20 西南石油大学 一种压裂井储层评价方法
CN107956472A (zh) * 2017-11-10 2018-04-24 中国石油天然气股份有限公司 裂缝性碳酸盐岩储集层完井方式确定方法、装置及介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
何生厚 等.第七章 油水井增产增注技术.《油气开采工程》.2003, *
大庆油田加密调整井压裂改造配套技术;曲兆峰 等;《工艺技术》;20110630;全文 *

Also Published As

Publication number Publication date
CN108733632A (zh) 2018-11-02

Similar Documents

Publication Publication Date Title
CN108733632B (zh) 一种中低渗高含水油藏重复压裂选井评价方法
Piryonesi et al. Examining the relationship between two road performance indicators: Pavement condition index and international roughness index
CN115577018B (zh) 一种水质监测数据的智能处理方法及系统
CN104018831B (zh) 一种压裂井储层评价方法
CN104899411B (zh) 一种储层产能预测模型建立方法和系统
CN105654236B (zh) 一种地下水型饮用水水源地污染风险评价方法
CN104533400B (zh) 一种重构测井曲线的方法
CN110610285A (zh) 一种地下金属矿采空区危险度分级评价方法
CN110929359B (zh) 基于pnn神经网络和swmm技术的管网淤积风险预测建模方法
CN112610903A (zh) 一种基于深度神经网络模型的给水管网泄漏定位方法
CN110287516B (zh) 一种页岩气藏压裂水平井可压性综合评价方法
CN114818363A (zh) 城市深层排水隧道淤积风险评估及预测预警方法
CN105869100A (zh) 一种基于大数据思维的滑坡多场监测数据的融合及预测方法
CN107291667A (zh) 一种井间连通程度确定方法及系统
Ens Development of a flexible framework for deterioration modelling in infrastructure asset management
CN101769147B (zh) 评价油田火驱方案的方法
CN117037432B (zh) 基于多方法协同的风险评价地质灾害预警方法
CN113516381A (zh) 一种基于优化模糊层次分析的供水管网水质评价方法
CN111523796A (zh) 非煤隧道有害气体危害评价方法
CN114997671A (zh) 基于人工神经网络和熵值法的基坑变形安全风险评估的方法
CN115758514A (zh) 一种基于时间序列的压力恢复试井设计全局敏感性分析方法
CN117541082B (zh) 基于油藏-井筒-设备评价指标集成的综合评价方法
CN118095878A (zh) 油井解堵双级选井方法、装置、计算设备及存储介质
CN108843296A (zh) 一种基于多因素影响下的单井重复压裂效果预测方法
CN109555517A (zh) 针对煤层气探明储量可动用性定量评价方法

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