CN108764760A - 一种基于数据挖掘的井间连通性分析与预警方法 - Google Patents
一种基于数据挖掘的井间连通性分析与预警方法 Download PDFInfo
- Publication number
- CN108764760A CN108764760A CN201810658958.8A CN201810658958A CN108764760A CN 108764760 A CN108764760 A CN 108764760A CN 201810658958 A CN201810658958 A CN 201810658958A CN 108764760 A CN108764760 A CN 108764760A
- Authority
- CN
- China
- Prior art keywords
- well
- early warning
- inter
- oil
- 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.)
- Pending
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 56
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000007418 data mining Methods 0.000 title claims abstract description 22
- 230000002159 abnormal effect Effects 0.000 claims abstract description 6
- 238000012417 linear regression Methods 0.000 claims abstract description 6
- 230000003068 static effect Effects 0.000 claims abstract description 5
- 238000012800 visualization Methods 0.000 claims abstract description 4
- 238000004519 manufacturing process Methods 0.000 claims description 36
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 16
- 238000002347 injection Methods 0.000 claims description 15
- 239000007924 injection Substances 0.000 claims description 15
- 239000003129 oil well Substances 0.000 claims description 13
- 230000015572 biosynthetic process Effects 0.000 claims description 4
- 238000009826 distribution Methods 0.000 claims description 4
- 230000000704 physical effect Effects 0.000 claims description 4
- 230000004044 response Effects 0.000 claims description 4
- 230000001186 cumulative effect Effects 0.000 description 6
- 238000011161 development Methods 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 238000007405 data analysis Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000009415 formwork Methods 0.000 description 1
- 230000035800 maturation Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000000700 radioactive tracer Substances 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 235000020681 well water Nutrition 0.000 description 1
- 239000002349 well water Substances 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
- G06Q10/06—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
-
- 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)
- Strategic Management (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Agronomy & Crop Science (AREA)
- Primary Health Care (AREA)
- Mining & Mineral Resources (AREA)
- Animal Husbandry (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Marine Sciences & Fisheries (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于数据挖掘的井间连通性分析与预警方法,构建基于单井产量和含水率的多维数据体系和指标分析体系;根据多维数据体系和指标分析体系,提取单井参数,计算单井的预警指数:根据单井预警指数,确定异常井;基于CRM模型,根据采集的异常井及其相邻井的参数信息进行井间连通性建模:将目标函数进行多元非线性回归分析,判断连通性系数当0<f<1时,目标函数是否能取到最小值并返回τj和fij的值;基于CRM模型,采用克里金插值算法将所述连通性系数f投射在地质平面图上,根据其可视化动静态数据的展示,进行井间连通性的综合诊断。
Description
技术领域
本发明属于单井压裂的技术领域,具体涉及一种基于数据挖掘的井间连通性分析与预警方法。
背景技术
目前常用的井间连通性分析方法大致分为两类,一类是基于动态监测及示踪剂测试数据,结合地质油藏资料等静态资料进行井间连通性分析,该方法准确性高,但是实施比较复杂,研究周期较长不适合大规模应用。另一类是基于生产动态数据,采用信号处理或回归分析方法进行分析,该方法分析成本低,分析时效性高,但是分析干扰条件多,不同油藏类型、地质条件分析思路差别较大,分析结论准确性更取决于建模分析工程师的认知水平。目前许多研究论文都是基于该点出发,针对特定应用条件下进行模型改进及优化,以提高准确性。
大数据是近几年比较火热的概念,大数据是信息化时代,数据量及数据内容呈几何倍数增长,无法在一定时间内用常规软件工具对其内容进行抓取、管理和处理,首先在互联网行业基于行业特性,提出的对于数据的存储、管理、价值提取、展示应用等一系列工具和分析理念的集合。大数据概念提出来以后,在不同的行业、机构都有不同程度的发展和延伸。
目前油气开发领域许多大数据解决方案更关注IT能力的提升,即数据采集、存储、获取速度及便利性的提升,而在利用大数据理念直接提高油气开发业务能力较少。
发明内容
本发明的目的在于针对现有技术的不足,提供一种基于数据挖掘的井间连通性分析与预警方法,以解决现有缺少利用大数据理念直接提高油气开发业务能力较少的问题。
为达到上述目的,本发明采取的技术方案是:
提供一种基于数据挖掘的井间连通性分析与预警方法,其包括:
构建基于单井产量和含水率的多维数据体系和指标分析体系;
根据多维数据体系和指标分析体系,提取单井参数,计算单井的预警指数:
其中,WCwell为为单井含水率,WCAve为区块平均含水率,qvwell为目标井产油量,qo ave为区块平均单井产油量,GORwell为目标井气油比,GORave为区块平均气油比;
根据单井预警指数,确定异常井;
基于CRM模型,根据采集的异常井及其相邻井的参数信息进行井间连通性建模:
其中,qjk为时间k时油井j的产量,qj(k-1)为时间k-1时油井j的产量,Δt为两取值点之间时间步长,τj为油井j的时滞常数,反应的是注水见效时间,体现了油藏地层的物性,fij为油井j和水井i的井间分配系数,反应的是注入水对产量的影响,体现了井间连通性,iik为时间k时水井i的注入量,minz为目标函数的最小值z,为第j口生产井在k时的实际产量;
将目标函数进行多元非线性回归分析,判断连通性系数当0<f<1时,目标函数是否能取到最小值并返回τj和fij的值;
基于CRM模型,采用克里金插值算法将连通性系数f投射在地质平面图上,根据其可视化动静态数据的展示,进行井间连通性的综合诊断。
优选地,在多维数据体系和指标分析体系中单井产量和含水率分别投射于时间维度和空间维度上。
优选地,构建空间维度模型的方法为:
计算单井占区块总产量的比值,得到单井贡献率:
其中,qo well为目标井产油量,qo All为目标井所在区块总产量;并将采油量、含水率、气油比与区块对应平均值做对比并进行加权平均,得到预警指数,并绘制预警指数与单井贡献率的交绘图,基于单井贡献率对需要注意的单井进行排序。
本发明提供的基于数据挖掘的井间连通性分析与预警方法,具有以下有益效果:
本发明基于大数据分析思想,利用目前成熟的CRM模型,构建单井的多维数据体系和指标分析体系,进而计算得到预警指数,确定异常井;并对井间连通性进行建模,实现对井间连通性的综合诊断。本发明可对井间生产管理中存在的问题和偏差进行提前预警,并超前或及时的做出各项应对措施,以便缩短发现问题、解决问题的时间,最终确保油井的平稳高效的生产。
附图说明
图1为基于数据挖掘的井间连通性分析与预警方法波动预警体系空间坐标图。
图2为基于数据挖掘的井间连通性分析与预警方法ALWAHA累计投产时间散点图。
图3为基于数据挖掘的井间连通性分析与预警方法ALWAHA最大产值与累产散点分布图。
图4为基于数据挖掘的井间连通性分析与预警方法AD2-HK2最高日产量与累计产量散点图。
图5为基于数据挖掘的井间连通性分析与预警方法一采一注模型图。
图6为基于数据挖掘的井间连通性分析与预警方法一采多注模型图。
图7为基于数据挖掘的井间连通性分析与预警方法地质平面图。
图8为基于数据挖掘的井间连通性分析与预警方法数据流动及业务分析闭环。
图9为基于数据挖掘的井间连通性分析与预警方法时间纬度及空间维度分析的追踪图。
图10、11、12、13、14为基于数据挖掘的井间连通性分析与预警方法多维数据跟踪图。
图15为基于数据挖掘的井间连通性分析与预警方法的流程图。
具体实施方式
下面对本发明的具体实施方式进行描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
根据本申请的一个实施例,如图1所示,本方案的基于数据挖掘的井间连通性分析与预警方法,包括以下步骤:
参考图1,构建基于单井产量和含水率的多维数据体系和指标分析体系,该体系包括产量及含水被划分成两大纬度即时间纬度和空间纬度。
参考图2和图3,时间维度模型分析。
通过绘制最高产量、累计产量与首次投产时间DOFP(Date of First Production)的关系图,以投产时间为参考标准,从宏观上判断各井的生产情况,并将评价结果投射到井位图上,便于直观的判断各个单井的生产情况。
取单井对应数据(日最高产量,累计产量,首次投产时间)绘制对应交绘图,并将最终分类评价结果投射到井位坐标图上。
取单井日最高产量图与其首次投产时间,绘制交绘图。取单井累计产量与其首次投产时间,绘制交绘图。取单井日最高产量与其累计产量,绘制交绘图。将分类结果对应到相关井的井位上。
空间维度模型分析
计算单井占区块总产量的比值,得到单井贡献率,
其中,qo well为目标井产油量,qo All为目标井所在区块总产量,单井贡献率的数值反应单井产量占区块的比重。
同时将采集的单井采油量、含水率、气油数据比与区块对应平均值做对比并进行加权平均,得到预警指数:
其中,WCwall为为单井含水率,WCAVe为区块平均含水率,qowell为目标井产油量,qo ave为区块平均单井产油量,GORwell为目标井气油比,GORave为区块平均气油比。
参考图4,绘制预警指数与单井贡献率的交绘图,便于相关人员快速定位异常井,并基于单井贡献率对需要注意的单井进行排序。
基于上述模型计算得到预警指数,并确定异常井。
井间连通性建模:
参考图5,将整个研究对象(油田、区块、井组)简化成一口注水井和一口采油井建立模型。通过累加全部注水井的注入量和全部采油井的采油量得到总注水量和总采油量,为模型提供基础数据。
其计算公式为:
其中,qk为时间k时的产量,q(k-1)为时间k-1时的产量,Δt为两取值点之间时间步长,τ为时滞常数,反应的是注水见效时间,体现了油藏地层的物性,f为井间分配系数,反应注入水对产量的影响,体现了井间连通性,Ik为时间k时的注入量,J为采油指数,为时间k时的井底流压,为时间k-1时的井底流压,minz为目标函数的最小值z,为第j口生产井在k时的实际产量。
以一口注水井和一口采油井为例,取月度注水量与采油量带入公式中,则Δt为当月天数,得到一个关于qk的带有τ和f的关系式,随后将qk带入目标函数中,与实际数值做对比,随后对目标函数做多元非线性回归分析,判断当0<f<1时目标函数是否能取到最小值并返回τ和f的值。
参考图6,将整个研究对象(油田、区块、井组)中的所有油井化为一口采油井建立模型。通过累加全部采油井的采油量得到总采油量,为模型提供基础数据。
其计算公式为:
基于CRM模型,根据采集的异常井及其相邻井的参数信息进行井间连通性建模:
边界条件
其中,qjk为时间k时油井j的产量,qj(c-1)为时间k-1时油井j的产量,Δt为两取值点之间时间步长,τj为油井j的时滞常数,反应的是注水见效时间,体现了油藏地层的物性,fij为油井j和水井i的井间分配系数(一口注水井注入水,流到某一口生产井的比例,注水井总系数为1),反应的是注入水对产量的影响,体现了井间连通性,Iik为时间k时水井i的注入量,minz为目标函数的最小值z,为第j口生产井在k时的实际产量。
将目标函数进行多元非线性回归分析,判断连通性系数当0<f<1时,目标函数是否能取到最小值并返回τj和fij的值。
即以多口注水井和多口采油井为例,将研究目标(油田、区块、井组)中的所有采油井的产量进行累加,得到单一采油井的总产量。取月度注水量与采油量带入公式中,则Δt为当月天数,得到一个关于qjk的带有τj和fij的关系式,随后将qjk带入目标函数中,与实际数值做对比,随后对目标函数做多元非线性回归分析,判断当0<f<1时目标函数是否能取到最小值并返回τj和fij的值。
参考图7和图8基于CRM模型,采用克里金插值算法将所述连通性系数f(即目标函数取最小值时的那个连通系数,反应的是两井之间的连通性)投射在地质平面图上,根据其可视化动静态数据的展示,进行井间连通性的综合诊断。
根据本申请的一个实施例,参考图9-图14,以本发明方法进行实例分析。
参考图9-图12可知,AD2-13-2H井存在产量偏低且含水率偏高的现象,对该井在时间纬度及空间维度分析进行追踪,发现该井及周围井在2016年10月以后预警指数一直偏高。
参考图13和图14可知,发现异常井后,将该井及临井的生产数据利用CRM分析模型和本发明方法进行分析,发现该井与临井注水井AD2-13-2H方向有连通性偏高现象,后根据此结论对该井组进行调剖堵水措施,根据多维数据跟踪监测结论,并采取相关措施,该井含水上升及产量趋势得到及时遏制。
本发明在油气价格低迷的条件下,油藏动态监测的高成本与措施作业的准确高效对井间连通性分析提出了更高的要求,大数据分析为油藏工程师在面对监测数据稀缺或地质数据精度不足时提供了另外一种思路。本发明按照井间连通性分析的数据现状及分析流程,利用大数据理念搭建数据流转场景,将数据分析模型与传统的物理分析模型结论互相印证,提高分析结论的准确性。随着油田信息化水平的不断提升,各类实时数据采集频率越来越高,采样类别越来越丰富,利用大数据理念将这些数据进行处理和挖掘,融入到目前的数分析闭环中,这将是油藏动态监测今后进一步研究的方向。
虽然结合附图对发明的具体实施方式进行了详细地描述,但不应理解为对本专利的保护范围的限定。在权利要求书所描述的范围内,本领域技术人员不经创造性劳动即可做出的各种修改和变形仍属本专利的保护范围。
Claims (3)
1.一种基于数据挖掘的井间连通性分析与预警方法,其特征在于,包括:
构建基于单井产量和含水率的多维数据体系和指标分析体系;
根据多维数据体系和指标分析体系,提取单井参数,计算单井的预警指数:
其中,WCwell为为单井含水率,WCAve为区块平均含水率,qowell为目标井产油量,qoave为区块平均单井产油量,GORwell为目标井气油比,GORave为区块平均气油比;
根据单井预警指数,确定异常井;
基于CRM模型,根据采集的异常井及其相邻井的参数信息进行井间连通性建模:
其中,qik为时间k时油井j的产量,qj(k-1)为时间k-1时油井j的产量,Δt为两取值点之间时间步长,τj为油井j的时滞常数,反应的是注水见效时间,体现了油藏地层的物性,fij为油井j和水井i的井间分配系数,反应的是注入水对产量的影响,体现了井间连通性,Iik为时间k时水井i的注入量,min z为目标函数的最小值z,为第j口生产井在k时的实际产量;
将所述目标函数进行多元非线性回归分析,判断连通性系数当0<f<1时,目标函数是否能取到最小值并返回τj和fij的值;
基于CRM模型,采用克里金插值算法将所述连通性系数f投射在地质平面图上,根据其可视化动静态数据的展示,进行井间连通性的综合诊断。
2.根据权利要求1所述的基于数据挖掘的井间连通性分析与预警方法,其特征在于:在所述多维数据体系和指标分析体系中单井产量和含水率分别投射于时间维度和空间维度上。
3.根据权利要求2所述的基于数据挖掘的井间连通性分析与预警方法,其特征在于,构建空间维度模型的方法为:
计算单井占区块总产量的比值,得到单井贡献率:
其中,qo well为目标井产油量,qo All为目标井所在区块总产量;并将采油量、含水率、气油比与区块对应平均值做对比并进行加权平均,得到预警指数,并绘制预警指数与单井贡献率的交绘图,基于单井贡献率对需要注意的单井进行排序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810658958.8A CN108764760A (zh) | 2018-06-25 | 2018-06-25 | 一种基于数据挖掘的井间连通性分析与预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810658958.8A CN108764760A (zh) | 2018-06-25 | 2018-06-25 | 一种基于数据挖掘的井间连通性分析与预警方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108764760A true CN108764760A (zh) | 2018-11-06 |
Family
ID=63977089
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810658958.8A Pending CN108764760A (zh) | 2018-06-25 | 2018-06-25 | 一种基于数据挖掘的井间连通性分析与预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108764760A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109902405A (zh) * | 2019-03-06 | 2019-06-18 | 北京林业大学 | 一种水文连通度评价方法 |
CN110410065A (zh) * | 2019-06-24 | 2019-11-05 | 中国石油化工股份有限公司 | 多层井间动态连通性模型的输入参数分析方法及装置 |
CN112302594A (zh) * | 2020-12-01 | 2021-02-02 | 中国石油大学(北京) | 非均质水驱油藏的连通结构确定方法、装置及设备 |
CN112699110A (zh) * | 2020-12-30 | 2021-04-23 | 成都北方石油勘探开发技术有限公司 | 一种基于大数据的油田生产动态分析方法及系统 |
CN113034300A (zh) * | 2021-01-11 | 2021-06-25 | 中国石油天然气股份有限公司 | 一种基于数据挖掘的丛式油井智能注剂方法及注剂系统 |
CN113506007A (zh) * | 2021-07-19 | 2021-10-15 | 上海抉真网络科技有限责任公司 | 钻井式数据采样方法及其在大数据价值风险评估中的应用 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103917743A (zh) * | 2011-11-03 | 2014-07-09 | Bp北美公司 | 基于检测到的流动事件的统计储层模型 |
CN104112285A (zh) * | 2013-04-16 | 2014-10-22 | 北京金阳普泰石油技术股份有限公司 | 面向油田勘探与开发的沉积相图的智能绘制方法与系统 |
CN104196506A (zh) * | 2014-08-01 | 2014-12-10 | 中国石油大学(北京) | Sagd单井组注采参数联调方法、装置和系统 |
CN105089589A (zh) * | 2015-07-27 | 2015-11-25 | 中国石油大学(华东) | 一种实现聚合物驱合层与分层注入的可视化实验装置及其工作方法 |
US20160178799A1 (en) * | 2014-08-22 | 2016-06-23 | Chevron U.S.A. Inc. | Flooding analysis tool and method thereof |
CN106611081A (zh) * | 2016-11-21 | 2017-05-03 | 中国地质大学(武汉) | 自动判断缝洞型油藏生产井间连通性的综合方法及系统 |
CN106837297A (zh) * | 2016-12-22 | 2017-06-13 | 中国石油天然气股份有限公司 | 一种识别井间连通性及油水动态预测的方法 |
CN107219564A (zh) * | 2017-05-17 | 2017-09-29 | 中国石油天然气股份有限公司 | 一种处理垂向连井剖面的方法及装置 |
CN107229989A (zh) * | 2016-03-25 | 2017-10-03 | 中国石油化工股份有限公司 | 一种水平井分段压裂簇射孔方案优化方法 |
CN107292074A (zh) * | 2016-04-01 | 2017-10-24 | 中国石油化工股份有限公司 | 一种井间连通性判断方法 |
-
2018
- 2018-06-25 CN CN201810658958.8A patent/CN108764760A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103917743A (zh) * | 2011-11-03 | 2014-07-09 | Bp北美公司 | 基于检测到的流动事件的统计储层模型 |
CN104112285A (zh) * | 2013-04-16 | 2014-10-22 | 北京金阳普泰石油技术股份有限公司 | 面向油田勘探与开发的沉积相图的智能绘制方法与系统 |
CN104196506A (zh) * | 2014-08-01 | 2014-12-10 | 中国石油大学(北京) | Sagd单井组注采参数联调方法、装置和系统 |
US20160178799A1 (en) * | 2014-08-22 | 2016-06-23 | Chevron U.S.A. Inc. | Flooding analysis tool and method thereof |
CN105089589A (zh) * | 2015-07-27 | 2015-11-25 | 中国石油大学(华东) | 一种实现聚合物驱合层与分层注入的可视化实验装置及其工作方法 |
CN107229989A (zh) * | 2016-03-25 | 2017-10-03 | 中国石油化工股份有限公司 | 一种水平井分段压裂簇射孔方案优化方法 |
CN107292074A (zh) * | 2016-04-01 | 2017-10-24 | 中国石油化工股份有限公司 | 一种井间连通性判断方法 |
CN106611081A (zh) * | 2016-11-21 | 2017-05-03 | 中国地质大学(武汉) | 自动判断缝洞型油藏生产井间连通性的综合方法及系统 |
CN106837297A (zh) * | 2016-12-22 | 2017-06-13 | 中国石油天然气股份有限公司 | 一种识别井间连通性及油水动态预测的方法 |
CN107219564A (zh) * | 2017-05-17 | 2017-09-29 | 中国石油天然气股份有限公司 | 一种处理垂向连井剖面的方法及装置 |
Non-Patent Citations (3)
Title |
---|
MAOJUN CAO等: "Study on inferring interwell connectivity of injection-production system based on decision tree", 《2013 10TH INTERNATIONAL CONFERENCE ON FUZZY SYSTEMS AND KNOWLEDGE DISCOVERY (FSKD)》 * |
刘兰: "双河油田核三段Ⅲ油组储层非均质性研究", 《中国优秀博硕士学位论文全文数据库(硕士) 基础科学辑》 * |
王瑞军: "油田单井生产指标预警系统设计与实现", 《中国优秀硕士学位论文全文数据库 (工程科技Ⅰ辑)》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109902405A (zh) * | 2019-03-06 | 2019-06-18 | 北京林业大学 | 一种水文连通度评价方法 |
CN110410065A (zh) * | 2019-06-24 | 2019-11-05 | 中国石油化工股份有限公司 | 多层井间动态连通性模型的输入参数分析方法及装置 |
CN110410065B (zh) * | 2019-06-24 | 2022-05-03 | 中国石油化工股份有限公司 | 多层井间动态连通性模型的输入参数分析方法及装置 |
CN112302594A (zh) * | 2020-12-01 | 2021-02-02 | 中国石油大学(北京) | 非均质水驱油藏的连通结构确定方法、装置及设备 |
CN112699110A (zh) * | 2020-12-30 | 2021-04-23 | 成都北方石油勘探开发技术有限公司 | 一种基于大数据的油田生产动态分析方法及系统 |
CN112699110B (zh) * | 2020-12-30 | 2023-01-24 | 成都北方石油勘探开发技术有限公司 | 一种基于大数据的油田生产动态分析方法及系统 |
CN113034300A (zh) * | 2021-01-11 | 2021-06-25 | 中国石油天然气股份有限公司 | 一种基于数据挖掘的丛式油井智能注剂方法及注剂系统 |
CN113034300B (zh) * | 2021-01-11 | 2023-12-26 | 中国石油天然气股份有限公司 | 一种基于数据挖掘的丛式油井智能注剂方法及注剂系统 |
CN113506007A (zh) * | 2021-07-19 | 2021-10-15 | 上海抉真网络科技有限责任公司 | 钻井式数据采样方法及其在大数据价值风险评估中的应用 |
CN113506007B (zh) * | 2021-07-19 | 2022-05-20 | 上海抉真网络科技有限责任公司 | 钻井式数据采样方法及其在大数据价值风险评估中的应用 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108764760A (zh) | 一种基于数据挖掘的井间连通性分析与预警方法 | |
CN109002574B (zh) | 一种多层油藏脉冲周期注水开发指标预测方法 | |
Du et al. | A systematic data-driven approach for production forecasting of coalbed methane incorporating deep learning and ensemble learning adapted to complex production patterns | |
CN105117511B (zh) | 一种缝洞油藏井间连通通道及流动参数的表征方法 | |
CN109543828A (zh) | 一种基于小样本条件下的吸水剖面预测方法 | |
CN109948272A (zh) | 基于井间连通性的调堵动态预测方法和系统 | |
CN105679022A (zh) | 一种基于低秩的多源交通数据的补全方法 | |
CN107977749A (zh) | 一种油田开发指标的预测分析方法 | |
CN109242171A (zh) | 一种基于bim和rs-svr的盾构施工地表沉降预测方法 | |
CN112308269A (zh) | 用于低渗透油气藏的产能预测方法及装置 | |
Liang et al. | A research on remote fracturing monitoring and decision-making method supporting smart city | |
CN107291667A (zh) | 一种井间连通程度确定方法及系统 | |
CN109236273A (zh) | 油田开发生产动态数据处理方法 | |
CN114723138A (zh) | 一种基于epdm数据模型的油气藏动态分析系统和方法 | |
CN111199298A (zh) | 基于神经网络的洪水预报方法与系统 | |
CN115526086A (zh) | 一种基于代理模型的碳酸盐岩油藏水驱突破时间预测方法 | |
CN104166806B (zh) | 一种井间示踪曲线聚类分析方法及装置 | |
Hongliang et al. | Management and instant query of distributed oil and gas production dynamic data | |
CN110348176A (zh) | 一种页岩气地面集输管网滚动开发方案优化求解器及方法 | |
CN105260493B (zh) | 一种基于语义的油井功图计量方法 | |
CN106382102A (zh) | 一种基于聚类算法的溢流早期预警方法 | |
CN106246226A (zh) | 一种矿井瓦斯涌出异常的识别方法 | |
Chen et al. | Water flooding performance prediction in layered reservoir using big data and artificial intelligence algorithms | |
Wei et al. | Source discrimination of mine water inrush using multiple combinations of an improved support vector machine model | |
Katashov et al. | Digital platform as a tool for efficient reservoir management |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181106 |
|
RJ01 | Rejection of invention patent application after publication |