CN108921415A - 一种油藏措施增油效果影响因素的分析方法 - Google Patents
一种油藏措施增油效果影响因素的分析方法 Download PDFInfo
- Publication number
- CN108921415A CN108921415A CN201810658902.2A CN201810658902A CN108921415A CN 108921415 A CN108921415 A CN 108921415A CN 201810658902 A CN201810658902 A CN 201810658902A CN 108921415 A CN108921415 A CN 108921415A
- Authority
- CN
- China
- Prior art keywords
- coefficient
- influence factor
- correlation coefficient
- variable
- factor
- 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
Links
- 230000000694 effects Effects 0.000 title claims abstract description 27
- 230000000638 stimulation Effects 0.000 title claims abstract description 23
- 238000004458 analytical method Methods 0.000 title claims abstract description 22
- 210000000664 rectum Anatomy 0.000 claims abstract description 26
- 230000001419 dependent effect Effects 0.000 claims abstract description 25
- 239000011159 matrix material Substances 0.000 claims abstract description 19
- 238000011161 development Methods 0.000 claims abstract description 14
- 238000010219 correlation analysis Methods 0.000 claims description 11
- 238000000034 method Methods 0.000 claims description 9
- BTCSSZJGUNDROE-UHFFFAOYSA-N gamma-aminobutyric acid Chemical compound NCCCC(O)=O BTCSSZJGUNDROE-UHFFFAOYSA-N 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 239000003921 oil Substances 0.000 description 40
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 11
- 238000004519 manufacturing process Methods 0.000 description 5
- 238000000556 factor analysis Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012098 association analyses Methods 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 239000010779 crude oil Substances 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000011234 economic evaluation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000003027 oil sand Substances 0.000 description 1
- 239000003129 oil well Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000009671 shengli Substances 0.000 description 1
- 238000007619 statistical method Methods 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
- 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
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- 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
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种油藏措施增油效果影响因素的分析方法,包括:随机抽取n组容量为n、包括有p个元素的随机样本:其中,yn为油田的开发指标(因变量),xn1,xn2,…,xnp为对应yn的影响因素(自变量),j=1,2,…,n,n>p;计算每组随机样本中任意两个变量之间的偏相关系数;根据所述偏相关系数计算得到通径相关系数rjy,将通径相关系数rjy分解为影响因素xj对因变量y的直接作用和xj与xk(k≠j)对因变量y的间接作用,并根据xj与xk之间的路径关系,构建因变量y通径图的正则方程组;通过确定分析数列、变量的无量纲化、计算关联系数,计算得到关联系数矩阵;根据关联系数矩阵,计算得到关联度,并对关联度进行排序。
Description
技术领域
本发明属于油藏开发影响因素的技术领域,具体涉及一种油藏措施增油效果影响因素的分析方法。
背景技术
影响油田措施增油、增储效果的因素非常多,在基于油藏工程理论进行定性分析的基础上,需要进一步利用定量分析的手段进行筛选,降低样本数据的维数,提高措施增油、增储效果的预测的准确性和稳健性。目前,关于措施效果的预测和指标影响因素的研究比较多,其主要有以下几种。
利用统计学方法分析了稠油油田的指标相关关系;研究断块油藏在二氧化碳吞吐的增油技术的应用,但其没有从全局的层面进行考虑;以胜利油田断块油藏为例分析了导致产量递减的影响因素;同时,大部分关于油田措施增油的研究仅仅从油田增油措施的经济可行性分析,或者基于目标规划的油田开发措施增油模型等经济评价的效益角度出发,忽略了技术指标;有的采用了效果劈分方法对措施增油进行了分析,其中涉及到的影响指标过多,不利于进一步的建模分析。有的则针对性对于影响油田油藏的影响因素进行灰色关联分析,然而基本没有涉及到影响因素之间的相关性分析,仅仅对影响油田油藏的影响因素进行了分析。
发明内容
本发明的目的在于针对现有技术的不足,提供一种油藏措施增油效果影响因素的分析方法,以解决现有油藏措施增油、增储效果影响因素分析不够全面,没有从全局的层面分析的问题。
为达到上述目的,本发明采取的技术方案是:
提供一种油藏措施增油效果影响因素的分析方法,其包括:
随机抽取n组容量为n、包括有p个元素的随机样本:
(x11,x12,…,x1p;y1)
(x21,x22,…,x2p;y2)
……
(xn1,xn2,…,xnp;yn)
其中,yn为油田的开发指标(因变量),xn1,xn2,…,xnp为对应yn的影响因素(自变量),j=1,2,…,n,n>p;
计算每组随机样本中任意两个变量之间的偏相关系数;
根据偏相关系数计算得到通径相关系数rjy,将通径相关系数rjy分解为影响因素xj对因变量y的直接作用和xj与xk(k≠j)对因变量y的间接作用,并根据xj与xk之间的路径关系,构建因变量y通径图的正则方程组;
根据偏相关系数和正则方程组对影响因素和开发指标进行筛选,并通过灰色关联分析方法计算其关联系数,获得关联系数矩阵;
根据关联系数矩阵,对关联度进行排序。
优选地,偏相关系数rij的计算方法为:
在y,x1,x2,……,xp中,在其它变量固定不变时,任意选择两个变量xi和xj,并计算xi和xj之间的偏相关系数rij:
其中,R为偏相关系数矩阵,rjy为通径相关系数,p为需要分析的影响因素的个数,rij为影响因素i和影响因素j之间的相关系数,rjy(j=1,2,…,p)为影响因素j与指标y相关系数,cyy,ciy,cjj为(j=1,2,…,p)为R的逆矩阵中的元素,其中间变量的作用;rij.为影响因素i和影响因素j之间的偏相关系数,rjy.为影响因素j与指标y的偏相关系数。
优选地,因变量y通径图的正则方程组为:
其中,bp为xp到因变量y之间的通径系数,其数值表示该条通径与因变量y之间的相关程度,xj与xk之间的平行关系称为相关路,其路径关系为rjk。
优选地,关联系数矩阵为:
其中,ξ0i(k)是关联系数,ξ0i(k)是不超过1的正数,Δ0i(k)越小,ξ0i(k)就越大,ξ0i(k)反映第i个元素xi与指标y(为方便表示y取x0)在第k个时序期上的关联程度。
本发明提供的油藏措施增油效果影响因素的分析方法,具有以下有益效果:
本发明通过对开发指标和影响开发指标的因素做相关性分析和偏相关分析,结合通径分析得到因变量y通径图的正则方程组,进而通过对正则方程组进行灰色关联分析,计算得到开发指标的关联度,并对关联度进行排序。本发明从全局出发,对影响因素充分的分析,有效地解决了现有油藏措施增油、增储效果影响因素分析不够全面,没有从全局的层面分析的问题。
附图说明
图1为油藏措施增油效果影响因素的分析方法通径示意图。
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,本方案的油藏措施增油效果影响因素的分析方法,包括以下步骤:
随机抽取n组容量为n、包括有p个元素的随机样本:
(x11,x12,…,x1p;y1)
(x21,x22,…,x2p;y2)
……
(xn1,xn2,…,xnp;yn)
其中,yn为油田的开发指标(因变量),一个开发指标y对多个影响因素x1,x2,…,xp存在相互依赖的关系,从容量为n个影响因素x1,x2,…,xp中随机抽取Xj=(x1j,x2j,…,xpj),j=1,2,…n,n>p,总共选取n组随机样本。
计算每组随机样本中任意两个变量之间的偏相关系数;
在y,x1,x2,……,xp关系中,任意两个变量间的偏相关系数为rij,后面的点表示其他(p-1)个变量保持常量,计算得到偏相关系数rij:
进而得到,
其中,R为偏相关系数矩阵,rjy为通径相关系数,p为需要分析的影响因素的个数,rij为影响因素i和影响因素j之间的相关系数,rjy(j=1,2,…,p)为影响因素j与指标y相关系数,cyy,ciy,cjj为(j=1,2,…,p)为R的逆矩阵中的元素,其中间变量的作用;rij.为影响因素i和影响因素j之间的偏相关系数,rjy.为影响因素j与指标y的偏相关系数。
通径分析,根据所述偏相关系数计算得到通径相关系数rjy,将通径相关系数rjy分解为xj对因变量y的直接作用和xj与xk(k≠j)对因变量y的间接作用,并根据xj与xk之间的路径关系,构建因变量y通径图的正则方程组,其具体步骤如下:
参考图1,rjy分解为xj对y的直接作用和xj通过其他xk(k≠j)对y的间接作用,其可表示为一个通径图。
xj(j=1,2,…,p)及剩余因子ε为自变量,y为因变量,用单箭头表示,称为通径;bj称为通径系数(标准化偏回归系数),它表示这条通径的重要性,各x间为平行关系(互为因果或有共同的因)。
xj与xk间的平行关系可用双箭头表示,称它为相关路,其路径关系为rjk,这样y与x1,x2,…,xp间就形成了一个封闭的通径图,根据通径图得到正则方程组:
灰色关联分析的具体计算步骤如下:
第一步:确定分析数列;
设因变量(指标y)数据时序序列为参考序列x′0,各自变量(影响因素)数据时序序列构成比较序列x′0(i=1,2,3…,n),这n+1组数据序列形成如下矩阵:
其中x′i=(x′i(1),x′i(2),…,x′i(N))T,i=0,1,2,…,n。而N为因变量序列的时序点长度。
第二步:变量的无量纲化
原始指标变量的时序序列一般常具有不同的量纲或数量级,为保证分析结果的可靠性,需对变量的时序序列进行无量纲化处理。常用的无量纲化方法有均值化法:
或初值化法:
则经过无量纲化后各指标因素时序序列形成如下矩阵:
第三步:计算关联系数:
首先,计算参考序列与各比较序列在时序对应期上的绝对差值,形成如下绝对差值矩阵:
其中Δ0i(k)=|x0(k)-xi(k)|,i=1,2,…,n;k=1,2,…,N
绝对差值阵中最大数和最小数即为最大差和最小差:
对绝对差值阵中数据作如下变换:
从而得到关联系数矩阵,
其中参数ρ称为分辨系数,其取值的大小可以控制Δ(max)对数据转化的影响。ρ取较小的值,可以提高关联系数间差异的显著性。因此ρ在(0,1)内取值,一般情况多在0.1至0.5间取值。
按公式
计算得到关联系数矩阵,
ξ0i(k)是关联系数,同时关联系数ξ0i(k)是不超过1的正数,Δ0i(k)越小,ξ0i(k)就越大,它反映了第i个指标比较序列xi与参考序列x0在第k个时序期上的关联程度。
第四步:计算关联度;公式为:
关联度v0i表示了指标曲线参考序列x0与指标曲线比较序列xi(i=1,2,...,n)间的关联程度。
第五步:按照关联度大小对影响因素进行排序。
即得到油藏措施增油的影响因素的灰色关联分析结果。
即得到油藏措施增油、增储的影响因素的灰色关联分析结果。
根据本申请的一个实施例,针对油田的实际情况,首先对71个影响因素进行了初步筛选,如表1所示,筛选结果的影响因素包括油藏宏观特征类的沉积微相类型、天然能量强度、水体大小、油砂体厚度、平面非均质性和层内非均质性,储层微观特征类的残余油饱和度和水驱油效率,油藏流体属性类的油藏温度和地下原油粘度,油藏开发指标类的日产液、综合含水、地质储量采油速度、剩余可采储量采油速度、自然递减、综合递减、平面波及系数和层内波及系数,以及油藏动态管理类的油井开井数、井网密度、地质储量采出程度和储采比,共22个主控因素。
表1中浅层边底水层状断块油藏的油藏宏观特征类影响因素
表2中浅层边底水层状断块油藏的储层微观特征类影响因素
表3中浅层边底水层状断块油藏的油藏流体属性类影响因素
表4中浅层边底水层状断块油藏的油藏开发指标类影响因素
表5中浅层边底水层状断块油藏的油藏动态管理类影响因素
基于表1-5,本发明针对冀东油田的七种主要措施:二氧化碳吞吐、补孔、解堵、提液、回采、卡堵水和压裂的影响因素进行相关性分析,其结果如表6所示,
表6中浅层边底水层状断块油藏的增油、增储措施影响因素
结合表6筛选出的指标影响因素和关联度,利用本发明的分析方法对冀东油田中浅层边底水层状断块油藏的措施增油、增储量进行预测,发现预测精度比不利用相关性分析选择的预测方法提高了3个百分点。
针对冀东油田中浅层边底水层状断块油藏措施增油的影响因素而言,由于其设计的数据类型及数据量特别大,在利用全部数据进行建模分析时,不仅耗时,还可能造成过拟合。经过对影响因素之间的相关性分析以后,选出了部分合适的影响,在不影响模型的拟合情况,减少了人工计算成本,增加了模型的可实施性,有助于提高油田的工作效率。
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 (4)
1.一种油藏措施增油效果影响因素的分析方法,其特征在于,包括:
随机抽取n组容量为n、包括有p个元素的随机样本:
(x11,x12,…,x1p;y1)
(x21,x22,…,x2p;y2)
……
(xn1,xn2,…,xnp;yn)
其中,yn为油田的开发指标(因变量),xn1,xn2,…,xnp为对应yn的影响因素(自变量),j=1,2,…,n,n>p;
计算每组随机样本中任意两个变量之间的偏相关系数;
根据所述偏相关系数计算得到通径相关系数rjy,将通径相关系数rjy分解为影响因素xj对因变量y的直接作用和xj与xk(k≠j)对因变量y的间接作用,并根据xj与xk之间的路径关系,构建因变量y通径图的正则方程组;
根据所述偏相关系数和正则方程组对影响因素和开发指标进行筛选,并通过灰色关联分析方法计算其关联系数,获得关联系数矩阵;
根据所述关联系数矩阵,对关联度进行排序。
2.根据权利要求1所述的油藏措施增油效果影响因素的分析方法,其特征在于,所述偏相关系数rij的计算方法为:
在y,x1,x2,……,xp中,在其它变量固定不变时,任意选择两个变量xi和xj,并计算xi和xj之间的偏相关系数rij:
其中,R为偏相关系数矩阵,rjy为通径相关系数,p为需要分析的影响因素的个数,rij为影响因素i和影响因素j之间的相关系数,rjy(j=1,2,…,p)为影响因素j与指标y相关系数,cyy,ciy,cjj为(j=1,2,…,p)为R的逆矩阵中的元素,其中间变量的作用;rij.为影响因素i和影响因素j之间的偏相关系数,rjy.为影响因素j与指标y的偏相关系数。
3.根据权利要求1所述的油藏措施增油效果影响因素的分析方法,其特征在于,所述因变量y通径图的正则方程组为:
其中,bp为xp到因变量y之间的通径系数,其数值表示该条通径与因变量y之间的相关程度,xj与xk之间的平行关系称为相关路,其路径关系为rjk。
4.根据权利要求1所述的油藏措施增油效果影响因素的分析方法,其特征在于,所述关联系数矩阵为:
其中,ξ0i(k)是关联系数,ξ0i(k)是不超过1的正数,Δ0i(k)越小,ξ0i(k)就越大,ξ0i(k)反映第i个元素xi与指标y(为方便表示y取x0)在第k个时序期上的关联程度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810658902.2A CN108921415B (zh) | 2018-06-25 | 2018-06-25 | 一种油藏措施增油效果影响因素的分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810658902.2A CN108921415B (zh) | 2018-06-25 | 2018-06-25 | 一种油藏措施增油效果影响因素的分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108921415A true CN108921415A (zh) | 2018-11-30 |
CN108921415B CN108921415B (zh) | 2022-07-08 |
Family
ID=64420074
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810658902.2A Active CN108921415B (zh) | 2018-06-25 | 2018-06-25 | 一种油藏措施增油效果影响因素的分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108921415B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117172381A (zh) * | 2023-09-05 | 2023-12-05 | 薪海科技(上海)有限公司 | 基于大数据的风险预测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050083848A1 (en) * | 2003-10-20 | 2005-04-21 | Huai-Rong Shao | Selecting multiple paths in overlay networks for streaming data |
CN104778378A (zh) * | 2015-05-05 | 2015-07-15 | 中国石油大学(华东) | 一种油气田产量递减影响因素分析方法 |
CN106576481A (zh) * | 2016-12-07 | 2017-04-26 | 清华大学 | 一种适用于镉污染土壤修复的高粱种质筛选方法及高粱种质的新用途 |
CN106845687A (zh) * | 2016-12-27 | 2017-06-13 | 河南农业大学 | 一种烟草品质研究方法 |
-
2018
- 2018-06-25 CN CN201810658902.2A patent/CN108921415B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050083848A1 (en) * | 2003-10-20 | 2005-04-21 | Huai-Rong Shao | Selecting multiple paths in overlay networks for streaming data |
CN104778378A (zh) * | 2015-05-05 | 2015-07-15 | 中国石油大学(华东) | 一种油气田产量递减影响因素分析方法 |
CN106576481A (zh) * | 2016-12-07 | 2017-04-26 | 清华大学 | 一种适用于镉污染土壤修复的高粱种质筛选方法及高粱种质的新用途 |
CN106845687A (zh) * | 2016-12-27 | 2017-06-13 | 河南农业大学 | 一种烟草品质研究方法 |
Non-Patent Citations (2)
Title |
---|
RF FAEZY 等: "A Hybrid Grey Relational Analysis and Nondominated Sorting Genetic Algorithm-II for Project Portfolio Selection", 《ADVANCES IN OPERATIONS RESEARCH》 * |
艾宁: "陕北黄土区坡面产流条件及林草改土效应研究", 《中国博士学位论文全文数据库 (农业科技辑)》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117172381A (zh) * | 2023-09-05 | 2023-12-05 | 薪海科技(上海)有限公司 | 基于大数据的风险预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108921415B (zh) | 2022-07-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Shouyu et al. | Variable fuzzy sets and its application in comprehensive risk evaluation for flood-control engineering system | |
Jemmali et al. | Multidimensional analysis of water poverty in MENA region: An empirical comparison with physical indicators | |
RU2614338C1 (ru) | Способ оперативного управления заводнением пластов | |
CN104376420A (zh) | 有水气藏气井见水风险评价方法及评价装置 | |
CN105626009A (zh) | 一种缝洞型碳酸盐岩油藏单井注水替油效果定量评价方法 | |
CN104794361A (zh) | 一种水驱油藏开发效果综合评价方法 | |
CN104484556A (zh) | 一种油田开发评价方法 | |
CN108921279A (zh) | 水库日入水量预测方法 | |
CN110991843A (zh) | 考虑城市化发展及电能替代效应的饱和电力需求预测方法 | |
CN115906675B (zh) | 基于时序多目标预测模型的井位及注采参数联合优化方法 | |
Aubert et al. | Clustering flood events from water quality time series using Latent Dirichlet Allocation model | |
CN106875286A (zh) | 一种聚合物驱油田全过程注聚参数分阶段优化决策方法 | |
CN104712328B (zh) | 快速评价复杂油藏中单个流动单元动用状况的方法 | |
CN105783994A (zh) | 一种尾矿坝在线监测与快速预警方法 | |
CN112541571A (zh) | 基于双并联神经网络的机器学习的注采连通性确定方法 | |
CN103353295B (zh) | 一种精确预测大坝坝体垂直变形量的方法 | |
CN113297740A (zh) | 一种水平井凝胶调剖参数优化方法 | |
Luo et al. | Research on stage-divided water level prediction technology of rivers-connected lake based on machine learning: a case study of Hongze Lake, China | |
CN108921415A (zh) | 一种油藏措施增油效果影响因素的分析方法 | |
CN111694855B (zh) | 储层敏感性智能预测数据处理方法及装置 | |
CN108959687A (zh) | 一种页岩气水平井重复压裂的评估方法 | |
CN105718720A (zh) | 一种复杂气藏储量品质分类综合评价方法 | |
RU2565313C2 (ru) | Способ оперативного управления заводнением пластов | |
Lian et al. | Evaluation and applicability study on prediction methods of water inflow in mines | |
RU2558093C1 (ru) | Способ регулирования разработки нефтяной залежи |
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 |