CN109784705B - 预测产油量的方法、装置及存储介质 - Google Patents
预测产油量的方法、装置及存储介质 Download PDFInfo
- Publication number
- CN109784705B CN109784705B CN201910003106.XA CN201910003106A CN109784705B CN 109784705 B CN109784705 B CN 109784705B CN 201910003106 A CN201910003106 A CN 201910003106A CN 109784705 B CN109784705 B CN 109784705B
- Authority
- CN
- China
- Prior art keywords
- yield
- decreasing
- stage
- production
- unit oil
- 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
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 296
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000003860 storage Methods 0.000 title claims abstract description 11
- 230000003247 decreasing effect Effects 0.000 claims abstract description 363
- 238000012417 linear regression Methods 0.000 claims abstract description 14
- 238000010586 diagram Methods 0.000 claims description 18
- 230000007423 decrease Effects 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 230000015654 memory Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种预测产油量的方法、装置及存储介质，属于石油天然气开采领域。该方法包括：根据M个历史单位产油量和Arps标准图版，确定至少一个产量递减阶段；按照逐步逼近法分别确定至少一个产量递减阶段中每个产量递减阶段的双曲递减指数；根据每个产量递减阶段的双曲递减指数，通过线性回归分析来确定每个产量递减阶段的初始递减率；根据每个产量递减阶段的初始单位产油量、双曲递减指数和初始递减率，确定每个产量递减阶段的Arps双曲递减模型；根据每个产量递减阶段的Arps双曲递减模型进行产油量的预测。通过本发明提供的方法，确定的双曲递减指数的精度更高，初始递减率的精度也更高，因此，将大大提高产油量预测的精度。
Description
技术领域
本发明涉及石油天然气开采领域，特别涉及一种预测产油量的方法、装置及存储介质。
背景技术
油田开发是一个从前期钻探，经过生产开发，到后期减产的全过程，表现在油田产量的变化上必定要经过产量上升、产量稳定到产量递减的全过程。当油田开发进入产量递减阶段以后，产量递减阶段不同的递减规律对产量和最终采收率的影响不同，所以需要按照产量递减阶段的递减规律，对油田未来的产油量进行预测。
目前主要是通过Arps递减模型，确定区块的整个生命周期的递减规律，进而按照递减规律进行产油量的预测。其中，Arps递减模型包括3种类型，即，根据其递减指数n的取值，分为指数递减模型(n＝0)、调和递减模型(n＝1)和双曲递减模型(0＜n＜1)。由于双曲递减模型中，递减指数n为一个变值，所以确定递减指数n，并通过双曲递减模型预测产油量至关重要。
发明内容
本发明实施例提供了一种预测产油量的方法、装置及存储介质，可以解决产油量预测精度不高的问题。所述技术方案如下：
第一方面，提供了一种预测产油量的方法，所述方法包括：
根据M个历史单位产油量和Arps标准图版，确定至少一个产量递减阶段，所述M为大于1的正整数；
按照逐步逼近法分别确定所述至少一个产量递减阶段中每个产量递减阶段的双曲递减指数；
根据每个产量递减阶段的双曲递减指数，通过线性回归分析来确定每个产量递减阶段的初始递减率；
根据每个产量递减阶段的初始单位产油量、双曲递减指数和初始递减率，确定每个产量递减阶段的Arps双曲递减模型；
根据每个产量递减阶段的Arps双曲递减模型进行产油量的预测。
可选地，所述根据M个历史单位产油量和Arps标准图版，确定至少一个产量递减阶段，包括：
以所述M个历史单位产油量对应的生产时间为横轴，以所述M个历史单位产油量为纵轴，生成历史生产曲线；
按照所述历史生产曲线，从所述M个历史单位产油量中确定第一初始单位产油量；
将N个历史单位产油量投影到Arps标准图版上，以得到N个产量投影点，所述N个历史单位产油量是指所述M个历史单位产油量中生产时间等于或晚于所述第一初始单位产油量的生产时间的历史单位产油量，所述N为小于或等于所述M的正整数；
按照所述N个产量投影点中的拐点，将所述N个产量投影点进行划分，以得到至少两个产量阶段；
选取所述至少两个产量阶段中产量递减阶段，以得到所述至少一个产量递减阶段。
可选地，所述按照逐步逼近法分别确定所述至少一个产量递减阶段中每个产量递减阶段的双曲递减指数，包括：
对于所述至少一个产量递减阶段中的任一产量递减阶段A，确定第二初始单位产油量，所述第二初始单位产油量是指所述产量递减阶段A的初始单位产油量；
令所述第二初始单位产油量对应的生产时间为0，以所述产量递减阶段A内的历史单位产油量的生产时间为横轴，以所述第二初始单位产油量与所述产量递减阶段内的历史单位产油量的商的n次方为纵轴，生成线性关系图，所述线性关系图中包括多组投影点和每组投影点的拟合直线，所述多组投影点是指当所述n分别为多个不同的参考数值时所述产量递减阶段A内的历史单位产油量对应的投影点，所述多个不同的参考数值的精度相同；
从所述多个不同的参考数值中，选择一个参考数值，其中，相比于其他的参考数值，通过选择出的参考数值确定得到的一组投影点与其拟合直线之间的相关系数最高；
当生成的线性关系图的数量小于数量阈值时，根据选择出的参考数值，重新确定多个不同的参考数值，并返回生成所述线性关系图的步骤，直至生成的线性关系图的数量大于或等于所述数量阈值时，将最后一次选择出的参考数值确定为所述产量递减阶段A的双曲递减指数，其中，重新确定的多个不同的参考数值的精度相同且高于前一次生成线性关系图时采用的参考数值的精度。
可选地，所述根据每个产量递减阶段的双曲递减指数，通过线性回归分析来确定每个产量递减阶段的初始递减率，包括：
对于所述至少一个产量递减阶段中的任一产量递减阶段A，确定所述产量递减阶段A的双曲递减指数对应的拟合直线的斜率；
将确定的斜率与所述产量递减阶段A的双曲递减指数之间的商值，确定为所述产量递减阶段A的初始递减率。
第二方面，提供了一种预测产油量的装置，所述装置包括：
第一确定模块，用于根据M个历史单位产油量和Arps标准图版，确定至少一个产量递减阶段，所述M为大于1的正整数；
第二确定模块，用于按照逐步逼近法分别确定所述至少一个产量递减阶段中每个产量递减阶段的双曲递减指数；
第三确定模块，用于根据每个产量递减阶段的双曲递减指数，通过线性回归分析来确定每个产量递减阶段的初始递减率；
第四确定模块，用于根据每个产量递减阶段的初始单位产油量、双曲递减指数和初始递减率，确定每个产量递减阶段的Arps双曲递减模型；
预测模块，用于根据每个产量递减阶段的Arps双曲递减模型进行产油量的预测。
可选地，所述第一确定模块包括：
第一生成子模块，用于以所述M个历史单位产油量对应的生产时间为横轴，以所述M个历史单位产油量为纵轴，生成历史生产曲线；
第一确定子模块，用于按照所述历史生产曲线，从所述M个历史单位产油量中确定第一初始单位产油量；
投影子模块，用于将N个历史单位产油量投影到Arps标准图版上，以得到N个产量投影点，所述N个历史单位产油量是指所述M个历史单位产油量中生产时间等于或晚于所述第一初始单位产油量的生产时间的历史单位产油量，所述N为小于或等于所述M的正整数；
划分子模块，用于按照所述N个产量投影点中的拐点，将所述N个产量投影点进行划分，以得到至少两个产量阶段；
选取子模块，用于选取所述至少两个产量阶段中产量递减阶段，以得到所述至少一个产量递减阶段。
可选地，所述第二确定模块包括：
第二确定子模块，用于对于所述至少一个产量递减阶段中的任一产量递减阶段A，确定第二初始单位产油量，所述第二初始单位产油量是指所述产量递减阶段A的初始单位产油量；
第二生成子模块，用于令所述第二初始单位产油量对应的生产时间为0，以所述产量递减阶段A内的历史单位产油量的生产时间为横轴，以所述第二初始单位产油量与所述产量递减阶段内的历史单位产油量的商的n次方为纵轴，生成线性关系图，所述线性关系图中包括多组投影点和每组投影点的拟合直线，所述多组投影点是指当所述n分别为多个不同的参考数值时所述产量递减阶段A内的历史单位产油量对应的投影点，所述多个不同的参考数值的精度相同；
选择子模块，用于从所述多个不同的参考数值中，选择一个参考数值，其中，相比于其他的参考数值，通过选择出的参考数值确定得到的一组投影点与其拟合直线之间的相关系数最高；
第三确定子模块，用于当生成的线性关系图的数量小于数量阈值时，根据选择出的参考数值，重新确定多个不同的参考数值，并返回生成所述线性关系图的步骤，直至生成的线性关系图的数量大于或等于所述数量阈值时，将最后一次选择出的参考数值确定为所述产量递减阶段A的双曲递减指数，其中，重新确定的多个不同的参考数值的精度相同且高于前一次生成线性关系图时采用的参考数值的精度。
可选地，所述第三确定模块包括：
第四确定子模块，用于对于所述至少一个产量递减阶段中的任一产量递减阶段A，确定所述产量递减阶段A的双曲递减指数对应的拟合直线的斜率；
第五确定子模块，用于将确定的斜率与所述产量递减阶段A的双曲递减指数之间的商值，确定为所述产量递减阶段A的初始递减率。
第三方面，提供了一种计算机可读存储介质，所述存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面提供的任一所述的方法。
本发明实施例提供的技术方案带来的有益效果是：在本发明实施例中，对Arps标准图版中的产量投影点进行划分，并从划分后的产量阶段中选择至少一个产量递减阶段。然后按照逐步逼近法分别确定至少一个产量递减阶段中每个产量递减阶段的双曲递减指数，也就是说，每个产量递减阶段对应各自的Arps双曲递减模型。而且通过逐步逼近法确定的双曲递减指数的精度更高，因此，通过线性回归分析来确定每个产量递减阶段的初始递减率之后，每个产量递减阶段的初始递减率的精度也会更高。因此，通过本发明实施例确定的Arps双曲递减模型进行产油量预测时，将大大提高产油量预测的精度。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种预测产油量的方法流程图；
图2是本发明实施例提供的另一种预测产油量的方法流程图；
图3是本发明实施例提供的一种历史生产曲线的示意图；
图4是本发明实施例提供的一种Arps标准图版；
图5是本发明实施例提供的一种第一线性关系图；
图6是本发明实施例提供的一种第二线性关系图；
图7是本发明实施例提供的一种预测产油量的装置结构示意图；
图8是本发明实施例提供的另一种预测产油量的装置结构示意图。
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，下面将结合附图对本发明实施方式作进一步地详细描述。
图1是本发明实施例提供的一种预测产油量的方法流程图。该方法应用于产油量预测装置中，该产油量预测装置可以为一个计算机设备。参见图1，该方法包括：
步骤101：根据M个历史单位产油量和Arps标准图版，确定至少一个产量递减阶段，M为大于1的正整数。
步骤102：按照逐步逼近法分别确定至少一个产量递减阶段中每个产量递减阶段的双曲递减指数。
步骤103：根据每个产量递减阶段的双曲递减指数，通过线性回归分析来确定每个产量递减阶段的初始递减率。
步骤104：根据每个产量递减阶段的初始单位产油量、双曲递减指数和初始递减率，确定每个产量递减阶段的Arps双曲递减模型。
步骤105：根据每个产量递减阶段的Arps双曲递减模型进行产油量的预测。
本发明实施例中，可以对M个历史单位产油量根据拐点划分成不同的产量阶段，其中不同的产量阶段又可以根据对应的拟合直线的斜率来选择出至少一个产量递减阶段，之后，便可确定每个产量递减阶段双曲递减指数，最后确定每个产量递减阶段的初始递减率。对每个产量递减阶段按照各自的递减规律来预测产油量，相比于通过一个区块的整个生命周期的递减规律预测产油量的方法来说，本发明实施例考虑了新井部署等原因造成的产量产生拐点的情况，因而精度会更高，更符合实际情况。
可选地，根据M个历史单位产油量和Arps标准图版，确定至少一个产量递减阶段，包括：
以M个历史单位产油量对应的生产时间为横轴，以M个历史单位产油量为纵轴，生成历史生产曲线；
按照历史生产曲线，从M个历史单位产油量中确定第一初始单位产油量；
将N个历史单位产油量投影到Arps标准图版上，以得到N个产量投影点，N个历史单位产油量是指M个历史单位产油量中生产时间等于或晚于第一初始单位产油量的生产时间的历史单位产油量，N为小于或等于所述M的正整数；
按照N个产量投影点中的拐点，将N个产量投影点进行划分，以得到至少两个产量阶段；
选取至少两个产量阶段中产量递减阶段，以得到至少一个产量递减阶段。
可选地，按照逐步逼近法分别确定至少一个产量递减阶段中每个产量递减阶段的双曲递减指数，包括：
对于至少一个产量递减阶段中的任一产量递减阶段A，确定第二初始单位产油量，第二初始单位产油量是指产量递减阶段A的初始单位产油量；
令第二初始单位产油量对应的生产时间为0，以产量递减阶段A内的历史单位产油量的生产时间为横轴，以第二初始单位产油量与产量递减阶段内的历史单位产油量的商的n次方为纵轴，生成线性关系图，线性关系图中包括多组投影点和每组投影点的拟合直线，多组投影点是指当n分别为多个不同的参考数值时所述产量递减阶段A内的历史单位产油量对应的投影点，多个不同的参考数值的精度相同；
从多个不同的参考数值中，选择一个参考数值，其中，相比于其他的参考数值，通过选择出的参考数值确定得到的一组投影点与其拟合直线之间的相关系数最高；
当生成的线性关系图的数量小于数量阈值时，根据选择出的参考数值，重新确定多个不同的参考数值，并返回生成所述线性关系图的步骤，直至生成的线性关系图的数量大于或等于所述数量阈值时，将最后一次选择出的参考数值确定为所述产量递减阶段A的双曲递减指数，其中，重新确定的多个不同的参考数值的精度相同且高于前一次生成线性关系图时采用的参考数值的精度。
可选地，根据每个产量递减阶段的双曲递减指数，通过线性回归分析来确定每个产量递减阶段的初始递减率，包括：
对于至少一个产量递减阶段中的任一产量递减阶段A，确定产量递减阶段A的双曲递减指数对应的拟合直线的斜率：
将确定的斜率与产量递减阶段A的双曲递减指数之间的商值，确定为产量递减阶段A的初始递减率。
上述所有可选技术方案，均可按照任意结合形成本发明的可选实施例，本发明实施例对此不再一一赘述。
图2是本发明实施例提供的另一种预测产油量的方法流程图。该方法应用于产油量预测装置中，该产油量预测装置可以为一个计算机设备，参见图2，该方法包括：
步骤201：根据M个历史单位产油量和Arps标准图版，确定至少一个产量递减阶段，M为大于1的正整数。
具体地，以M个历史单位产油量对应的生产时间为横轴，以M个历史单位产油量为纵轴，生成历史生产曲线。按照历史生产曲线，从M个历史单位产油量中确定第一初始单位产油量。将N个历史单位产油量投影到Arps标准图版上，以得到N个产量投影点，N个历史单位产油量是指M个历史单位产油量中生产时间等于或晚于第一初始单位产油量的生产时间的历史单位产油量，N为小于或等于M的正整数。按照N个产量投影点中的拐点，将N个产量投影点进行划分，以得到至少两个产量阶段。选取至少两个产量阶段中产量递减阶段，以得到至少一个产量递减阶段。
M个历史单位产油量是指M个单位时间所对应的产油量，也就是说，M个单位时间和M个历史单位产油量呈一一对应关系，且该M个单位时间即为M个历史单位产油量的生产时间。
按照历史生产曲线，从M个历史单位产油量中确定第一初始单位产油量的实现过程可以为：选择历史生产曲线的峰值点，并将该峰值点对应的历史单位产油量确定为第一初始单位产油量。也就是说，将历史生产曲线上纵坐标最大的历史单位产油量确定为第一初始单位产油量。
因为第一初始单位产油量之后的历史单位产油量均比第一初始单位产油量小，而产量递减阶段是指产油量递减的阶段，所以为了确定产量递减阶段，可以将第一初始单位产油量以及第一初始单位产油量的生产时间之后的历史产油量确定为N个历史单位产油量。另外，由于Arps标准图版的横轴是累计产油量与第一数值的商，第一数值是指初始单位产油量和生产时间之积，纵轴是初始单位产油量与历史单位产油量的商，因此，在确定N个历史单位产油量后，可以根据N个历史单位产油量的累计产油量、第一初始单位产油量和每个历史单位产油量的生产时间，将N个历史单位产油量投影到Arps标准图版上，以得到N个产量投影点。
基于上述描述，产量递减阶段是指产油量递减的阶段，且基于Arps标准图版的横轴和纵轴，可以确定产量递减阶段在Arps标准图版上表现为上升的趋势，因此，将N个产量投影点进行划分，以得到至少两个产量阶段之后，对每个产量阶段的产量投影点进行直线拟合，以得到每个产量阶段对应的一条拟合直线。此时可以确定每个产量阶段对应的拟合直线的斜率，并从相邻的两个产量阶段中选择对应的拟合直线的斜率较大的产量阶段，将选择的产量阶段确定为产量递减阶段。
需要说明的是，若一个产量阶段只有一个相邻的产量阶段，那么只需要该产量阶段对应的拟合直线的斜率大于与其相邻的产量阶段对应的拟合直线的斜率，即可将该产量阶段确定为产量递减阶段。若一个产量阶段有两个相邻的产量阶段，那么该产量阶段对应的拟合直线的斜率需要比其相邻的两个产量阶段对应的拟合直线的斜率均大，才可以将该产量阶段确定为产量递减阶段。
通过上述方法，可以对M个历史单位产油量根据拐点划分成不同的产量阶段，其中不同的产量阶段又可以根据对应的拟合直线的斜率来选择出至少一个产量递减阶段，之后，便可确定每个产量递减阶段的递减规律，并对每个产量递减阶段按照各自的递减规律来预测产油量。相比于通过一个区块的整个生命周期的递减规律预测产油量的方法来说，本发明实施例考虑了新井部署等原因造成的产量产生拐点的情况，因而精度会更高，更符合实际情况。
示例性地，参见图3，选择历史生产曲线的峰值点作为第一初始单位产油量，记为q0，q0将对应一个生产时间，然后将q0以及q0对应的生产时间以后的生产时间所对应的历史单位产油量确定为N个历史单位产油量。令q0之前的累积产油量和生产时间均为0，生产时间t所对应的历史单位产油量为qt，生产时间t时的累积产油量为Nt，参见图4，以Nt/(q0t)为横坐标，以q0/qt为纵坐标，将N个历史单位产油量投影到Arps标准图版上，得到N个产量投影点，根据产量投影点在Arps标准图版上的拐点情况，将该N个产量投影点划分为五个产量阶段，然后将五个产量阶段的产量投影点分别拟合成五条直线，分别为第一直线、第二直线、第三直线、第四直线和第五直线，且五条直线将对应五个不同的斜率。因为第一直线的斜率大于第二直线的斜率，所以确定第一直线对应的产量阶段为第一产量递减阶段。因为第二直线的斜率小于第一直线的斜率和第三直线的斜率，所以第二直线对应的产量阶段不属于产量递减阶段。因为第三直线的斜率大于第二直线的斜率和第四直线的斜率，所以确定第三直线对应的产量阶段为第二产量递减阶段。因为第四直线的斜率小于第三直线的斜率和第五直线的斜率，所以第四直线对应的产量阶段不属于产量递减阶段。因为第五直线的斜率大于第四直线的斜率，所以确定第五直线对应的产量阶段为第三产量递减阶段。即，在图4中确定出三个产量递减阶段。
步骤202：按照逐步逼近法分别确定至少一个产量递减阶段中每个产量递减阶段的双曲递减指数。
具体地，按照逐步逼近法分别确定至少一个产量递减阶段中每个产量递减阶段的双曲递减指数的实现过程可以通过如下步骤(1)-(4)来实现：
(1)、对于至少一个产量递减阶段中的任一产量递减阶段A，确定第二初始单位产油量，第二初始单位产油量是指产量递减阶段A的初始单位产油量。
具体地，将产量递减阶段A中的第一个历史单位产油量确定为产量递减阶段A的初始单位产油量，即第二初始单位产油量。
(2)、令第二初始单位产油量对应的生产时间为0，以产量递减阶段A内的历史单位产油量的生产时间为横轴，以第二初始单位产油量与产量递减阶段内的历史单位产油量的商的n次方为纵轴，生成线性关系图，线性关系图中包括多组投影点和每组投影点的拟合直线，多组投影点是指当n分别为多个不同的参考数值时产量递减阶段A内的历史单位产油量对应的投影点，多个不同的参考数值的精度相同。
多组投影点是指当n分别为多个不同的参考数值时产量递减阶段A内的历史单位产油量对应的投影点，也即是，当n取多个不同的参考数值时，产量递减阶段A内的历史单位产油量会对应多组投影点。换句话说，一个参数数值对应一组投影点。
在本发明实施例中，生成线性关系图的目的是为了确定n，也即是，从多个不同的参考数值中确定一个参考数值作为n。因此，可以设置该多个不同的参考数值的精度相同，也就是说，该多个不同的参考数值的小数点后保留的位数应该保持一致。
示例性地，以上述确定出的第一个产量递减阶段作为产量递减阶段A，参见图5，令第二初始单位产油量对应的生产时间为0，产量递减阶段A内的历史单位产油量的生产时间为t，第二初始单位产油量为q0，生产时间t所对应的单位产油量为qt。以产量递减阶段A内的历史单位产油量的生产时间t为横轴，以
为纵轴，生成线性关系图。令n＝0.1+0.1m，m为0-8之间的9个正整数。为了便于通过图5来说明线性关系图，故可以取n的参考数值分别为n＝0.1、n＝0.2、n＝0.4、n＝0.5、n＝0.6、n＝0.8，每个n值将根据生产时间t的变化对应一组
的值，即每个n值对应一组投影点。因为有6个n值，故可以得到6组投影点，然后对每组投影点进行直线拟合，得到了6条拟合直线。
(3)、从多个不同的参考数值中，选择一个参考数值，其中，相比于其他的参考数值，通过选择出的参考数值确定得到的一组投影点与其拟合直线之间的相关系数最高。
由于线性关系图中包括多组投影点，每组投影点又可以拟合成一条拟合直线。因此，可以确定每组投影点和其对应的一条拟合直线之间的相关系数，并将确定的相关系数中选择最大的相关系数，将用于确定最大相关系数对应的一组投影点的参数数值确定为选择的参考数值。
示例性地，确定6组投影点及6条拟合直线之间的相关系数，参见图5，当n＝0.1、n＝0.2、n＝0.4、n＝0.5、n＝0.6、n＝0.8时，其对应的投影点与对应的拟合直线之间的相关系数分别为R2＝0.926、R2＝0.927、R2＝0.9283、R2＝0.9285、R2＝0.9284、R2＝0.9274，因为相关系数R2＝0.9285为其中最大的一个数值，故将其对应的n＝0.5确定为选择的参考数值。
(4)、当生成的线性关系图的数量小于数量阈值时，根据选择出的参考数值，重新确定多个不同的参考数值，并返回生成线性关系图的步骤，直至生成的线性关系图的数量大于或等于数量阈值时，将最后一次选择出的参考数值确定为产量递减阶段A的双曲递减指数，其中，重新确定的多个不同的参考数值的精度相同且高于前一次生成线性关系图时采用的参考数值的精度。
由于相同精度的多个不同参考数值对应一个线性关系图，为了提高n值的精度，可以事先预设一个数量阈值。如果生成的线性关系图的数量小于数量阈值，也就是说，选择的参考数值的精度还没有达到预设的精度，那么需要根据前一次选择的参考数值重新确定更高精度的参考数值，然后用更高精度的参考数值重新生成线性关系图，最后再从更高精度的参考数值中选择一个参考数值，若此时选择的参考数值的精度依然没有达到预设的精度，也就是说，生成的线性关系图的数量依然小于数量阈值，那么重复上述步骤，直至生成的线性关系图的数量大于或者等于数量阈值，也就是说，选择的参考数值的精度大于或者等于预设的精度，此时便停止，将最后一次选择出的参考数值定为产量递减阶段A的双曲递减指数。
需要说明的是，数量阈值越大，生成的线性关系图的数量也就越多，参考数值的精度也就越高，进而可以保证产量递减阶段A的双曲递减指数的精度越高。
通过上述步骤，参考数值的精度得到了提高，即双曲递减指数的精度得到了提高。因为双曲递减模型中其他待求得的变量跟双曲递减指数相关，所以双曲递减指数精度的提高将提高其他变量的精度，从而大大提高双曲递减模型对产油量预判的准确性。
示例性地，数量阈值为2，那么需要生成两个线性关系图，分别命名为第一线性关系图及第二线性关系图。假设步骤(3)生成的线性关系图为第一线性关系图，也即是，图5是第一线性关系图的示意图。因此，当根据步骤(3)确定第一线性关系图，并根据第一线性关系图选出一个参考数值n＝0.5，此时，参见图6，可以令n1＝n-0.05+0.01m，m为0-10之间的11个正整数，假设，此时选取n1＝0.43、n1＝0.46、n1＝0.49、n1＝0.51、n1＝0.52、n1＝0.53、n1＝0.59，当n1＝0.43、n1＝0.46、n1＝0.49、n1＝0.51、n1＝0.52、n1＝0.53、n1＝0.59时，其对应的投影点与对应的拟合直线之间的相关系数分别为R2＝0.92850085、R2＝0.92851201、R2＝0.92852032、R2＝0.92852577、R2＝0.92852838、R2＝0.92852814、R2＝0.92852505，因为相关系数R2＝0.92852838为其中最大的一个数值，故n＝0.52即为使得投影点和其对应的拟合直线之间相关系数最高的一个参考数值，也就是说，此n值为最终的双曲递减指数。
需要说明的是，由于产量递减阶段A为至少一个产量递减阶段中的任一产量递减阶段，所以，不仅可以通过上述步骤(1)-(4)确定产量递减阶段A的双曲递减指数，还可以通过上述步骤(1)-(4)来确定其他产量递减阶段的双曲递减指数，本发明实施例对其他产量递减阶段的双曲递减指数的确定过程不再进行详细阐述。
步骤203：根据每个产量递减阶段的双曲递减指数，通过线性回归分析来确定每个产量递减阶段的初始递减率。
对于至少一个产量递减阶段中的任一产量递减阶段A，确定产量递减阶段A的双曲递减指数对应的拟合直线的斜率。将确定的斜率与产量递减阶段A的双曲递减指数之间的商值，确定为产量递减阶段A的初始递减率。
通过实验可知，产量递减阶段的Arps双曲递减模型可以通过如下公式(1)来表示，将公式(1)变形之后便可以得到如下公式(2)。下述公式(2)的等号右边可以认为是以t为变量的线性函数，那么，nd即为对应的拟合直线的斜率，所以，在确定出产量递减阶段A的双曲递减指数之后，即可将产量递减阶段A的双曲递减指数对应的拟合直线的斜率与产量递减阶段A的双曲递减指数之间的商值，确定为产量递减阶段A的初始递减率。
其中，q0为双曲递减阶段的初始单位产油量，t为生产时间，qt为生产时间为t时所对应的历史单位产油量，n为双曲递减指数，d为初始递减率。
步骤204：根据每个产量递减阶段的初始单位产油量、双曲递减指数和初始递减率，确定每个产量递减阶段的Arps双曲递减模型。
因为每个产量递减阶段的初始单位产油量、双曲递减指数和初始递减率已经确定，那么将每个产量递减阶段的初始单位产油量q0、双曲递减指数n和初始递减率d带入公式(1)，即可得到至少一个关于变量为时间t的函数，此时，将该至少一个函数确定为至少一个产量递减阶段的Arps双曲递减模型。
步骤205：根据每个产量递减阶段的Arps双曲递减模型进行产油量的预测。
根据划分的不同的产量递减阶段，每个产量递减阶段对应一个Aeps双曲递减模型，根据不同的生产时间t值便可预测或者比对单位产油量。
其中，若生产时间t为将来的生产时间，那么可以根据生产时间t，通过最后一个产量递减阶段的Arps双曲递减模型，确定该生产时间对应的单位产油量，也即是，预测在该生产时间所对应的单位产油量。
另外，若生产时间t为一个历史生产时间，则需要先确定该历史生产时间所对应的产量递减阶段，然后根据该历史时间，通过与之相对应的产量递减阶段的Arps双曲递减模型确定对应的单位产油量，最后将预测的单位产油量和该生产时间的历史单位产油量进行对比，从而可以验证这个产量递减阶段的Arps双曲递减模型的精度。
需要说明的是，每个产量递减阶段的Arps双曲递减模型还可以应用于其他类似油田的单位产油量的预测中，本发明实施例对其他油田单位产油量的预测过程不再进行详细阐述。
在本发明实施例中，对Arps标准图版中的产量投影点进行划分，并从划分后的产量阶段中选择至少一个产量递减阶段。然后按照逐步逼近法分别确定至少一个产量递减阶段中每个产量递减阶段的双曲递减指数，也就是说，每个产量递减阶段对应各自的Arps双曲递减模型。而且通过逐步逼近法确定的双曲递减指数的精度更高，因此，通过线性回归分析来确定每个产量递减阶段的初始递减率之后，每个产量递减阶段的初始递减率的精度也会更高。因此，通过本发明实施例确定的Arps双曲递减模型进行产油量预测时，将大大提高产油量预测的精度。
参见图7，本发明实施例提供了一种预测产油量的装置，该装置包括第一确定模块701、第二确定模块702、第三确定模块703、第四确定模块704和预测模块705。
第一确定模块701，用于根据M个历史单位产油量和Arps标准图版，确定至少一个产量递减阶段，M为大于1的正整数；
第二确定模块702，用于按照逐步逼近法分别确定至少一个产量递减阶段中每个产量递减阶段的双曲递减指数；
第三确定模块703，用于根据每个产量递减阶段的双曲递减指数，通过线性回归分析来确定每个产量递减阶段的初始递减率；
第四确定模块704，用于根据每个产量递减阶段的初始单位产油量、双曲递减指数和初始递减率，确定每个产量递减阶段的Arps双曲递减模型；
预测模块705，用于根据每个产量递减阶段的Arps双曲递减模型进行产油量的预测。
可选地，第一确定模块701包括：
第一生成子模块，用于以M个历史单位产油量对应的生产时间为横轴，以M个历史单位产油量为纵轴，生成历史生产曲线；
第一确定子模块，用于按照历史生产曲线，从M个历史单位产油量中确定第一初始单位产油量；
投影子模块，用于将N个历史单位产油量投影到Arps标准图版上，以得到N个产量投影点，N个历史单位产油量是指M个历史单位产油量中生产时间等于或晚于所述第一初始单位产油量的生产时间的历史单位产油量，N为小于或等于所述M的正整数；
划分子模块，用于按照N个产量投影点中的拐点，将N个产量投影点进行划分，以得到至少两个产量阶段；
选取子模块，用于选取至少两个产量阶段中产量递减阶段，以得到至少一个产量递减阶段。
可选地，第二确定模块702包括：
第二确定子模块，用于对于至少一个产量递减阶段中的任一产量递减阶段A，确定第二初始单位产油量，第二初始单位产油量是指产量递减阶段A的初始单位产油量；
第二生成子模块，用于令第二初始单位产油量对应的生产时间为0，以产量递减阶段A内的历史单位产油量的生产时间为横轴，以第二初始单位产油量与所述产量递减阶段内的历史单位产油量的商的n次方为纵轴，生成线性关系图，线性关系图中包括多组投影点和每组投影点的拟合直线，多组投影点是指当所述n分别为多个不同的参考数值时所述产量递减阶段A内的历史单位产油量对应的投影点，多个不同的参考数值的精度相同；
选择子模块，用于从多个不同的参考数值中，选择一个参考数值，其中，相比于其他的参考数值，通过选择出的参考数值确定得到的一组投影点与其拟合直线之间的相关系数最高；
第三确定子模块，用于当生成的线性关系图的数量小于数量阈值时，根据选择出的参考数值，重新确定多个不同的参考数值，并返回生成线性关系图的步骤，直至生成的线性关系图的数量大于或等于数量阈值时，将最后一次选择出的参考数值确定为产量递减阶段A的双曲递减指数，其中，重新确定的多个不同的参考数值的精度相同且高于前一次生成线性关系图时采用的参考数值的精度。
可选地，第三确定模块703包括：
第四确定子模块，用于对于至少一个产量递减阶段中的任一产量递减阶段A，确定产量递减阶段A的双曲递减指数对应的拟合直线的斜率；
第五确定子模块，用于将确定的斜率与产量递减阶段A的双曲递减指数之间的商值，确定为产量递减阶段A的初始递减率。
综上所述，在本发明实施例中，对Arps标准图版中的产量投影点进行划分，并从划分后的产量阶段中选择至少一个产量递减阶段。然后按照逐步逼近法分别确定至少一个产量递减阶段中每个产量递减阶段的双曲递减指数，也就是说，每个产量递减阶段对应各自的Arps双曲递减模型。而且通过逐步逼近法确定的双曲递减指数的精度更高，因此，通过线性回归分析来确定每个产量递减阶段的初始递减率之后，每个产量递减阶段的初始递减率的精度也会更高。因此，通过本发明实施例确定的Arps双曲递减模型进行产油量预测时，将大大提高产油量预测的精度。
需要说明的是：上述实施例提供的预测产油量的装置在预测产油量时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的预测产油量的装置与预测产油量的方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
图8是本发明实施例提供的另一种预测产油量的装置的结构示意图，该预测产油量的装置800可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器(central processing units，CPU)801和一个或一个以上的存储器802，其中，所述存储器802中存储有至少一条指令，所述至少一条指令由该处理器801加载并执行。当然，该预测产油量的装置800还可以具有有线或无线网络接口、键盘以及输入输出接口等部件，以便进行输入输出，该预测产油量的装置800还可以包括其他用于实现设备功能的部件，在此不做赘述。
在示例性实施例中，还提供了一种计算机可读存储介质，例如包括指令的存储器，上述指令可由上述计算机设备中的处理器执行以完成上述实施例中预测产油量的方法。例如，所述计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (7)
1.一种预测产油量的方法，其特征在于，所述方法包括：
根据M个历史单位产油量和Arps标准图版，确定至少一个产量递减阶段，所述M为大于1的正整数；
按照逐步逼近法分别确定所述至少一个产量递减阶段中每个产量递减阶段的双曲递减指数；
根据每个产量递减阶段的双曲递减指数，通过线性回归分析来确定每个产量递减阶段的初始递减率；
根据每个产量递减阶段的初始单位产油量、双曲递减指数和初始递减率，确定每个产量递减阶段的Arps双曲递减模型；
根据每个产量递减阶段的Arps双曲递减模型进行产油量的预测，
其中，所述根据M个历史单位产油量和Arps标准图版，确定至少一个产量递减阶段，所述M为大于1的正整数，包括：
以所述M个历史单位产油量对应的生产时间为横轴，以所述M个历史单位产油量为纵轴，生成历史生产曲线；
按照所述历史生产曲线，从所述M个历史单位产油量中确定第一初始单位产油量，所述第一初始单位产油量为所述历史生产曲线上纵坐标最大的历史单位产油量；
将N个历史单位产油量投影到Arps标准图版上，以得到N个产量投影点，所述N个历史单位产油量是指所述M个历史单位产油量中生产时间等于或晚于所述第一初始单位产油量的生产时间的历史单位产油量，所述N为小于或等于所述M的正整数；
按照所述N个产量投影点中的拐点，将所述N个产量投影点进行划分，以得到至少两个产量阶段；
选取所述至少两个产量阶段中产量递减阶段，以得到所述至少一个产量递减阶段；
其中，所述将N个历史单位产油量投影到Arps标准图版上，以得到N个产量投影点包括：根据N个历史单位产油量的累计产油量、第一初始单位产油量和每个历史单位产油量的生产时间，将所述N个历史单位产油量投影到Arps标准图版上，得到N个产量投影点；
所述选取所述至少两个产量阶段中产量递减阶段，以得到所述至少一个产量递减阶段包括：
对所述至少两个产量阶段中的每个产量阶段的产量投影点进行直线拟合，得到每个产量阶段对应的拟合直线；
确定每个产量阶段对应的拟合直线的斜率，并将相邻的两个产量阶段中对应的拟合直线的斜率较大的产量阶段确定为产量递减阶段。
2.如权利要求1所述的方法，其特征在于，所述按照逐步逼近法分别确定所述至少一个产量递减阶段中每个产量递减阶段的双曲递减指数，包括：
对于所述至少一个产量递减阶段中的任一产量递减阶段A，确定第二初始单位产油量，所述第二初始单位产油量是指所述产量递减阶段A的初始单位产油量；
令所述第二初始单位产油量对应的生产时间为0，以所述产量递减阶段A内的历史单位产油量的生产时间为横轴，以所述第二初始单位产油量与所述产量递减阶段内的历史单位产油量的商的n次方为纵轴，生成线性关系图，所述线性关系图中包括多组投影点和每组投影点的拟合直线，所述多组投影点是指当所述n分别为多个不同的参考数值时所述产量递减阶段A内的历史单位产油量对应的投影点，所述多个不同的参考数值的精度相同；
从所述多个不同的参考数值中，选择一个参考数值，其中，相比于其他的参考数值，通过选择出的参考数值确定得到的一组投影点与其拟合直线之间的相关系数最高；
当生成的线性关系图的数量小于数量阈值时，根据选择出的参考数值，重新确定多个不同的参考数值，并返回生成所述线性关系图的步骤，直至生成的线性关系图的数量大于或等于所述数量阈值时，将最后一次选择出的参考数值确定为所述产量递减阶段A的双曲递减指数，其中，重新确定的多个不同的参考数值的精度相同且高于前一次生成线性关系图时采用的参考数值的精度。
3.如权利要求2所述的方法，其特征在于，所述根据每个产量递减阶段的双曲递减指数，通过线性回归分析来确定每个产量递减阶段的初始递减率，包括：
对于所述至少一个产量递减阶段中的任一产量递减阶段A，确定所述产量递减阶段A的双曲递减指数对应的拟合直线的斜率；
将确定的斜率与所述产量递减阶段A的双曲递减指数之间的商值，确定为所述产量递减阶段A的初始递减率。
4.一种预测产油量的装置，其特征在于，所述装置包括：
第一确定模块，用于根据M个历史单位产油量和Arps标准图版，确定至少一个产量递减阶段，所述M为大于1的正整数；
第二确定模块，用于按照逐步逼近法分别确定所述至少一个产量递减阶段中每个产量递减阶段的双曲递减指数；
第三确定模块，用于根据每个产量递减阶段的双曲递减指数，通过线性回归分析来确定每个产量递减阶段的初始递减率；
第四确定模块，用于根据每个产量递减阶段的初始单位产油量、双曲递减指数和初始递减率，确定每个产量递减阶段的Arps双曲递减模型；
预测模块，用于根据每个产量递减阶段的Arps双曲递减模型进行产油量的预测，
其中，所述第一确定模块包括：
第一生成子模块，用于以所述M个历史单位产油量对应的生产时间为横轴，以所述M个历史单位产油量为纵轴，生成历史生产曲线；
第一确定子模块，用于按照所述历史生产曲线，从所述M个历史单位产油量中确定第一初始单位产油量，所述第一初始单位产油量为所述历史生产曲线上纵坐标最大的历史单位产油量；
投影子模块，用于将N个历史单位产油量投影到Arps标准图版上，以得到N个产量投影点，所述N个历史单位产油量是指所述M个历史单位产油量中生产时间等于或晚于所述第一初始单位产油量的生产时间的历史单位产油量，所述N为小于或等于所述M的正整数；
划分子模块，用于按照所述N个产量投影点中的拐点，将所述N个产量投影点进行划分，以得到至少两个产量阶段；
选取子模块，用于选取所述至少两个产量阶段中产量递减阶段，以得到所述至少一个产量递减阶段；
其中，所述将N个历史单位产油量投影到Arps标准图版上，以得到N个产量投影点包括：根据N个历史单位产油量的累计产油量、第一初始单位产油量和每个历史单位产油量的生产时间，将所述N个历史单位产油量投影到Arps标准图版上，得到N个产量投影点；
所述选取所述至少两个产量阶段中产量递减阶段，以得到所述至少一个产量递减阶段包括：
对所述至少两个产量阶段中的每个产量阶段的产量投影点进行直线拟合，得到每个产量阶段对应的拟合直线；
确定每个产量阶段对应的拟合直线的斜率，并将相邻的两个产量阶段中对应的拟合直线的斜率较大的产量阶段确定为产量递减阶段。
5.如权利要求4所述的装置，其特征在于，所述第二确定模块包括：
第二确定子模块，用于对于所述至少一个产量递减阶段中的任一产量递减阶段A，确定第二初始单位产油量，所述第二初始单位产油量是指所述产量递减阶段A的初始单位产油量；
第二生成子模块，用于令所述第二初始单位产油量对应的生产时间为0，以所述产量递减阶段A内的历史单位产油量的生产时间为横轴，以所述第二初始单位产油量与所述产量递减阶段内的历史单位产油量的商的n次方为纵轴，生成线性关系图，所述线性关系图中包括多组投影点和每组投影点的拟合直线，所述多组投影点是指当所述n分别为多个不同的参考数值时所述产量递减阶段A内的历史单位产油量对应的投影点，所述多个不同的参考数值的精度相同；
选择子模块，用于从所述多个不同的参考数值中，选择一个参考数值，其中，相比于其他的参考数值，通过选择出的参考数值确定得到的一组投影点与其拟合直线之间的相关系数最高；
第三确定子模块，用于当生成的线性关系图的数量小于数量阈值时，根据选择出的参考数值，重新确定多个不同的参考数值，并返回生成所述线性关系图的步骤，直至生成的线性关系图的数量大于或等于所述数量阈值时，将最后一次选择出的参考数值确定为所述产量递减阶段A的双曲递减指数，其中，重新确定的多个不同的参考数值的精度相同且高于前一次生成线性关系图时采用的参考数值的精度。
6.如权利要求5所述的装置，其特征在于，所述第三确定模块包括：
第四确定子模块，用于对于所述至少一个产量递减阶段中的任一产量递减阶段A，确定所述产量递减阶段A的双曲递减指数对应的拟合直线的斜率；
第五确定子模块，用于将确定的斜率与所述产量递减阶段A的双曲递减指数之间的商值，确定为所述产量递减阶段A的初始递减率。
7.一种计算机可读存储介质，其特征在于，所述存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-3任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910003106.XA CN109784705B (zh) | 2019-01-02 | 2019-01-02 | 预测产油量的方法、装置及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910003106.XA CN109784705B (zh) | 2019-01-02 | 2019-01-02 | 预测产油量的方法、装置及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109784705A CN109784705A (zh) | 2019-05-21 |
| CN109784705B true CN109784705B (zh) | 2021-07-02 |
Family
ID=66499863
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910003106.XA Active CN109784705B (zh) | 2019-01-02 | 2019-01-02 | 预测产油量的方法、装置及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109784705B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112734071B (zh) * | 2019-10-14 | 2024-08-02 | 中国石油天然气股份有限公司 | 油气藏采收率的预测方法及装置 |
| CN113033856B (zh) * | 2019-12-24 | 2022-10-04 | 中国石油天然气股份有限公司 | 预测直线递减生产井初始递减率的方法和装置 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| AU2005245956B2 (en) * | 2004-05-18 | 2011-05-19 | Alphavax, Inc. | TC-83-derived alphavirus vectors, particles and methods |
| CN106156876A (zh) * | 2015-04-13 | 2016-11-23 | 中国石油化工股份有限公司 | 水驱开发油藏特高含水后期自然递减率的预测方法 |
| CN106337680A (zh) * | 2015-07-13 | 2017-01-18 | 中国石油化工股份有限公司 | 一种油藏生产井可采储量的确定方法 |
| CN105512758A (zh) * | 2015-12-01 | 2016-04-20 | 中国石油天然气股份有限公司 | 油气井产量预测方法及其装置 |
| CN107563557A (zh) * | 2017-09-05 | 2018-01-09 | 中国石油天然气股份有限公司 | 确定油井产量递减率的方法及装置 |
| CN107944599B (zh) * | 2017-10-31 | 2020-10-09 | 中国石油天然气股份有限公司 | 油气水平井产量的预测方法 |
-
2019
- 2019-01-02 CN CN201910003106.XA patent/CN109784705B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN109784705A (zh) | 2019-05-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109784705B (zh) | 预测产油量的方法、装置及存储介质 | |
| CN113609815A (zh) | 一种电路仿真优化方法、装置、计算机设备及存储介质 | |
| EP3633560A1 (en) | Optimization device and method of controlling optimization device | |
| CN107579528B (zh) | 基于能量变化的暂态频率安全紧急控制决策方法 | |
| US20200090788A1 (en) | Method and apparatus for reducing chemical reaction mechanisms | |
| KR100338238B1 (ko) | 코히런트 샘플링 디지타이저 시스템 | |
| CN117708547B (zh) | 一种汽轮机组振动信号处理的方法及系统 | |
| CN110955405A (zh) | 一种输入数据的处理及指数值获取方法、装置及电子设备 | |
| CN101682332B (zh) | 具有逐次逼近模数转换器的电路 | |
| CN117033391A (zh) | 数据库索引方法、装置、服务器及介质 | |
| US20040243947A1 (en) | Method and apparatus for quantifying tradeoffs for multiple competing goals in circuit design | |
| CN109615680B (zh) | 基于泰森多边形和距离反比实现无线频谱资源空间分布插值处理的方法、装置及其存储介质 | |
| WO2021213649A1 (en) | Method and system for generating a predictive model | |
| CN115940202A (zh) | 基于人工智能的多逆变器功率分配控制方法、装置及设备 | |
| CN105138304A (zh) | 数字信号的自适应量化方法及装置 | |
| CN114862003A (zh) | 一种请求量预测方法、装置、电子设备及存储介质 | |
| KR102243119B1 (ko) | 가변 정밀도 양자화 장치 및 방법 | |
| JP3916955B2 (ja) | 電力系統の最適潮流計算方法 | |
| CN109271132B (zh) | 一种基于机器学习模型的排序方法 | |
| CN114439473A (zh) | 油田开发阶段的划分处理方法及装置 | |
| CN112148706A (zh) | 一种变量分组方法及相关设备 | |
| CN101964002B (zh) | 一种化学机械抛光工艺哑元填充的启发式方法 | |
| JP2024023532A (ja) | 電子機器、メモリアクセス効率の決定方法及び記憶媒体 | |
| CN118502377A (zh) | 一种腐蚀箔生产控制方法及系统 | |
| CN109523109B (zh) | 一种作业调度方法 |
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 |