CN110486008B - 一种径向复合油藏的参数解释方法及系统 - Google Patents
一种径向复合油藏的参数解释方法及系统 Download PDFInfo
- Publication number
- CN110486008B CN110486008B CN201910824736.3A CN201910824736A CN110486008B CN 110486008 B CN110486008 B CN 110486008B CN 201910824736 A CN201910824736 A CN 201910824736A CN 110486008 B CN110486008 B CN 110486008B
- Authority
- CN
- China
- Prior art keywords
- oil reservoir
- parameter
- radial
- parameters
- solving model
- 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
- 239000002131 composite material Substances 0.000 title claims abstract description 93
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000012549 training Methods 0.000 claims abstract description 39
- 150000001875 compounds Chemical class 0.000 claims abstract description 26
- 239000011159 matrix material Substances 0.000 claims description 29
- 230000008859 change Effects 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 13
- 238000003860 storage Methods 0.000 claims description 9
- 238000013527 convolutional neural network Methods 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 4
- 230000006870 function Effects 0.000 description 12
- 239000012530 fluid Substances 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 230000035699 permeability Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 239000004215 Carbon black (E152) Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 229930195733 hydrocarbon Natural products 0.000 description 2
- 150000002430 hydrocarbons Chemical class 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- YBJHBAHKTGYVGT-ZKWXMUAHSA-N (+)-Biotin Chemical compound N1C(=O)N[C@@H]2[C@H](CCCCC(=O)O)SC[C@@H]21 YBJHBAHKTGYVGT-ZKWXMUAHSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- FEPMHVLSLDOMQC-UHFFFAOYSA-N virginiamycin-S1 Natural products CC1OC(=O)C(C=2C=CC=CC=2)NC(=O)C2CC(=O)CCN2C(=O)C(CC=2C=CC=CC=2)N(C)C(=O)C2CCCN2C(=O)C(CC)NC(=O)C1NC(=O)C1=NC=CC=C1O FEPMHVLSLDOMQC-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH DRILLING; MINING
- E21B—EARTH DRILLING, e.g. DEEP DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B47/00—Survey of boreholes or wells
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH DRILLING; MINING
- E21B—EARTH DRILLING, e.g. DEEP DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B47/00—Survey of boreholes or wells
- E21B47/06—Measuring temperature or pressure
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH DRILLING; MINING
- E21B—EARTH DRILLING, e.g. DEEP DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B49/00—Testing the nature of borehole walls; Formation testing; Methods or apparatus for obtaining samples of soil or well fluids, specially adapted to earth drilling or wells
-
- 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
Abstract
本申请公开了一种径向复合油藏的参数解释方法,包括:获得径向复合油藏的压力数据;根据径向复合油藏的压力数据生成双对数曲线;调用预先完成训练的参数求解模型;将该双对数曲线作为参数求解模型的输入,得到该径向复合油藏的油藏参数的预测值;根据径向复合油藏的油藏参数的预测值确定该径向复合油藏的井筒参数和储层参数。基于本申请公开的方案,能够快速、准确、自动完成径向复合油藏的参数解释。
Description
技术领域
本申请属于油气藏开采技术领域,尤其涉及一种径向复合油藏的参数解释方法及系统。
背景技术
油气藏研究的基本目的是预测油气藏的未来动态,找到提高最终采收率的方法。在油气藏开采过程中会遇到一些工程问题,比如,如何建立可靠的地质模型,从而基于地质模型来解决油气藏评价、管理和开发难题,并保证对油气藏和油井的动态预测。试井是获得地层及油气藏参数最常使用的方法。一般来说,试井分析就是以实测井底压力、温度或流量为基本数据,分析和推算地层参数和井筒参数。
但是,目前的试井分析主要是通过人工或者利用优化算法辅助进行,这些试井方法都存在解释过程复杂、耗时长的问题。
发明内容
有鉴于此,本申请的目的在于公开一种径向复合油藏的参数解释方法及系统,利用预先完成训练的参数求解模型对径向复合油藏的压力数据进行分析,从而快速、准确、自动完成径向复合油藏的参数解释。
为实现上述目的,本申请公开如下技术方案:
一方面,本申请提供一种径向复合油藏的参数解释方法,包括:
获得径向复合油藏的压力数据;
根据所述径向复合油藏的压力数据生成双对数曲线,所述双对数曲线包括压力变化曲线和压力导数曲线;
调用预先完成训练的参数求解模型;
将所述双对数曲线作为所述参数求解模型的输入,得到所述径向复合油藏的油藏参数的预测值,其中,所述径向复合油藏的油藏参数包括流度比、储容比、无量纲内区半径和无量纲参数CDe2s;
根据所述径向复合油藏的油藏参数的预测值确定所述径向复合油藏的井筒参数和储层参数。
可选的,所述参数求解模型的训练过程,包括:
获得多个训练样本,每个训练样本包括一个径向复合油藏的双对数曲线、以及对应的油藏参数的真实值;
利用预先构建的参数求解模型分别分析多个径向复合油藏的双对数曲线,得到每个径向复合油藏的油藏参数的预测值;
依据所述多个径向复合油藏的油藏参数的真实值和预测值,调整所述参数求解模型的模型参数,直至调整后的参数求解模型满足预设收敛条件。
可选的,所述预设收敛条件为:所述参数求解模型的损失函数的值小于预设值。
可选的,所述参数求解模型的损失函数为:
所述多个径向复合油藏的油藏参数的真实值和预测值的均方差;或者,所述多个径向复合油藏的油藏参数的真实值和预测值的均方根误差。
可选的,所述参数求解模型为卷积神经网络。
另一方面,本申请提供一种径向复合油藏的参数解释系统,包括:
压力数据获取单元,用于获得径向复合油藏的压力数据;
曲线构建单元,用于根据所述径向复合油藏的压力数据生成双对数曲线,所述双对数曲线包括压力变化曲线和压力导数曲线;
参数预测单元,调用预先完成训练的参数求解模型,将所述双对数曲线作为所述参数求解模型的输入,得到所述径向复合油藏的油藏参数的预测值,其中,所述径向复合油藏的油藏参数包括流度比、储容比、无量纲内区半径和无量纲参数CDe2s;
参数求解单元,用于根据所述径向复合油藏的油藏参数的预测值确定所述径向复合油藏的井筒参数和储层参数。
可选的,在上述系统的基础上,还包括参数求解模型训练单元;
所述参数求解模型训练单元用于:获得多个训练样本,每个训练样本包括一个径向复合油藏的双对数曲线和油藏参数的真实值;利用预先构建的参数求解模型分别对多个径向复合油藏的双对数曲线进行参数预测,得到每个径向复合油藏的油藏参数的预测值;依据所述多个径向复合油藏的油藏参数的真实值和预测值,调整所述参数求解模型的模型参数,直至调整后的参数求解模型满足预设收敛条件。
由此可见,本申请的有益效果为:
本申请公开的径向复合油藏的参数解释方法,根据待解释的径向复合油藏的压力数据生成双对数曲线,之后将该双对数曲线作为预先完成训练的参数求解模型的输入,由参数求解模型对输入的数据进行运算,得到径向复合油藏的油藏参数的预测值,其中,油藏参数包括流度比、储容比、无量纲内区半径和无量纲参数,之后根据径向复合油藏的油藏参数的预测值,就可以计算出该径向复合油藏的井筒参数和储层参数,从而快速、准确、自动完成径向复合油藏的参数解释。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施例,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为本申请公开的一种径向复合油藏的参数解释方法的流程图;
图2为本申请公开的径向复合油藏的双对数曲线的一个示意图;
图3为本申请公开的参数求解模型的训练方法的流程图;
图4-1为针对现场实例1生成的实测压力变化曲线、计算压力变化曲线、实测压力导数曲线和计算压力导数曲线的对比图;
图4-2为针对现场实例2生成的实测压力变化曲线、计算压力变化曲线、实测压力导数曲线和计算压力导数曲线的对比图;
图5为本申请公开的一种径向复合油藏的参数解释系统的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请公开一种径向复合油藏的参数解释方法及系统,利用预先完成训练的参数求解模型对径向复合油藏的压力数据进行分析,从而快速、准确、自动完成径向复合油藏的参数解释。
参见图1,图1为本申请公开的一种径向复合油藏的参数解释方法的流程图。该方法包括:
步骤S101:获得径向复合油藏的压力数据。
径向复合油藏由两个参数属性不同的区域组成:(1)、以井为中心的圆形内区;(2)、无限大外区。
径向复合油藏的模型可以描述井周围的污染或改善、远井区的径向岩性或流体性质的变化,因此具有广泛的实际应用。径向复合油藏的物理模型的基本假设如下:
(1)、地层水平,等厚,均质,各向同性。
(2)、内外区流体均为单相微压缩流体,流动符合达西定律。
(3)、开井前地层各处压力相等,为原始地层压力。
(4)、考虑储层和表皮因子的影响,忽略重力的影响。
一个径向复合油藏的压力数据包括该径向复合油藏在多个时间点上的压力值。
步骤S102:根据径向复合油藏的压力数据生成双对数曲线,双对数曲线包括压力变化曲线和压力导数曲线。
双对数曲线又称为Gringarten-Bourdet复合曲线,由Gringarten压力变化曲线和Bourdet压力导数曲线构成。
图2示出了一个径向复合油藏的双对数曲线,其中,P表示压力,P′表示压力导数,L1为该径向复合油藏的压力导数曲线,L2为该径向复合油藏的压力变化曲线。
步骤S103:调用预先完成训练的参数求解模型。
步骤S104:将双对数曲线作为参数求解模型的输入,得到径向复合油藏的油藏参数的预测值。
其中,径向复合油藏的油藏参数包括:流度比M、储容比F、无量纲内区半径R、以及无量纲参数CDe2s。
径向复合油藏的无量纲参数CDe2s可表征井储及表皮。
流度比M的定义如公式(1),储容比F的定义如公式(2)。
在公式(1)和公式(2)中,下标1表示内区,下标2表示无限大外区。具体的:K1为内区的渗透率,μ1为内区的流体粘度,K2为无限大外区的渗透率,μ2为无限大外区的流体粘度,φ1为内区的孔隙度,Ct1为内区的总压缩率,φ2为无限大外区的孔隙度,Ct2为无限大外区的总压缩率。
实施中,将待解释的径向复合油藏的双对数曲线作为该参数求解模型的输入,由该参数求解模型进行分析,输出该径向复合油藏的油藏参数的预测值。需要说明的是,参数求解模型输出的是:油藏参数的预测值以10为底的对数。即,参数求解模型输出的是:lg(M)、lg(F)、lg(R)和lg(CDe2S)的数值。
需要说明的是,该参数求解模型为神经网络模型,是利用大量径向复合油藏的压力数据及对应的油藏参数的真实值训练而成。完成训练的参数求解模型,具有将径向复合油藏的油藏参数预测值趋于该径向复合油藏的油藏参数真实值的能力。
参数求解模型的输入为矩阵,因此要根据径向复合油藏的双对数曲线生成一个N*N的矩阵,其中,N配置为大于2的偶数。
这里对生成N*N的矩阵的过程进行说明:
在径向复合油藏的压力变化曲线中,按照时间的先后顺序,选取N个时间点对应的压力数据(具体为压力以10为底的对数),选取N个时间点对应的压力导数数据(具体为压力导数以10为底的对数);
将N个时间点对应的压力数据分别作为矩阵的第1行至第N/2行,将N个时间点对应的压力导数数据分别作为矩阵的第(N/2+1)行至第N行;或者,将N个时间点对应的压力导数数据分别作为矩阵的第1行至第N/2行,将N个时间点对应的压力数据分别作为矩阵的第(N/2+1)行至第N行。
在一个可选的实现方式中,将N配置为100。
在N配置为100的情况下,生成矩阵的过程为:
在径向复合油藏的压力变化曲线中,按照时间的先后顺序,选取100个时间点对应的压力数据,选取100个时间点对应的压力导数数据,将100个时间点对应的压力数据分别作为矩阵的第1行至第50行,将100个时间点对应的压力导数数据分别作为矩阵的第51行至第100行。
也就是说,矩阵的第1行至第50行中,位于第i列的元素为时间点i对应的压力数据,矩阵的第51行至第100行中,位于第i列的元素为时间点i对应的压力导数数据,其中,i=1,2,…,N。
步骤S105:根据径向复合油藏的油藏参数的预测值确定径向复合油藏的井筒参数和储层参数。
其中,径向复合油藏的井筒参数包括井筒存储系数C和表皮因子S,径向复合油藏的储层参数包括内区的渗透率K1、无限大外区的渗透率K2、以及复合半径。
需要说明的是,根据径向复合油藏的油藏参数求解该径向复合油藏的井筒参数和储层参数,是成熟技术,这里不再进行详细说明。
另外,需要着重说明的是,在本申请提出之前,申请人对径向复合油藏的压力导数数据进行特征提取,利用提取出的特征训练参数求解模型,在完成模型训练后,对待解释的径向复合油藏的压力特征数据进行特征提取,将提取出的特征作为参数求解模型的输入,对油藏参数进行预测。
例如,将压力导数数据的峰值和径向流的水平位置作为参数求解模型的输入。又如,将压力导数数据的插值切比雪夫多项式的系数作为参数求解模型的输入。这不仅需要进行复杂的特征提取,而且也会因为压力导数数据的细微变化被损失,导致径向复合油藏的参数解释精度降低。
申请人经过大量的技术改进,在本申请中,利用径向复合油藏的双对数曲线及对应的油藏参数的真实值训练参数求解模型,以及在完成模型训练后,将待解释的径向复合油藏的双对数曲线作为参数求解模型的输入,由参数求解模型对油藏参数进行预测。与上述的方案相比,本申请无需进行复杂的特征提取,使得整个参数解释的过程更加快速,而且解释出的参数具有较高的精度。
本申请公开的径向复合油藏的参数解释方法,根据待解释的径向复合油藏的压力数据生成双对数曲线,之后将该双对数曲线作为预先完成训练的参数求解模型的输入,由参数求解模型对输入的数据进行运算,得到径向复合油藏的油藏参数的预测值,之后根据径向复合油藏的油藏参数的预测值,就可以计算出该径向复合油藏的井筒参数和储层参数,从而快速、准确、自动完成径向复合油藏的参数解释。
下面对上述实施例中所使用的参数求解模型的训练过程进行说明。
请参见图3,图3为本申请公开的参数求解模型的训练方法的流程图。该方法包括:
步骤S301:获得多个训练样本,每个训练样本包括一个径向复合油藏的双对数曲线和油藏参数的真实值。
其中,每个径向复合油藏的双对数曲线是根据该径向复合油藏的压力数据生成。
步骤S302:利用预先构建的参数求解模型分别分析多个径向复合油藏的双对数曲线,得到每个径向复合油藏的油藏参数的预测值。
实施中,需要根据多个径向复合油藏的双对数曲线分别生成N*N的矩阵,将矩阵作为参数求解模型的输入。根据径向复合油藏的双对数曲线生成矩阵的具体方案,可以参见前文中的描述,这里不再赘述。
需要说明的是,参数求解模型输出的是:油藏参数的预测值以10为底的对数。
步骤S303:依据多个径向复合油藏的油藏参数的真实值和预测值,调整参数求解模型的模型参数,直至调整后的参数求解模型满足预设收敛条件。
预先构建的参数求解模型的初始模型参数均为自定义数值,训练参数求解模型的过程就是优化模型参数,以使得参数求解模型逐渐收敛,且预测结果的准确率逐渐提高的过程。
在一种可能的实现方式中,预设收敛条件为:参数求解模型的损失函数的值小于预设值。在另一种可能的实现方式中,预设收敛条件为:参数求解模型的损失函数的值不再减小。
在一种可能的实现方式中,参数求解模型的损失函数为:多个径向复合油藏的油藏参数的真实值和预测值的和方差。
具体的:
在一种可能的实现方式中,参数求解模型的损失函数为:多个径向复合油藏的油藏参数的真实值和预测值的均方误差。
具体的:
在另一种可能的实现方式中,参数求解模型的损失函数为:多个径向复合油藏的油藏参数的真实值和预测值的均方根误差。
具体的:
在上述3个公式中,SSE为和方差,MSE为均方误差,RMSE为均方根误差,N为训练样本的数量,d1(t)为参数求解模型输出的lg(M)的预测值,y1(t)为lg(M)的真实值,d2(t)为参数求解模型输出的lg(F)的预测值,y2(t)为lg(F)的真实值,d3(t)为参数求解模型输出的lg(R)的预测值,y3(t)为lg(R)的真实值,d4(t)为参数求解模型输出的lg(CDe2S)的预测值,y4(t)为lg(CDe2S)的真实值。
本申请图3所示的参数求解模型的训练方法,首先,获得多个训练样本,每个训练样本包括一个径向复合油藏的双对数曲线和油藏参数的真实值,之后,参数求解模型基于多个训练样本进行训练,当满足预设的收敛条件时,表示参数求解模型对多个训练样本分析得到的油藏参数的预测值与真实值之间的偏差足够小,完成参数求解模型的训练过程,完成训练的参数求解模型能够对待解释径向复合油藏的油藏参数进行准确的预测,从而准确解释径向复合油藏的井筒参数和储层参数。
在一种可选的实现方式中,本申请中的参数求解模型采用深度神经网络(DNN)或者循环神经网络(RNN)。
在一种优选的实现方式中,本申请中的参数求解模型采用卷积神经网络(CNN)。卷积神经网络具有强大的提取特征的能力和深层的网络结构,能够提高网络的学习能力和模型性能。与采用深度神经网络和循环神经网络的参数求解模型相比,采用卷积神经网络的参数求解模型,其参数解释速度更快,可大大提高参数解释的效率。
申请人利用某油田的2个现场实例资料,基于本申请公开的方法对其进行参数解释。表1为该油田的2个现场实例的基本参数。
表1
基于本申请公开的方法对2个现场实例进行参数解释,并根据解释出的井筒参数和储层参数构造压力变化曲线和压力导数曲线,由于这里的压力变化曲线和压力导数曲线是根据解释出的参数构造出来的,为了与实测的曲线进行区分,将其称为计算压力变化曲线和计算压力导数曲线。
图4-1为针对现场实例1生成的实测压力变化曲线、计算压力变化曲线、实测压力导数曲线和计算压力导数曲线的对比图,图4-2为针对现场实例2生成的实测压力变化曲线、计算压力变化曲线、实测压力导数曲线和计算压力导数曲线的对比图。
由图4-1和图4-2可知,对于无噪音或有轻微噪音的实测数据,本申请公开的方法能够正确解释出径向复合油藏的井筒参数和储层参数。这从实测压力变化曲线与计算压力变化曲线几乎重合,实测压力导数曲线与计算压力导数曲线几乎重合可以看出。这证明了本申请公开的方法具有很好的有效性。
本申请上述公开了径向复合油藏的参数解释方法,相应的,本申请还公开径向复合油藏的参数解释系统,说明书中关于两者的描述可以相互参考。
参见图5,图5为本申请公开的一种径向复合油藏的参数解释系统的结构示意图。该系统包括:压力数据获取单元10、曲线构建单元20、参数预测单元30和参数求解单元40。
其中:
压力数据获取单元10,用于获得径向复合油藏的压力数据。
曲线构建单元20,用于根据径向复合油藏的压力数据生成双对数曲线,其中,双对数曲线包括压力变化曲线和压力导数曲线。
参数预测单元30,调用预先完成训练的参数求解模型,将双对数曲线作为参数求解模型的输入,得到径向复合油藏的油藏参数的预测值。其中,径向复合油藏的油藏参数包括流度比、储容比、无量纲内区半径和无量纲参数CDe2s。
参数求解单元40,用于根据径向复合油藏的油藏参数的预测值确定该径向复合油藏的井筒参数和储层参数。
本申请公开的径向复合油藏的参数解释系统,根据待解释的径向复合油藏的压力数据生成双对数曲线,之后将该双对数曲线作为预先完成训练的参数求解模型的输入,由参数求解模型对输入的数据进行运算,得到径向复合油藏的油藏参数的预测值,之后根据径向复合油藏的油藏参数的预测值,就可以计算出该径向复合油藏的井筒参数和储层参数,从而快速、准确、自动完成径向复合油藏的参数解释。
在一个实施例中,在本申请图5所示径向复合油藏的参数解释系统的基础上,进一步设置参数模型训练单元。
参数求解模型训练单元用于:
获得多个训练样本,其中,每个训练样本包括一个径向复合油藏的双对数曲线和油藏参数的真实值;利用预先构建的参数求解模型分别对多个径向复合油藏的双对数曲线进行参数预测,得到每个径向复合油藏的油藏参数的预测值;依据多个径向复合油藏的油藏参数的真实值和预测值,调整参数求解模型的模型参数,直至调整后的参数求解模型满足预设收敛条件。
在一个可能的实现方式中,预设收敛条件为:参数求解模型的损失函数的值小于预设值。在另一种可能的实现方式中,预设收敛条件为:参数求解模型的损失函数的值不再减小。
在一个可能的实现方式中,参数求解模型的损失函数为:多个径向复合油藏的油藏参数的真实值和预测值的和方差。在另一个可能的实现方式中,参数求解模型的损失函数为:多个径向复合油藏的油藏参数的真实值和预测值的均方误差。在另一个可能的实现方式中,参数求解模型的损失函数为:多个径向复合油藏的油藏参数的真实值和预测值的均方根误差。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (8)
1.一种径向复合油藏的参数解释方法,其特征在于,包括:
获得径向复合油藏的压力数据;
根据所述径向复合油藏的压力数据生成双对数曲线,所述双对数曲线包括压力变化曲线和压力导数曲线;
调用预先完成训练的参数求解模型;其中,所述参数求解模型的训练过程,包括:获得多个训练样本,每个训练样本包括一个径向复合油藏的双对数曲线、以及对应的油藏参数的真实值;利用预先构建的参数求解模型分别分析多个径向复合油藏的双对数曲线,得到每个径向复合油藏的油藏参数的预测值;依据所述多个径向复合油藏的油藏参数的真实值和预测值,调整所述参数求解模型的模型参数,直至调整后的参数求解模型满足预设收敛条件;
将所述双对数曲线作为所述参数求解模型的输入,得到所述径向复合油藏的油藏参数的预测值,其中,所述径向复合油藏的油藏参数包括流度比、储容比、无量纲内区半径和无量纲参数CDe2s;其中,所述将所述双对数曲线作为所述参数求解模型的输入,包括:根据时间顺序,在所述压力变化曲线中选取N个时间点对应的压力数据,根据时间顺序,在所述压力导数曲线中选取N个时间点对应的压力导数数据;将所述N个时间点对应的压力数据分别作为矩阵的第1行至第N/2行,将所述N个时间点对应的压力导数数据分别作为矩阵的第(N/2+1)行至第N行;生成一个N*N的矩阵;或,将所述N个时间点对应的压力导数数据分别作为矩阵的第1行至第N/2行,将所述N个时间点对应的压力数据分别作为矩阵的第(N/2+1)行至第N行,生成一个N*N的矩阵;将所述矩阵作为所述参数求解模型的输入;
根据所述径向复合油藏的油藏参数的预测值确定所述径向复合油藏的井筒参数和储层参数。
2.根据权利要求1所述的方法,其特征在于,所述预设收敛条件为:
所述参数求解模型的损失函数的值小于预设值。
3.根据权利要求2所述的方法,其特征在于,所述参数求解模型的损失函数为:
所述多个径向复合油藏的油藏参数的真实值和预测值的均方差;或者,所述多个径向复合油藏的油藏参数的真实值和预测值的均方根误差。
4.根据权利要求1所述的方法,其特征在于,所述参数求解模型为卷积神经网络。
5.一种径向复合油藏的参数解释系统,其特征在于,包括:
压力数据获取单元,用于获得径向复合油藏的压力数据;
曲线构建单元,用于根据所述径向复合油藏的压力数据生成双对数曲线,所述双对数曲线包括压力变化曲线和压力导数曲线;
参数预测单元,调用预先完成训练的参数求解模型,将所述双对数曲线作为所述参数求解模型的输入,得到所述径向复合油藏的油藏参数的预测值,其中,所述径向复合油藏的油藏参数包括流度比、储容比、无量纲内区半径和无量纲参数CDe2s;其中,所述将所述双对数曲线作为所述参数求解模型的输入,包括:根据时间顺序,在所述压力变化曲线中选取N个时间点对应的压力数据,根据时间顺序,在所述压力导数曲线中选取N个时间点对应的压力导数数据;将所述N个时间点对应的压力数据分别作为矩阵的第1行至第N/2行,将所述N个时间点对应的压力导数数据分别作为矩阵的第(N/2+1)行至第N行;生成一个N*N的矩阵;或,将所述N个时间点对应的压力导数数据分别作为矩阵的第1行至第N/2行,将所述N个时间点对应的压力数据分别作为矩阵的第(N/2+1)行至第N行,生成一个N*N的矩阵;将所述矩阵作为所述参数求解模型的输入;
参数求解单元,用于根据所述径向复合油藏的油藏参数的预测值确定所述径向复合油藏的井筒参数和储层参数;
参数求解模型训练单元用于:获得多个训练样本,每个训练样本包括一个径向复合油藏的双对数曲线和油藏参数的真实值;利用预先构建的参数求解模型分别对多个径向复合油藏的双对数曲线进行参数预测,得到每个径向复合油藏的油藏参数的预测值;依据所述多个径向复合油藏的油藏参数的真实值和预测值,调整所述参数求解模型的模型参数,直至调整后的参数求解模型满足预设收敛条件。
6.根据权利要求5所述的系统,其特征在于,所述预设收敛条件为:所述参数求解模型的损失函数的值小于预设值。
7.根据权利要求6所述的系统,其特征在于,所述参数求解模型的损失函数为:所述多个径向复合油藏的油藏参数的真实值和预测值的均方差;或者,所述多个径向复合油藏的油藏参数的真实值和预测值的均方根误差。
8.根据权利要求5所述的系统,其特征在于,所述参数求解模型为卷积神经网络。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910824736.3A CN110486008B (zh) | 2019-09-02 | 2019-09-02 | 一种径向复合油藏的参数解释方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910824736.3A CN110486008B (zh) | 2019-09-02 | 2019-09-02 | 一种径向复合油藏的参数解释方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110486008A CN110486008A (zh) | 2019-11-22 |
CN110486008B true CN110486008B (zh) | 2023-11-03 |
Family
ID=68555492
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910824736.3A Active CN110486008B (zh) | 2019-09-02 | 2019-09-02 | 一种径向复合油藏的参数解释方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110486008B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110991641B (zh) * | 2019-12-17 | 2024-03-05 | 合肥鼎盛锦业科技有限公司 | 一种油藏类型分析方法、装置及电子设备 |
CN113361771B (zh) * | 2021-06-04 | 2023-04-18 | 合肥工业大学 | 确定储层压力的方法及装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102748007A (zh) * | 2012-07-25 | 2012-10-24 | 中国科学技术大学 | 一种试井分析方法及装置 |
CN103161435A (zh) * | 2013-03-13 | 2013-06-19 | 中国石油大学(北京) | 一种稠油热采直井试井解释方法 |
CN104895550A (zh) * | 2015-06-04 | 2015-09-09 | 中国石油集团川庆钻探工程有限公司长庆井下技术作业公司 | 一种致密气压裂水平井数值试井模型建立求解方法 |
CN105781262A (zh) * | 2014-12-16 | 2016-07-20 | 中国石油化工股份有限公司 | 一种产能试井方法 |
CN108804382A (zh) * | 2018-05-22 | 2018-11-13 | 合肥工业大学 | 一种参数自动反求方法和装置 |
CN109138974A (zh) * | 2017-06-19 | 2019-01-04 | 中国石油化工股份有限公司 | 一种缝洞型碳酸盐岩油藏离散数值试井分析方法及系统 |
CN110084435A (zh) * | 2019-05-07 | 2019-08-02 | 合肥工业大学 | 一种油气藏参数解释方法及系统 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7788037B2 (en) * | 2005-01-08 | 2010-08-31 | Halliburton Energy Services, Inc. | Method and system for determining formation properties based on fracture treatment |
US8087292B2 (en) * | 2008-04-30 | 2012-01-03 | Chevron U.S.A. Inc. | Method of miscible injection testing of oil wells and system thereof |
EP2948895B1 (en) * | 2013-01-25 | 2019-06-12 | Services Petroliers Schlumberger | Pressure transient testing with sensitivity analysis |
CA2955670A1 (en) * | 2014-08-26 | 2016-03-03 | Halliburton Energy Services, Inc. | Shape-based modeling of interactions between downhole drilling tools and rock formation |
CA3034511A1 (en) * | 2016-10-05 | 2018-04-12 | Halliburton Energy Services, Inc. | Rolling element assembly with a compliant retainer |
-
2019
- 2019-09-02 CN CN201910824736.3A patent/CN110486008B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102748007A (zh) * | 2012-07-25 | 2012-10-24 | 中国科学技术大学 | 一种试井分析方法及装置 |
CN103161435A (zh) * | 2013-03-13 | 2013-06-19 | 中国石油大学(北京) | 一种稠油热采直井试井解释方法 |
CN105781262A (zh) * | 2014-12-16 | 2016-07-20 | 中国石油化工股份有限公司 | 一种产能试井方法 |
CN104895550A (zh) * | 2015-06-04 | 2015-09-09 | 中国石油集团川庆钻探工程有限公司长庆井下技术作业公司 | 一种致密气压裂水平井数值试井模型建立求解方法 |
CN109138974A (zh) * | 2017-06-19 | 2019-01-04 | 中国石油化工股份有限公司 | 一种缝洞型碳酸盐岩油藏离散数值试井分析方法及系统 |
CN108804382A (zh) * | 2018-05-22 | 2018-11-13 | 合肥工业大学 | 一种参数自动反求方法和装置 |
CN110084435A (zh) * | 2019-05-07 | 2019-08-02 | 合肥工业大学 | 一种油气藏参数解释方法及系统 |
Non-Patent Citations (3)
Title |
---|
CO_2驱三区复合油藏水平井压力动态分析;姜瑞忠等;《油气地质与采收率》;20181125(第06期);全文 * |
姚军等.缝洞型碳酸盐岩油藏试井解释理论和方法.《缝洞型碳酸盐岩油藏试井解释理论和方法》.中国石油大学出版社,2007,第71页. * |
考虑非达西渗流的复合页岩气藏试井模型;王海涛等;《东北石油大学学报》;20180215(第01期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110486008A (zh) | 2019-11-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3397833B1 (en) | Machine learning for production prediction | |
US8504341B2 (en) | Methods, systems, and computer readable media for fast updating of oil and gas field production models with physical and proxy simulators | |
US11775858B2 (en) | Runtime parameter selection in simulations | |
US20070192072A1 (en) | Methods, systems, and computer-readable media for real-time oil and gas field production optimization using a proxy simulator | |
EP1984860A2 (en) | Methods, systems, and computer-readable media for fast updating of oil and gas field production models with physical and proxy simulators | |
CN108661631B (zh) | 一种产量预测方法 | |
CN110486008B (zh) | 一种径向复合油藏的参数解释方法及系统 | |
US20180052903A1 (en) | Transforming historical well production data for predictive modeling | |
CN112016212B (zh) | 一种基于渗流控制方程的储层纵向非均质性评价方法 | |
CN110486009B (zh) | 一种无限大地层的参数自动反求方法及系统 | |
CN115293197A (zh) | 一种基于长短期记忆网络的钻孔应变数据异常检测方法 | |
CN114638401A (zh) | 一种基于历史及预测油藏知识的剩余油分布预测方法及装置 | |
CN110991079B (zh) | 基于神经网络的油气藏参数解释方法、装置及电子设备 | |
CN112541256A (zh) | 基于深度学习降维重构的强非均质油藏历史拟合方法 | |
CN114004100B (zh) | 一种油藏辅助历史拟合和优化模拟方法 | |
CN111159904A (zh) | 一种用于地热资源量估算评价的方法 | |
CA3116482C (en) | Reservoir fluid property modeling using machine learning | |
CN114114414A (zh) | 一种页岩储层“甜点”信息人工智能预测方法 | |
CN115618987A (zh) | 生产井生产数据预测方法、装置、设备和存储介质 | |
CN108664678B (zh) | 一种产量预测方法 | |
CN116976146B (zh) | 耦合物理驱动和数据驱动的压裂井产量预测方法与系统 | |
Feder | Machine-learning approach determines spatial variation in shale decline curves | |
CN116911216B (zh) | 一种储层油井产能因素评估与预测方法 | |
US11972183B2 (en) | Reduced physics well production monitoring | |
CN117473847A (zh) | 地下储气库地层压力确定方法、系统、电子设备及存储介质 |
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 |