CN114004100A - 一种油藏辅助历史拟合和优化模拟方法 - Google Patents
一种油藏辅助历史拟合和优化模拟方法 Download PDFInfo
- Publication number
- CN114004100A CN114004100A CN202111309823.9A CN202111309823A CN114004100A CN 114004100 A CN114004100 A CN 114004100A CN 202111309823 A CN202111309823 A CN 202111309823A CN 114004100 A CN114004100 A CN 114004100A
- Authority
- CN
- China
- Prior art keywords
- parameters
- data
- reservoir
- model
- establishing
- 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
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000005457 optimization Methods 0.000 title claims abstract description 29
- 238000004088 simulation Methods 0.000 title claims abstract description 26
- 238000004519 manufacturing process Methods 0.000 claims abstract description 41
- 238000013076 uncertainty analysis Methods 0.000 claims abstract description 24
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 19
- 238000010206 sensitivity analysis Methods 0.000 claims abstract description 18
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 8
- 238000005070 sampling Methods 0.000 claims description 40
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000009826 distribution Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 claims description 3
- 230000003068 static effect Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000013178 mathematical model Methods 0.000 claims description 2
- 238000013433 optimization analysis Methods 0.000 description 4
- 230000035945 sensitivity Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000002347 injection Methods 0.000 description 2
- 239000007924 injection Substances 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- 238000012614 Monte-Carlo sampling Methods 0.000 description 1
- 241001415846 Procellariidae Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000009545 invasion Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4007—Scaling of whole images or parts thereof, e.g. expanding or contracting based on interpolation, e.g. bilinear interpolation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- 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)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Marine Sciences & Fisheries (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Mining & Mineral Resources (AREA)
- Strategic Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Animal Husbandry (AREA)
- Agronomy & Crop Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Tourism & Hospitality (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明提供了一种油藏辅助历史拟合和优化模拟方法，包括以下步骤：根据油藏地质资料、井数据等建立地质模型、属性模型和目标井模型；获取目标井的生产资料，如产油量、产气量、井底流压和含水率等常见历史拟合数据；根据获取的历史数据为生产井建立历史开发策略并建立对应油藏的基础数值模拟模型；建立历史拟合目标函数，计算数模结果与观察值之间的差值；建立敏感性分析，确定所有不确定性参数对目标函数的影响；不确定性分析，将敏感性分析结果中不敏感的参数去掉，剩下的参数应用到不确定性分析中；建立优化模型，利用进化策略算法寻找最优参数组合。
Description
技术领域
本发明涉及油藏数值模拟技术领域，尤其涉及一种油藏辅助历史拟合和优化模拟方法。
背景技术
油藏历史拟合是油藏数值模拟研究中一个相当复杂的工作，历史拟合的过程需要耗费大量人力和计算机资源，它常常占用了油藏数值模拟研究的大部分费用。油藏模型被建立起来以后，是否能完全反映油气藏实际需要经过历史拟合的检验。将生产和注入的历史数据输入模型并运行模拟器，计算的结果与油气藏的实际动态相符，才能确定模型中采用的油气藏描述是有效的。显然，模型的准确性直接影响到后期的生产预测、油气藏可采储量以及采收率的标定。
常规油藏历史拟合是一项比较耗费时间和精力的工作，需要不断调整模型参数、不断试错来拟合历史生产过程。需要注意的是，模型参数具有很强的不确定性，如构造不确定性、属性不确定性、流体属性不确定性和岩石不确定性，甚至不同时刻的生产数据也存在不确定性，可以说基本涵盖了数模模型各个方面的参数。多参数强不确定性极大地增加了油藏历史拟合的难度，亟需一种方法来提高历史拟合的效率，减少模型调整和运算的时间。
发明内容
为解决前述问题，本发明提出了一种油藏辅助历史拟合和优化模拟方法。该方法通过建立油藏地质模型，粗化测井曲线结合网格剖分技术进行插值建立油藏属性模型；获取生产井或者注入井的历史生产数据，建立历史生产策略和基本数模模型；建立目标函数，计算数模模型结果和观察值之间的差值；模型敏感性分析，确定目标函数敏感性参数；不确定性分析，剔除敏感性分析中不敏感参数；通过进化策略算法优化寻找最优参数组合，减少模型运行数量和时间。
为达到以上技术目的，本发明采用以下技术方案：
一种油藏辅助历史拟合和优化模拟方法，其特征在于，包括以下步骤：
S1：通过获取的地质资料和井数据等资料建立地质模型、储层属性模型和目标井模型；
S2：获取油藏目标区域目标井的生产资料，包括产油量、产气量、井底流压和含水率；
S3：根据S1建立的地质模型、储层属性模型、目标井模型和S2获取的目标井的生产资料，为目标井建立历史生产策略并建立对应油藏的数值模拟模型；
S4：定义历史拟合目标函数，函数类型选择历史拟合，并导入基础数值模拟模型，选择历史拟合的优化算法，计算数模结果与实际生产数据之间的差值；
S5：建立敏感性分析，将不确定的参数设置为变量，分别指定参数的基础数据、变化范围和参数的分布类型，设置取样数和取样方法，确定所有不确定性参数对于目标函数的影响，对目标函数影响很小的不确定性参数在后续的分析和历史拟合中会剔除；
S6：不确定性分析，根据S5敏感性分析结果，剔除其中不敏感的参数，将其设置为无效参数，将剩下的参数应用到不确定分析当中并设置参数的取样数和取样方法；
S7：在S6不确定性分析过程中，如果不确定性参数的取值范围合理，只要取样点数足够多，那么是可以找到拟合效果最好的参数组合，但是这样通常需要计算大量的模型。通过进化策略算法可以优化寻找最优参数组合，从而减少模型运行数量，缩短时间。
进一步的，所述步骤S1中地质资料应当包括地层分层数据、断层、测井曲线、测试资料、地震解释成果，井数据应当包括井头数据、井轨迹、套管、射孔数据。
进一步的，所述步骤S3中的数模计算结果与实际生产数据之间的差值满足历史拟合需求时，将不再进行后续步骤。
进一步的，所述步骤S4中定义历史拟合目标函数时，历史拟合方法采用RMS优化调度算法，RMS算法在所有静态的多任务调度算法中都可以完成调度，并且当任务集瞬间过载时，RMS也会严格按照优先级工作，可以分析出任务的丢失情况。
进一步的，所述步骤S5中的敏感性分析过程中，取样方法选择Equalspacingsampler等间距取样法，并且每个参数取样时其他参数保持基础值不变，取样数不宜过多，一般控制在每个参数取5个值左右。
进一步的，所述步骤S6中的不确定性分析过程中，在S5敏感性分析以后剔除不敏感参数，取样方法选择Monte-Carlo sampler法，参数的取值不再是单一参数变其他参数不变，而是所有参数都在各自的取值范围内取值，取样数一般控制在10个左右，不宜过多，从而进行不确定性分析。
进一步的，所述步骤S6中当不确定性分析结果不满足历史拟合要求时，不进入S7优化步骤，重新返回步骤S5重新进行敏感性分析。
本发明所提供的一种油藏辅助历史拟合和优化模拟方法，通过建立目标函数、敏感性分析、不确定性分析和优化流程，减少了常规历史拟合不断试错的难度。本发明一次性可以考虑多个拟合参数的影响，并可以指定参数的变化范围，并从中采取不同的取样方法，一次性生成大量的模型，大大提高历史拟合效率，减少模型调整时间。
有益效果：
与现有技术相比，本发明具有以下有益效果：
通过建立目标函数、敏感性分析、不确定性分析和优化流程，减少了常规历史拟合不断试错的难度。本发明一次性可以考虑多个拟合参数的影响，并可以指定参数的变化范围，并从中采取不同的取样方法，一次性生成大量的模型，大大提高历史拟合效率，减少模型调整时间。
附图说明
图1为历史拟合地质模型图；
图2为一个具体实施例X油藏PROD2井优化分析井底流压历史拟合图；
图3为一个具体实施例X油藏PROD2井优化分析产气量历史拟合图；
图4为一个具体实施例X油藏PROD2井优化分析产油量历史拟合图；
图5为一个具体实施例X油藏PROD2井优化分析含水率历史拟合图。
具体实施方式
为使本发明实施方式的目的、技术方案和优点更加清楚，下面将结合本发明实施方式中的附图，对本发明实施方式中的技术方案进行清楚、完整地描述。显然，所描述的实施方式是本发明一部分实施方式，而不是全部的实施方式。因此，以下对在附图中提供的本发明的实施方式的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施方式。基于本发明中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。
实施例：
本发明的各个步骤都可以通过斯伦贝谢公司的Petrel地质工程一体化软件进行。本发明提供了一种油藏辅助历史拟合和优化模拟方法，包括下列步骤：
S1：通过获取的地质资料和井数据等资料建立地质模型、储层属性模型和目标井模型，主要包括如下具体步骤：
S11：通过地质资料，包括地层分层数据、断层、测井曲线、测试资料、地震解释成果，建立地质构造模型(图1)，粗化测井曲线并通过插值算法，进行地质网格属性赋值，建立储层属性模型；
S12：根据S11建立的模型，通过收集目标井的井头、井轨迹、套管、和射孔数据，建立生产井模型；
S2：获取油藏目标区域目标井的生产资料，包括产油量、产气量、井底流压和含水率，并换算成软件可以识别的单位的历史数据；
S3：根据S1建立的地质模型、储层属性模型、目标井模型和S2获取的目标井的生产资料，为目标井建立历史生产策略：Development strategy生产策略；选择历史拟合，导入生产井和历史生产资料，选择生产控制模式为Reservoir volume并建立对应油藏的基础数值模拟模型；
S4：定义历史拟合目标函数，函数类型选择历史拟合，并导入基础数值模拟模型和历史观测数据，选择需要拟合的的变量，选择历史拟合的算法为RMS优化调度算法，RMS算法在所有静态的多任务调度算法中都可以完成调度，并且当任务集瞬间过载时，RMS也会严格按照优先级工作，可以分析出任务的丢失情况，计算数模结果与观察值之间的差值；
S5：建立敏感性分析，将不确定的参数设置为变量(格式为＄加上参数字符串)，分别指定参数的基础数据、变化范围和参数的分布类型，在本实例中不确定性参数包括断层1和断层2的传导率TM1和TM2、水体的体积VOL和水侵指数PI，临界含水饱和度SWCR。取样方法选取为Equal spacing sampler等间距取样，某个参数取不同值时，其他参数保持基础值不变。当然，取样方法并不局限于这一种方法，专业技术人员也可以根据自身需求选取不同的取样方法，此取样方法仅针对本实例而言。每个参数取样值为5，一共产生25个模型，确定所有不确定性参数对于目标函数的影响，对目标函数影响很小的不确定性参数在后续的分析和历史拟合中会剔除，设置的参数敏感性取样如表1所示：
表1 敏感性分析参数取样
S6：不确定性分析，根据S5敏感性分析结果，＄TM2对目标函数不敏感，将分析中得到的不敏感参数设为Disable，表明不用于不确定性分析，其余参数设置为Uncertain，设置参数的取样数和取样方法，在本实例中参数的取样方法选择为Monte-Carlo sampler蒙特-卡洛取样法，参数的取值不再是单一参数变其他不变，而是所有参数都在各自的取值范围内取值，从而进行不确定性分析。当然，取样方法并不局限于这一种方法，专业技术人员也可以根据自身需求选取不同的取样方法，例如Center position sampler中心位置取样、CSV sampler取样、Box-Behnken sampler取样等，此取样方法仅针对本实例而言。为了减少模型的数量和运行时间，本实例中取样数选取为10，随机生成的不确定性参数取样如表2所示：
表2 随机不确定性参数取样
S7：在S6不确定性分析过程中，如果不确定性参数的取值范围合理，只要取样点数足够多，那么是可以找到拟合效果最好的参数组合，但是这样通常需要计算大量的模型。通过进化策略算法可以优化寻找最优参数的过程，从而减少模型运行数量，缩短时间。将S6中保留下来的参数控制类型更改为Control,优化器选择Evolution strategy，优化模式选择minimize，即减小模拟结果与观测值之间的插值。总模型数设置为15，进化策略算法中随机优化参数取样如表3所示：
表3 优化-进化策略算法参数取样
本实例中，S4目标函数计算的数模结果与观察值之间的差值不满足实际需求，S6不确定性分析参数组合在一定程度上满足历史拟合需求。在实际的辅助历史拟合的过程中，专业技术人员要根据实际拟合情况来判断是否需要返回S5和S6进行二次或者多次尝试。
辅助历史拟合和优化最优结果如图2至图5所示，不确定性分析和优化的最优结果参数组合如表4所示：
表4 不确定性分析和优化的最优结果
以上所述，并非对本发明作任何形式上的限制，虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明，任何熟悉本专业的技术人员，在不脱离本发明技术方案范围内，当可利用上述揭示的技术内容作出些许更动或修饰为等同变化的等效实施例，但凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属于本发明技术方案的范围内。
Claims (7)
1.一种油藏辅助历史拟合和优化模拟方法，其特征在于，包括以下步骤：
S1：通过获取的地质资料和井数据等资料建立地质模型、储层属性模型和目标井模型；
S2：获取油藏目标区域目标井的生产资料，包括产油量、产气量、井底流压和含水率；
S3：根据S1建立的地质模型、储层属性模型、目标井模型和S2获取的目标井的生产资料，为目标井建立历史生产策略并建立对应油藏的数值模拟模型；
S4：定义历史拟合目标函数，函数类型选择历史拟合，并导入基础数值模拟模型，选择历史拟合的优化算法，计算数模结果与实际生产数据之间的差值；
S5：建立敏感性分析，将不确定的参数设置为变量，分别指定参数的基础数据、变化范围和参数的分布类型，设置取样数和取样方法，确定所有不确定性参数对于目标函数的影响，对目标函数影响很小的不确定性参数在后续的分析和历史拟合中会剔除；
S6：不确定性分析，根据S5敏感性分析结果，剔除其中不敏感的参数，将其设置为无效参数，将剩下的参数应用到不确定分析当中并设置参数的取样数和取样方法；
S7：在S6不确定性分析过程中，如果不确定性参数的取值范围合理，只要取样点数足够多，那么是可以找到拟合效果最好的参数组合，但是这样通常需要计算大量的模型。通过进化策略算法可以优化寻找最优参数组合，从而减少模型运行数量，缩短时间。
2.如权利要求1中所述的一种油藏辅助历史拟合和优化模拟方法，其特征在于，所述步骤S1中地质资料应当包括地层分层数据、断层、测井曲线、测试资料、地震解释成果，井数据应当包括井头数据、井轨迹、套管、射孔数据。
3.如权利要求1中所述的一种油藏辅助历史拟合和优化模拟方法，其特征在于，所述步骤S3中的数模计算结果与实际生产数据之间的差值满足历史拟合需求时，将不再进行后续步骤。
4.如权利要求1中所述的一种油藏辅助历史拟合和优化模拟方法，其特征在于，所述步骤S4中定义历史拟合目标函数时，历史拟合方法采用RMS优化调度算法，RMS算法在所有静态的多任务调度算法中都可以完成调度，并且当任务集瞬间过载时，RMS也会严格按照优先级工作，可以分析出任务的丢失情况。
5.如权利要求1中所述的一种油藏辅助历史拟合和优化模拟方法，其特征在于，所述步骤S5中的敏感性分析过程中，取样方法选择Equal spacing sampler等间距取样法，并且每个参数取样时其他参数保持基础值不变，取样数不宜过多，一般控制在每个参数取5个值左右。
6.如权利要求1中所述的一种油藏辅助历史拟合和优化模拟方法，其特征在于，所述步骤S6中的不确定性分析过程中，在S5敏感性分析以后剔除不敏感参数，取样方法选择Monte-Carlo sampler法，参数的取值不再是单一参数变其他参数不变，而是所有参数都在各自的取值范围内取值，取样数一般控制在10个左右，不宜过多，从而进行不确定性分析。
7.如权利要求1中所述的一种油藏辅助历史拟合和优化模拟方法，其特征在于，所述步骤S6中当不确定性分析结果不满足历史拟合要求时，不进入S7优化步骤，重新返回步骤S5重新进行敏感性分析。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111309823.9A CN114004100B (zh) | 2021-11-07 | 2021-11-07 | 一种油藏辅助历史拟合和优化模拟方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111309823.9A CN114004100B (zh) | 2021-11-07 | 2021-11-07 | 一种油藏辅助历史拟合和优化模拟方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114004100A true CN114004100A (zh) | 2022-02-01 |
| CN114004100B CN114004100B (zh) | 2022-08-23 |
Family
ID=79927876
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111309823.9A Active CN114004100B (zh) | 2021-11-07 | 2021-11-07 | 一种油藏辅助历史拟合和优化模拟方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114004100B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115481577A (zh) * | 2022-11-08 | 2022-12-16 | 中科数智能源科技(深圳)有限公司 | 一种基于随机森林和遗传算法的油藏自动历史拟合方法 |
| CN116359013A (zh) * | 2023-03-31 | 2023-06-30 | 长江水利委员会长江科学院 | 基于多数据源分析的隧洞围岩力学参数取值方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104963657A (zh) * | 2015-05-27 | 2015-10-07 | 中国石油天然气股份有限公司 | 基于高含水期监测数据约束的油藏数值模拟方法及装置 |
| CN106150461A (zh) * | 2015-02-11 | 2016-11-23 | 中国石油化工股份有限公司 | 化学驱油藏数值模拟方法 |
| CN109902329A (zh) * | 2018-09-21 | 2019-06-18 | 长江大学 | 一种油藏模拟辅助历史拟合方法、系统、存储介质及设备 |
| CN113486556A (zh) * | 2021-07-08 | 2021-10-08 | 山东大学 | 一种改进的油气藏高效自动历史拟合方法 |
-
2021
- 2021-11-07 CN CN202111309823.9A patent/CN114004100B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106150461A (zh) * | 2015-02-11 | 2016-11-23 | 中国石油化工股份有限公司 | 化学驱油藏数值模拟方法 |
| CN104963657A (zh) * | 2015-05-27 | 2015-10-07 | 中国石油天然气股份有限公司 | 基于高含水期监测数据约束的油藏数值模拟方法及装置 |
| CN109902329A (zh) * | 2018-09-21 | 2019-06-18 | 长江大学 | 一种油藏模拟辅助历史拟合方法、系统、存储介质及设备 |
| CN113486556A (zh) * | 2021-07-08 | 2021-10-08 | 山东大学 | 一种改进的油气藏高效自动历史拟合方法 |
Non-Patent Citations (2)
| Title |
|---|
| 杨锡江: "数值模拟技术在油藏动态调控中的应用", 《山东化工》 * |
| 石石等: "油气藏开发阶段储层地质模型的建立及优选方法", 《辽宁工程技术大学学报(自然科学版)》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115481577A (zh) * | 2022-11-08 | 2022-12-16 | 中科数智能源科技(深圳)有限公司 | 一种基于随机森林和遗传算法的油藏自动历史拟合方法 |
| CN115481577B (zh) * | 2022-11-08 | 2023-04-25 | 中科数智能源科技(深圳)有限公司 | 一种基于随机森林和遗传算法的油藏自动历史拟合方法 |
| CN116359013A (zh) * | 2023-03-31 | 2023-06-30 | 长江水利委员会长江科学院 | 基于多数据源分析的隧洞围岩力学参数取值方法 |
| CN116359013B (zh) * | 2023-03-31 | 2024-08-02 | 长江水利委员会长江科学院 | 基于多数据源分析的隧洞围岩力学参数取值方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114004100B (zh) | 2022-08-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP1984860B1 (en) | Methods, systems, and computer-readable media for fast updating of oil and gas field production models with physical and proxy simulators | |
| CN114004100B (zh) | 一种油藏辅助历史拟合和优化模拟方法 | |
| CN110807557B (zh) | 一种基于bp神经网络的钻速预测方法和基于bp神经网络以及粒子群算法的钻速优化方法 | |
| EP1982046B1 (en) | Methods, systems, and computer-readable media for real-time oil and gas field production optimization using a proxy simulator | |
| 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 | |
| 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 | |
| CN115438823A (zh) | 一种井壁失稳机制分析与预测方法及系统 | |
| CN117571945A (zh) | 耦合时间序列预测模型与机理模型的地下水污染预测方法 | |
| CN115564136A (zh) | 一种地热历史拟合和产能预测方法 | |
| CN117574755B (zh) | 页岩储层井工厂水平井压裂参数分层多级优化方法 | |
| 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 | |
| CN116911216B (zh) | 一种储层油井产能因素评估与预测方法 | |
| NO20171058A1 (en) | Integrated a priori uncertainty parameter architecture in simulation model creation | |
| CN110486008B (zh) | 一种径向复合油藏的参数解释方法及系统 | |
| CN117172360A (zh) | 一种基于mlp和高效pso的钻井机械钻速优化方法、系统、设备及介质 | |
| NO20200978A1 (en) | Optimized methodology for automatic history matching of a petroleum reservoir model with ensemble kalman filter | |
| CN116644844A (zh) | 一种基于神经网络时间序列的地层压力预测方法 | |
| CN111751878A (zh) | 横波速度的预测方法和装置 | |
| CN114943060B (zh) | 基于深度学习与插值回归的页岩气总有机碳预测方法 | |
| CN110486009A (zh) | 一种无限大地层的参数自动反求方法及系统 | |
| CN114562236B (zh) | 一种基于集成学习模型的地质工程一体化井漏实时预警方法 | |
| CN111815769B (zh) | 逆冲推覆构造带构造的建模方法、计算设备及存储介质 | |
| CN116341393B (zh) | 一种自动非稳态试井解释方法、装置、设备及介质 | |
| CN117633658B (zh) | 岩石储层岩性识别方法及系统 | |
| CN118380073A (zh) | 基于元素录井数据和综合录井数据的地层可钻性预测方法 |
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 |