CN114151049B - 基于多参数分析的水井工况诊断方法 - Google Patents
基于多参数分析的水井工况诊断方法 Download PDFInfo
- Publication number
- CN114151049B CN114151049B CN202010829024.3A CN202010829024A CN114151049B CN 114151049 B CN114151049 B CN 114151049B CN 202010829024 A CN202010829024 A CN 202010829024A CN 114151049 B CN114151049 B CN 114151049B
- Authority
- CN
- China
- Prior art keywords
- water
- injection
- well
- working condition
- water injection
- 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
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000011527 multiparameter analysis Methods 0.000 title claims abstract description 18
- 238000003745 diagnosis Methods 0.000 title claims abstract description 16
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 130
- 238000002347 injection Methods 0.000 claims abstract description 116
- 239000007924 injection Substances 0.000 claims abstract description 116
- 238000010521 absorption reaction Methods 0.000 claims abstract description 38
- 238000011156 evaluation Methods 0.000 claims abstract description 17
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 8
- 238000004458 analytical method Methods 0.000 claims abstract description 5
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000015572 biosynthetic process Effects 0.000 claims description 5
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 claims description 3
- 239000012530 fluid Substances 0.000 claims description 3
- 230000035699 permeability Effects 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 238000011160 research Methods 0.000 abstract description 3
- 238000000556 factor analysis Methods 0.000 abstract description 2
- 230000000694 effects Effects 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 238000007621 cluster analysis Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000009472 formulation Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000003068 static effect Effects 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
- E21B43/00—Methods or apparatus for obtaining oil, gas, water, soluble or meltable materials or a slurry of minerals from wells
- E21B43/16—Enhanced recovery methods for obtaining hydrocarbons
- E21B43/20—Displacing by water
-
- 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
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; 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
Abstract
本发明提供一种基于多参数分析的水井工况诊断方法,该基于多参数分析的水井工况诊断方法包括:步骤1、进行注水井工况影响因素分析,建立评价指标体系;步骤2、利用大数据聚类算法优选坐标体系;步骤3、在视吸水指数‑配注完成率坐标体系下通过支持向量分类器划分界限;步骤4、根据注水井工况类型建立动态宏观控制图版。该基于多参数分析的水井工况诊断方法通过开展工况影响因素分析及评价指标研究,采用大数据聚类分析,并用支持向量分类器划分边界,建立适应性强的水井动态宏观控制图版,提高注水井管理水平。
Description
技术领域
本发明涉及油田开发技术领域,特别是涉及到一种基于多参数分析的水井工况诊断方法。
背景技术
目前水驱油藏已进入高含水开发阶段,稳产难度大,提升水井管控水平是确保水驱油藏高产稳产的有效手段。随着信息化、智能化管理的不断发展,提升水井管控智能化水平迫在眉睫,行业内所用的水井工况诊断方法主要依据工况图版,但目前图版缺少地层工况类型特征及生产资料变化规律的对应关系,存在以下不足:
①图版区域人为划分,无有效数据支撑;
②指标不能表征地层实际吸水能力;
③图版不能反映历史数据变化趋势;
④图版反映静态工况不能实时更新。
因此,急需一种基于多参数分析的水井工况诊断方法,依据该方法建立科学合理、适用性强、能够提高注水井管理和分析水平的生产动态宏观控制图,为注水井生产调整和措施决策提供依据。
经检索,《内蒙古石油化工》(2012年第17期)期刊上发表的《注水井工况评价图版制作与工况评价方法研究》一文中,所建立的注水井工况评价图版是以注入层的实际注水量与配注水量的比值为横坐标,井口的注入压力为纵坐标,将图版分为工况合格区、余压欠注区、攻欠增注区和超注区四个区域,由注水井的实际注水量与配注水量的比值和注水压力确定在图版中标注位置,根据其在图版中的区域位置,评价注水井工况,以各区域注水井的数量评价一个单位的注水井管理水平。该文献的图版区域为人为划分,注入压力-配注完成率坐标体系无法准确划分注水工况,对现场生产管理无实际指导意义,没有针对单元储层特性进行针对性较强的区域图版划分,同时无法根据实际注水工况实现注水参数及图版边界动态更新。
为此我们发明了一种新的基于多参数分析的水井工况诊断方法,解决了以上技术问题。
发明内容
本发明的目的是提供一种建立适应性强的水井动态宏观控制图版,提高注水井管理水平的基于多参数分析的水井工况诊断方法。
本发明的目的可通过如下技术措施来实现:基于多参数分析的水井工况诊断方法,该基于多参数分析的水井工况诊断方法包括:步骤1、进行注水井工况影响因素分析,建立评价指标体系;步骤2、利用大数据聚类算法优选坐标体系;步骤3、在视吸水指数-配注完成率坐标体系下通过支持向量分类器划分界限;步骤4、根据注水井工况类型建立动态宏观控制图版。
本发明的目的还可通过如下技术措施来实现:
在步骤1中,分别从笼统即所有井次数据、横向即某一日期下的所有井口数据、纵向即选定目标注水井的井史数据这多个维度进行数据分析,找寻数据规律,确定通过吸水指数及表皮系数量化吸水能力。
在步骤1中,吸水指数是指注单位注水压差下的日注水量,m3/(d·MPa),用来分析注水井工作状况及油层吸水能力的变化,计算公式为:
其中,Iw——吸水指数,m3/(d·MPa);
qiw——日注水量,m3/d;
pwf——井底有效注水压力,MPa;
pws——地层压力,MPa。
在步骤1中,表皮系数S反映油水井因各项井下施工措施造成油层流体渗流阻力增加而引起的油层损害的程度,计算公式为:
其中,Kw——注水层段水相平均渗透率,μm2;
h——层段有效厚度,m;
uw——注入水粘度,mPa·s;
Bw——注入水体积系数,无量纲;
pwf——层段有效井底注水压力,MPa;
rw——井眼半径,m;
re——供给半径,m;
q——注水层段吸水量,m3/d;
ps——层段地层平均压力,MPa。
在步骤2中,利用单元历史数据对表征注水井工况参数进行聚类分析评价,优选科学合理的坐标体系。
在步骤2中,运用均值聚类算法将目标视吸水指数、配注完成率值聚类,所述的聚类步骤如下:
①n个样本中随机挑选k个样本,每个样本代表一个簇;
②计算剩余各样本到各个簇的欧式距离其中(x1,y1)、(x2,y2)分别为指定样本与相应簇的坐标,将它们分配到最相近的簇中,并计算新簇均值;
③使用新的均值作为新簇的中心,再重新分配所有样本,计算簇均值;
④重复第二步和第三步,直到分配稳定,形成最终的k个类。
在步骤2中,采用视吸水指数-配注完成率坐标体系聚3类后固定类别标签,更换坐标组合,在同样三种坐标组合下各类别相互界限清晰,因此,视吸水指数-配注完成率坐标体系聚3类较合理。
在步骤3中,在视吸水指数-配注完成率坐标体系中利用支持向量分类器划分边界,建立宏观控制图版,将注水工况细分为以下五个区:
①正常区,其压力正常,完成配注;
②欠注区,其压力正常,小于配注80%;
③待改造区,其压力异常高,小于配注80%;
④超注区,其压力正常,大于配注120%;
⑤待落实区,其数据异常。
在步骤3中,在视吸水指数-配注完成率坐标体系中利用支持向量分类器划分边界,建立宏观控制图版;支持向量分类器的决策边界是对学习样本求解的最大边距超平面,设给定n个线性可分的训练样本(x1,y1),(x2,y2),...,(xn,yn),其中,xi∈Rd,yi∈{-1,+1},i=1,2,…,n;假设当xi属于正类时,yi=+1;当xi属于负类时,yi=-1;必然存在某个超平面
wTx+b=0 (3)
将两类样本完全分开,使两类点距该边界距离达到最大;其中,w∈Rd称为分类超平面的法向量,b∈R称为阈值。
在步骤4中,在注水井宏观控制图版的基础上实现手动更新或半年自动更新3年以内数据,建立科学合理的宏观控制动态图版。
本发明中的基于多参数分析的水井工况诊断方法,在注水井工况分析的基础上,形成了基于多参数分析的水井工况诊断方法,通过开展工况影响因素分析及评价指标研究,采用大数据聚类分析,并用支持向量分类器划分边界,建立适应性强的水井动态宏观控制图版,提高注水井管理水平。
与现有技术相比,本发明的基于多参数分析的水井工况诊断方法,通过注水井指标评价建立了合理的水井工况评价坐标体系,首次使用基于大数据的均值聚类算法,依据数据样本自身特征实现了对注水工况自动分区,应用支持向量算法得到工况区域的边界条件方程,形成一套基于多参数分析的水井工况诊断方法和流程,在此基础上绘制注水井宏观动态控制图版。图版可实现自动更新,每半年更新一次3年以内数据,也可手动更新;而且该图版适应广泛,可以导入任意单元注水数据,建立适应该单元的宏观控制图版。
附图说明
图1为本发明的基于多参数分析的水井工况诊断方法的一具体实施例的流程图;
图2为本发明的一具体实施例中建立的注水井宏观动态控制图版;
图3为本发明的一具体实施例中某区块2019年1月与2019年10月宏观动态控制图版;
图4为本发明的一具体实施例中某井2019年1月至2019年7月工况变化跟踪图版。
具体实施方式
下面结合实施例对本发明作进一步的说明。然而,本发明的范围并不限于下述实施例。本领域的专业技术人员能够理解,在不背离本发明的精神和范围的前提下,可以对本发明进行各种变化和修饰。
下述实施例中所涉及的实验方法,检测方法等,若无特别说明,均为现有技术中已有的常规实验方法,检测方法等。
如图1所示,图1为本发明的基于多参数分析的水井工况诊断方法的流程图,该基于多参数分析的水井工况诊断方法包括以下步骤:
步骤101、分别从笼统即所有井次数据、横向即某一日期下的所有井口数据、纵向即选定目标注水井的井史数据等多个维度进行数据分析,找寻数据规律,确定通过吸水指数及表皮系数量化吸水能力。
吸水指数是指注单位注水压差下的日注水量,m3/(d·MPa),用来分析注水井工作状况及油层吸水能力的变化,计算公式为:
其中,Iw——吸水指数,m3/(d·MPa);
qiw——日注水量,m3/d;
pwf——井底有效注水压力,MPa;
pws——地层压力,MPa。
表皮系数S反映了油水井因各项井下施工措施造成油层流体渗流阻力增加而引起的油层损害的程度,计算公式为:
其中,Kw——注水层段水相平均渗透率,μm2;
h——层段有效厚度,m;
uw——注入水粘度,mPa·s;
Bw——注入水体积系数,无量纲;
pwf——层段有效井底注水压力,MPa;
rw——井眼半径,m;
re——供给半径,m;
q——注水层段吸水量,m3/d;
ps——层段地层平均压力,MPa。
步骤102、利用单元历史数据对表征注水井工况参数进行聚类分析评价,优选视吸水指数-配注完成率坐标体系。
运用均值聚类算法将目标视吸水指数、配注完成率值聚类,所述的聚类步骤如下:
①n个样本中随机挑选k个样本,每个样本代表一个簇;
②计算剩余各样本到各个簇的欧式距离其中(x1,y1)、(x2,y2)分别为指定样本与相应簇的坐标,将它们分配到最相近的簇中,并计算新簇均值;
③使用新的均值作为新簇的中心,再重新分配所有样本,计算簇均值;
④重复第二步和第三步,直到分配稳定,形成最终的k个类。
采用视吸水指数-配注完成率坐标体系聚3类后固定类别标签,更换坐标组合,在同样三种坐标组合下各类别相互界限清晰,因此,视吸水指数-配注完成率坐标体系聚3类较合理。
步骤103、在视吸水指数-配注完成率坐标体系中利用支持向量分类器划分边界,建立宏观控制图版。
支持向量分类器的决策边界是对学习样本求解的最大边距超平面,设给定n个线性可分的训练样本(x1,y1),(x2,y2),...,(xn,yn),其中,xi∈Rd,yi∈{-1,+1},i=1,2,…,n。假设当xi属于正类时,yi=+1;当xi属于负类时,yi=-1。必然存在某个超平面
wTx+b=0 (3)
将两类样本完全分开,使两类点距该边界距离达到最大。其中,w∈Rd称为分类超平面的法向量,b∈R称为阈值,将注水工况细分为以下五个区:
①正常区,其压力正常,完成配注;
②欠注区,其压力正常,小于配注80%;
③待改造区,其压力异常高,小于配注80%;
④超注区,其压力正常,大于配注120%;
⑤待落实区,其数据异常。
步骤104、在注水井宏观控制图版的基础上实现手动更新或半年自动更新3年以内数据,建立科学合理的宏观控制动态图版(如图2所示)。
本发明可实现自动更新数据,建立动态宏观控制图版。导入指定单元批量数据可实现根据注水工况评价单元注水效果,选取特定单井历史数据可实现历史工况跟踪,为措施制定提供依据、评价措施效果。
以某低渗透区块为例,采用本发明的多参数分析工况诊断方法建立宏观动态控制图版,对比2019年1月(图3a)与2019年10月(图3b)不同时间段单元水井工况(如图3所示),根据工况评价单元注水效果,为措施制定提供依据;选取该区块内某井2019年1月至2019年3月历史数据,该井处于工况待改造区,2019年3月实施增注措施后,工况由待改造区进入正常区(如图4所示),为措施效果评价提供客观依据。
依据本方法建立的宏观动态控制图版,可准确评价地层实际吸水能力,反映单元注水工况变化趋势,为措施制定提供有效的数据支撑。
给本领域技术人员提供上述实施例,以完全公开和描述如何实施和使用所主张的实施方法,而不是用于限制本文公开的范围。对于本领域技术人员而言显而易见的修饰将在所附权利要求的范围内。
Claims (1)
1.基于多参数分析的水井工况诊断方法,其特征在于,该基于多参数分析的水井工况诊断方法包括:
步骤1、进行注水井工况影响因素分析,建立评价指标体系;
步骤2、利用大数据聚类算法确定坐标体系;
步骤3、在视吸水指数-配注完成率坐标体系下通过支持向量分类器划分界限;
步骤4、根据注水井工况类型建立动态宏观控制图版;
在步骤1中,分别从笼统即所有井次数据、横向即某一日期下的所有井口数据、纵向即选定目标注水井的井史数据这多个维度进行数据分析,找寻数据规律,确定通过吸水指数及表皮系数量化吸水能力;
吸水指数是指注单位注水压差下的日注水量,m3/(d·MPa),用来分析注水井工作状况及油层吸水能力的变化,计算公式为:
其中,Iw——吸水指数,m3/(d·MPa);
qiw——日注水量,m3/d;
pwf——井底有效注水压力,MPa;
pws——地层压力,MPa;
表皮系数S反映油水井因各项井下施工措施造成油层流体渗流阻力增加而引起的油层损害的程度,计算公式为:
其中,Kw——注水层段水相平均渗透率,μm2;
h——层段有效厚度,m;
uw——注入水粘度,mPa·s;
Bw——注入水体积系数,无量纲;
pwf——层段有效井底注水压力,MPa;
rw——井眼半径,m;
re——供给半径,m;
q——注水层段吸水量,m3/d;
ps——层段地层平均压力,MPa;
在步骤2中,利用单元历史数据对表征注水井工况参数进行聚类分析评价,确定科学合理的坐标体系;
运用均值聚类算法将目标视吸水指数、配注完成率值聚类,所述的聚类步骤如下:
①n个样本中随机挑选k个样本,每个样本代表一个簇;
②计算剩余各样本到各个簇的欧式距离其中(x1,y1)、(x2,y2)分别为指定样本与相应簇的坐标,将它们分配到最相近的簇中,并计算新簇均值;
③使用新的均值作为新簇的中心,再重新分配所有样本,计算簇均值;
④重复第二步和第三步,直到分配稳定,形成最终的k个类;
采用视吸水指数-配注完成率坐标体系聚3类后固定类别标签,更换坐标组合,在同样三种坐标组合下各类别相互界限清晰,因此,视吸水指数-配注完成率坐标体系聚3类较合理;
在步骤3中,在视吸水指数-配注完成率坐标体系中利用支持向量分类器划分边界,建立宏观控制图版,将注水工况细分为以下五个区:
①正常区,其压力正常,完成配注;
②欠注区,其压力正常,小于配注80%;
③待改造区,其压力异常高,小于配注80%;
④超注区,其压力正常,大于配注120%;
⑤待落实区,其数据异常;
在视吸水指数-配注完成率坐标体系中利用支持向量分类器划分边界,建立宏观控制图版;支持向量分类器的决策边界是对学习样本求解的最大边距超平面,设给定n个线性可分的训练样本(x1,y1),(x2,y2),...,(xn,yn)其中,xi∈Rd,yi∈{-1,+1},i=1,2,…,n;假设当xi属于正类时,yi=+1;当xi属于负类时,yi=-1;必然存在某个超平面
UTx+b=0 (3)
将两类样本完全分开,使两类点距该边界距离达到最大;其中,w∈Rd称为分类超平面的法向量,b∈R称为阈值;
在步骤4中,在注水井宏观控制图版的基础上实现手动更新或半年自动更新3年以内数据,建立科学合理的宏观控制动态图版。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010829024.3A CN114151049B (zh) | 2020-08-18 | 2020-08-18 | 基于多参数分析的水井工况诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010829024.3A CN114151049B (zh) | 2020-08-18 | 2020-08-18 | 基于多参数分析的水井工况诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114151049A CN114151049A (zh) | 2022-03-08 |
CN114151049B true CN114151049B (zh) | 2023-11-28 |
Family
ID=80460451
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010829024.3A Active CN114151049B (zh) | 2020-08-18 | 2020-08-18 | 基于多参数分析的水井工况诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114151049B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103225499A (zh) * | 2013-04-12 | 2013-07-31 | 中国石油天然气股份有限公司 | 一种油田注水井工况分析系统及其方法 |
CN103510940A (zh) * | 2013-09-27 | 2014-01-15 | 中国石油天然气股份有限公司 | 机械采油井工况综合诊断分析方法及装置 |
RU2522579C1 (ru) * | 2013-04-16 | 2014-07-20 | федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "Пермский национальный исследовательский политехнический университет" | Способ комплексной оценки состояния призабойной зоны пласта |
CN106948806A (zh) * | 2017-03-03 | 2017-07-14 | 中国石油化工股份有限公司胜利油田分公司胜利采油厂 | 一种按照主控因素分类建立宏观控制图的方法 |
CN108691524A (zh) * | 2017-04-05 | 2018-10-23 | 中国石油化工股份有限公司 | 注水井井压动态监测、解析和酸化效果预估方法 |
CN109002574A (zh) * | 2018-06-06 | 2018-12-14 | 西安石油大学 | 一种多层油藏脉冲周期注水开发指标预测方法 |
CN109236273A (zh) * | 2018-09-26 | 2019-01-18 | 西南石油大学 | 油田开发生产动态数据处理方法 |
CN109736795A (zh) * | 2019-01-25 | 2019-05-10 | 中国石油天然气股份有限公司 | 一种判断油藏性质变化的方法 |
CN111042779A (zh) * | 2019-11-26 | 2020-04-21 | 大庆油田有限责任公司 | 一种基于地面示功图计算视吸水指数的方法 |
CN111140220A (zh) * | 2019-11-15 | 2020-05-12 | 大庆油田有限责任公司 | 弱碱三元复合驱采出井结垢状况判别方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2008290584B2 (en) * | 2007-08-17 | 2011-09-15 | Shell Internationale Research Maatschappij B.V. | Method for virtual metering of injection wells and allocation and control of multi-zonal injection wells |
-
2020
- 2020-08-18 CN CN202010829024.3A patent/CN114151049B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103225499A (zh) * | 2013-04-12 | 2013-07-31 | 中国石油天然气股份有限公司 | 一种油田注水井工况分析系统及其方法 |
RU2522579C1 (ru) * | 2013-04-16 | 2014-07-20 | федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "Пермский национальный исследовательский политехнический университет" | Способ комплексной оценки состояния призабойной зоны пласта |
CN103510940A (zh) * | 2013-09-27 | 2014-01-15 | 中国石油天然气股份有限公司 | 机械采油井工况综合诊断分析方法及装置 |
CN106948806A (zh) * | 2017-03-03 | 2017-07-14 | 中国石油化工股份有限公司胜利油田分公司胜利采油厂 | 一种按照主控因素分类建立宏观控制图的方法 |
CN108691524A (zh) * | 2017-04-05 | 2018-10-23 | 中国石油化工股份有限公司 | 注水井井压动态监测、解析和酸化效果预估方法 |
CN109002574A (zh) * | 2018-06-06 | 2018-12-14 | 西安石油大学 | 一种多层油藏脉冲周期注水开发指标预测方法 |
CN109236273A (zh) * | 2018-09-26 | 2019-01-18 | 西南石油大学 | 油田开发生产动态数据处理方法 |
CN109736795A (zh) * | 2019-01-25 | 2019-05-10 | 中国石油天然气股份有限公司 | 一种判断油藏性质变化的方法 |
CN111140220A (zh) * | 2019-11-15 | 2020-05-12 | 大庆油田有限责任公司 | 弱碱三元复合驱采出井结垢状况判别方法 |
CN111042779A (zh) * | 2019-11-26 | 2020-04-21 | 大庆油田有限责任公司 | 一种基于地面示功图计算视吸水指数的方法 |
Non-Patent Citations (1)
Title |
---|
注水井实时分析优化系统的研究及应用;陈世琳;兰为民;王辉;王伟;李强;;中国石油和化工(第09期);第64-66页 * |
Also Published As
Publication number | Publication date |
---|---|
CN114151049A (zh) | 2022-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wei et al. | Predicting injection profiles using ANFIS | |
DE112021001581T5 (de) | Ausfallfrühwarn-Analyseverfahren für Regelungen des Betriebs für Stausee unter dem Einfluss des Klimawandels | |
Dikbas et al. | Classification of precipitation series using fuzzy cluster method | |
CN109255134B (zh) | 一种抽油机井故障情况的获取方法 | |
Malekinezhad et al. | Regionalization approach for extreme flood analysis using L-moments | |
CN104679860B (zh) | 一种不平衡数据的分类方法 | |
CN104807589B (zh) | 一种集输-立管系统内气液两相流流型的在线识别方法 | |
CN106803010A (zh) | 用于低渗透储层定量评价的模糊灰色综合评判方法和装置 | |
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 | |
Huang et al. | Research on urban modern architectural art based on artificial intelligence and GIS image recognition system | |
CN104634265A (zh) | 一种基于多元图像特征融合的矿物浮选泡沫层厚度软测量方法 | |
CN114151049B (zh) | 基于多参数分析的水井工况诊断方法 | |
CN110163537A (zh) | 基于梯形云模型的水体富营养化评价方法 | |
Moutarde et al. | U* F clustering: a new performant" cluster-mining" method based on segmentation of Self-Organizing Maps | |
CN112733340A (zh) | 一种基于数据驱动储层改造候选井的选井方法及设备 | |
Surendra et al. | Application of Mamdani model-based fuzzy inference system in water consumption estimation using time series | |
Akstinas et al. | Spatial and temporal changes in hydrological regionalization of lowland Rivers | |
CN113269436B (zh) | 一种基于knn算法的河流幸福等级评估方法 | |
Arsene et al. | Consumer profiling using clustering methods for georeferenced decision support in a water distribution system | |
CN114372694A (zh) | 一种高校学生行为分析系统 | |
Feder | Machine-learning approach determines spatial variation in shale decline curves | |
Karim et al. | Fuzzy Clustering Analysis | |
Cheng et al. | Scale Buildup Detection and Characterization in Production Wells by Deep Learning Methods | |
Pansera et al. | Regionalization of monthly precipitation values in the state of Paraná (Brazil) by using multivariate clustering algorithms | |
Sahraei et al. | Daily discharge forecasting using least square support vector regression and regression tree |
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 |