简介:将改进的非线性技术(GA-SVM)应用于成矿预测,为成矿有利度预测方法提供一种新思路。在分析哈图矿集区成矿有利度基础上,选取28个学习样本、10个与成矿有关的地质变量,应用基于遗传算法(GA)寻优的支持向量机(SVM)方法,对成矿有利度进行建模,并与BP神经网络模型预测结果进行比较。结果表明,GA-SVM回归预测模型能很好地拟合成矿有利度与各地质变量间的非线性关系。样本数量有限时,GA-SVM比BP神经网络具较高的拟合精度,更适合非线性成矿预测工作,具较强的推广意义。
简介:布里坦尼亚(Britannia)凝析气田位于北海中部,大约蕴藏着4.3Tcf的湿气地质储量。该气田正在开发,采用了装配有36个井槽的单一采油、钻井和居住平台(安装在10井槽底盘上)以及约距平台15km的一个海底管汇中心。为了满足销售天然气的需要,当前正在这两个位置预先钻井。预计1998年10月初次产气。根据测井和岩芯数据,本文介绍了该气田井下产能概率估算方法的研究过程。这种方法取决于利用井下动态解析模型的一种决策树处理法,而这个解析模型则已与几口评价井试井的单井径向组分模拟模型进行了拟合。这里的分析处理分三步:(1)把径向组分模拟模型调整为评价井的中途测试(DST)数据,以便为非达西表皮效应和毛细管数效应等提供调整参数。(2)然后利用这些调整参数提供较长期的向井流动动态模拟预测,并且为复制这些较长期预测结果设计一个解析流入方程。(3)结合适当的垂直举升动态关系,将这个解析流入方程纳入决策树中,并通过识别输入数据的不确定性,利用这一方程求出单井产气能力的概率“S”曲线。然后将单井“S”曲线合并在一起,以得出对总体井下产能的概率估算,并用于优化该气田的开发方案。
简介:在任何新油田开发的初期,地质和工程数据的局限性和不确定性都是油藏描述和模拟的问题。这些问题是由不同输入模型变量的不确定性导致的,例如储层连通性、流体粘度和岩心端点饱和度。在这种情况下,对地球和流动模拟模型采用adhoc方法(在一个时间段给出一个系数)不可能为指定商业目标决策提供正确的信息。本项研究给出了三个油田的实例,这些实例中,工程和地球模型变量在系统方法中已发生了变化,以便利用实验设计方法(ED)评价油藏动态。油田实例分析的结果表明,井(生产井和注入井)的技术要求比所预期的技术要求要少一些。同样重要的是,有一个实例研究已表明实验室的测量结果可能使周围的石油粘度和岩心端点饱和度的不确定性最小化。同时,我们也了解到,由于油藏各向异性大,水平井的择优定向在边界上优于垂直井。在另一个实例中,地层、油-气接触面(GOC)和含水带强度是初步筛选后所有因素设计中的主要变量。本文证实了由于这些变量满足了最小储量标准,因而能使项目继续进行下去。对于所有的研究而言,也许最重要的是如何利用与adhoc方法相比少得多的流动模拟运行次数来获取正确的信息。
简介:探明储量是指在其开采中具有高置信度的一类油气资源。投资人、银行家、政府和煤体认为探明储量是石油勘探和生产(E&P)公司的基本财产,探明储量减记,特别是出乎意料的减记,将对这类企业的价值产生不利影响。许多储量减记直接或间接地源于探明储量定义上一个长期的根本性的缺陷:即探明储量是评估者合理地相信未来定会达到或者超过的产量的估计值。然而,由于对合理的确定性没有规定具体的置信水平(概率),且不同的评估者和公司具有不同的标准,探明储量是一个不一致的测度,所以评估者是不必负责任的。这种状况败坏了整个储量评估领域。探明储量问题只是石油勘探和生产中更大的概念性和程序性问题中的一个方面:即如何最佳地测量和表达被认为可以从勘探和生产公司所拥有的油气井、资产、油田、远景区、产层中可以开采的油气的不确定的数量。传统的方法是确定论的,其中单一数字估计值代表各种不确定的未来油气采收率(探明储量、概略储量和可能储量)的未来产量或未来阶段产量。概率方法的可能可采量范围与其感觉的似然性有关,如今已被勘探和生产公司的勘探部门所广泛采用,而业界的生产/开发部门却迟迟不肯放弃确定论方法的使用。考虑到概率方法具有六个明显的优点(后面将会述及),很难理解为什么确定论方法会沿用至今,但确有一些实际的原因使得勘探和生产领域的某些部门如会计行业、银行业和金融业、新闻媒体和政府管理和行政人员钟情于使用确定性数值。具有领先地位的专业性勘探和生产学会的联合技术委员会目前正在着手解决这些问题,希望能得到一个改进的更加统一的方法。