钻采工艺
鑽採工藝
찬채공예
DRILLING & PRODUCTION TECHNOLOGY
2009年
3期
34-37
,共4页
蔡左花%匡建超%曾剑毅%庞河清%黄建红
蔡左花%劻建超%曾劍毅%龐河清%黃建紅
채좌화%광건초%증검의%방하청%황건홍
新场气田%沙溪庙组气藏%产能预测%最佳子集%神经网络
新場氣田%沙溪廟組氣藏%產能預測%最佳子集%神經網絡
신장기전%사계묘조기장%산능예측%최가자집%신경망락
川西新场气田沙溪庙组气藏是典型的致密低渗透碎屑岩气藏,气藏储量丰富,可单井产能却很低.产能预测是编制气田开发规划部署、进行开发方案设计、开发动态分析、气井配产及开发方案调整的重要内容,但迄今为止,致密低渗储层的产能预测却仍是当下公认难点问题.针对沙溪庙组特定的地质特征,本文采用了最佳子集及GA-BP神经网络模型预测产能.通过最佳子集模型运算,获得与储层产能相关性最好的6个特征参数(分剐是φ、Ac、φf、△R、F1、F2),再用GA-BP神经网络构建的储层产能预测模型,预测结果是绝对误差最大为0.98,最小为0.008,平均为0.036,相时误差最大为5.36%,最小为0.805%,平均为2.85%,说明所构建的基于最佳子集及GA-BP神经网络的储层产能预测模型预测结果理想,可以用于同类储层的产能预测.
川西新場氣田沙溪廟組氣藏是典型的緻密低滲透碎屑巖氣藏,氣藏儲量豐富,可單井產能卻很低.產能預測是編製氣田開髮規劃部署、進行開髮方案設計、開髮動態分析、氣井配產及開髮方案調整的重要內容,但迄今為止,緻密低滲儲層的產能預測卻仍是噹下公認難點問題.針對沙溪廟組特定的地質特徵,本文採用瞭最佳子集及GA-BP神經網絡模型預測產能.通過最佳子集模型運算,穫得與儲層產能相關性最好的6箇特徵參數(分剮是φ、Ac、φf、△R、F1、F2),再用GA-BP神經網絡構建的儲層產能預測模型,預測結果是絕對誤差最大為0.98,最小為0.008,平均為0.036,相時誤差最大為5.36%,最小為0.805%,平均為2.85%,說明所構建的基于最佳子集及GA-BP神經網絡的儲層產能預測模型預測結果理想,可以用于同類儲層的產能預測.
천서신장기전사계묘조기장시전형적치밀저삼투쇄설암기장,기장저량봉부,가단정산능각흔저.산능예측시편제기전개발규화부서、진행개발방안설계、개발동태분석、기정배산급개발방안조정적중요내용,단흘금위지,치밀저삼저층적산능예측각잉시당하공인난점문제.침대사계묘조특정적지질특정,본문채용료최가자집급GA-BP신경망락모형예측산능.통과최가자집모형운산,획득여저층산능상관성최호적6개특정삼수(분과시φ、Ac、φf、△R、F1、F2),재용GA-BP신경망락구건적저층산능예측모형,예측결과시절대오차최대위0.98,최소위0.008,평균위0.036,상시오차최대위5.36%,최소위0.805%,평균위2.85%,설명소구건적기우최가자집급GA-BP신경망락적저층산능예측모형예측결과이상,가이용우동류저층적산능예측.
