石油产量预测文献划分

本帖详情请参考产量预测建模 4: 粒计算的角度
可以把产量预测问题按不同粒度建模。阅读了产量预测相关文献后，一是按照时长，大致将文献分为了长期、中期、短期预测。二是按照区域，大致划分了油田、井组、单井产量预测。

1.按时长划分

1.1 长期预测

[1] Gua Y , Niu Y , D . Han, et al. Prediction of Production in Oil Reservoirs by Considering Change in Number of Production Wells. 2008.
当应用于整个储层时，DCA（递减曲线分析）在许多情况下都有局限性。我们关注一个问题，即生产井数量的变化。显然，如果钻更多的油井，在特定时期内石油产量将会大幅增加。通过考虑生产井数量的变化来匹配和预测整个油藏的石油产量。注意，生产井的数量随着新井的钻开而增加，随着油井的关闭或转移到注入井而减少。由于生产井数量的变化，能够捕捉整个生产历史的上升和下降趋势。

[2] Aram Davtyan,Alexander Rodin,Ilya Muchnik,Alexey Romashkin. Oil production forecast models based on sliding window regression[J]. Journal of Petroleum Science and Engineering,2020.
该文介绍了一种长期运行的实际油田采油速度的统计建模和预测方法。油田石油生产的“老化”要求石油生产系统的管理不断变化。因此，生产建模和预测必须是动态的，随时间而变化。该方法预测了下个月的总产油率，考虑了有限历史区间内油田的一些人工设计特征。

[3]邓勇,杜志敏,陆燕妮.遗传算法结合神经网络在油气产量预测中的应用[J].数学的实践与认识,2008(15):118-123.
输入：样本年的年动用储量，样本年的年操作成本，样本年的年采气井开井总数，样本年的年产水量，样本年的年可采储量采出程度，样本年的年措施总井次，样本年的年措施有效井次，第 n年的剩余可采储量。
输出：全气田年产量

[4]邢明海,陈祥光,王渝.基于人工神经网络研究油田产量预测方法[J].仪器仪表学报,2005(S1):60-62.
输入：生产时间（年）、总井数 （口）、开井数（口）、新增井数（口）、含水率（％）、动用储量（万吨）、采油速度、采出程度、上年产量（万吨）
输出：年的油产量

1.2 中期预测

[5] WANG Hongliang,MU Longxin,SHI Fugeng,DOU Hongen.Production prediction at ultra-high water cut stage via Recurrent Neural Network[J].Petroleum Exploration and Development,2020,47(05):1084-1090.
从采油指数与其影响因素之间的关系以及采油量随时间的变化趋势和相关性来预测油田产量。用历史上多个月的生产数据预测未来多个月的产量。样本由输入时间序列和输出时间序列构成。
输入：我国某注水开发的中高渗透砂岩油田的生产数据
输出：油田特高含水期的月石油产量
输入特征：2001 年 1月至 2018 年 12 月的生产数据。筛选出产量影响因素包括新井数、新井产量、前 1 年投产采油井数、前 1 年投产采油井产量贡献、前 2 年投产采油井数、前 2 年投产采油井产量贡献、…、前 9年投产采油井数、前 9 年投产采油井产量贡献、前 10年及以前投产采油井数、前 10 年及以前投产采油井产量贡献、注水井数、月注入量、含水率、生产天数、剩余可采储量、新区动用可采储量、老区新增可采储量、措施井次、措施增油量及原油价格，共计 32 项。
输入特征选择：本文利用基于支持向量机的递归特征消除方法进行特征选择，将各影响因素按重要程度排序。经交叉验证得到最优的特征数量为 17，所以选择重要程度排前 17 的影响因素，即生产天数、前 10年及以前投产采油井产量贡献、前 1 年投产采油井产量贡献、前 9 年投产采油井产量贡献、前 7 年投产采油井产量贡献、前 6 年投产采油井产量贡献、前 4 年投产采油井产量贡献、前 3 年投产采油井产量贡献、前 8 年投产采油井产量贡献、前 5 年投产采油井产量贡献、前 2 年投产采油井产量贡献、前 10 年及以前投产采油井数、当年投产采油井产量贡献、措施增油量、措施井次、当年投产采油井数、月注入量。

[6]谷建伟,周梅,李志涛,贾祥军,梁颖.基于数据挖掘的长短期记忆网络模型油井产量预测方法[J].特种油气藏,2019,26(02):77-81+131.
在产量预测模应用中需要确定模型输入层和输出层的节点数。根据油藏工程基本理论，油藏地质属性可以视为固定不变的因素，影响油井产量的可变因素较多，考虑样本参数特征，选取排量、泵深、生产天数、含水率、动液面、气油比、周围油井产液量、周围注水井注水量等 8 个指标作为输入层的输入变量。未筛选出表征大型措施、停产等特殊情况的参数类型。
输入：排量、泵深、生产天数、含水率、动液面、气油比、周围油井产液量、周围注水井注水量
输出：对油藏内任意生产井月产油量的预测

[7]周于皓,刘慧卿,祁鹏,赵萌,陈宇.基于循环神经网络的缝洞型油藏油井产量预测[J].计算物理,2018,35(06):668-674.
输入：以现有塔河区块资料为例，包括历史动态数据，日产油量，日产水量，日产气量，油井井底压力， 井口压力；静态数据，油水粘度比，井位深度，含水饱和度，地层厚度，原油压缩系数，原油密度。
输出：月产油量

[8]马林茂,李德富,郭海湘,李伟伟.基于遗传算法优化BP神经网络在原油产量预测中的应用:以大庆油田BED试验区为例[J].数学的实践与认识,2015,45(24):117-128.
输入：含水率、 产量递减率、 泵深（m）、动液面（m）
输出：平均月产油量

1.3 短期预测

[9] 刘巍,刘威,谷建伟.基于机器学习方法的油井日产油量预测[J].石油钻采工艺,2020,42(01):70-75.
根据现场广泛易得的油藏静态资料和开发动态参数实现油井日产油量的快速准确预测。未考虑停井、生产工艺和增产措施等因素对产量的影响。
选取某油田 25FLW 井区为研究对象，其位于东营渤中凹陷，油藏埋深 1395~1 455 m，油气成藏条件优越，石油地质储量为 517×104 t。该油藏从1999 年投入开发，至今已有 25 口油井和 15 口注水井，选取其中 1 个井区作为产量预测的研究对象。
井区包含 5 口生产井 (25FLW-1，25FLW-2，25FLW-3, 25FLW-4， 25FLW-5) 和 4 口注水井 (25FLW-11，25FLW-12，25FLW-13, 25FLW-14)。
根据油藏工程师经验，影响油井产量的因素主要包括4类：第1类是当前油井的井口压力，原始含水饱和度，泵排量，生产时间，含水率；第2类是周围油井的产液量；第3类是周围注水井的井口压力和注水量；第4类是油藏剩余可采储量。
收集和整理这5口生产井从投入开发至 2018 年11月的上述4类特征参数和日产油量数据。
基于 MDI 特征选择方法，分析各个静态特征参数和动态特征参数对于油井产量的重要性，以油井 25FLW-1 为例，各个特征重要性计算结果如图所示。

坐标纵轴表示各特征参数，横轴表示特征参数对产量的重要性程度。井区剩余可采储量和25FLW-1 井的井口压力对该井产量影响较大，而产量与该井原始含水饱和度、泵排量无关。由于这些参数在 25FLW-1 井生产过程中几乎一直保持为定值，对产量的变化没有任何贡献，因而在建立该井产量预测模型过程中可剔除该类特征。同时，根据特征的 MDI 值从小到大顺序，逐次排除特征参数，剔除掉对模型预测精度没有影响的冗余特征，则此时剩下的特征参数为影响油井产量有效特征。最终基于MDI 特征分析结果和特征筛选过程，剔除掉了 25FLW-11 井的原始含水饱和度、泵排量、井口压力和 25FLW-13 井注水量这 4 个变量，确定有效特征参数共 14 个，作为模型输入变量。

标签：预测,油藏,25FLW,划分,产量,文献,投产,油井
来源： https://blog.csdn.net/Mr_XG/article/details/118249796