石油产量预测文献调研

最新推荐文章于 2024-10-16 10:56:54 发布

NoviceX

最新推荐文章于 2024-10-16 10:56:54 发布

阅读量721

点赞数 1

分类专栏：产量预测文章标签：大数据

本文链接：https://blog.csdn.net/Mr_XG/article/details/118249796

版权

本文档详述了石油产量预测的文献调研，主要按预测时长分为长期、中期和短期预测。长期预测关注生产井数量变化的影响，中期预测利用递归神经网络等方法，短期预测则基于机器学习和特征选择进行日产油量预测。研究涉及多种方法，包括统计建模、神经网络和遗传算法等，并考虑了井底压力、注入量、含水率等多个关键因素。

摘要由CSDN通过智能技术生成

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。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