产量预测建模 2: 静态结构化数据模型

所谓静态模型, 是与动态 (时序) 模型相对应, 只需要考虑某个时间点的结构化数据即可.
本贴数据格式由罗皓整理.

1. 基于结构化地质数据的储量预测模型

表 1. 油田总产量与基础数据的关系

油田编号静态地质储量动态地质储量孔隙度渗透率裂缝发育程度溶洞发育程度束缚水饱和度岩石压缩系数
1 2 × 1 0 7 2 × 10^7 2×107 t0.8 × 10^7 t0.1530 mD0.100.25 1 × 1 0 − 4 1 × 10^{-4} 1×104 MPa − 1 ^{-1} 1

表 1 (续). 油田总产量与基础数据的关系

油田编号原油相对密度粘度饱和压力原油体积系数原油压缩系数
10.970 mPa·s25.0 MPa1.35 6 × 1 0 − 4 6 × 10^{-4} 6×104 MPa − 1 ^{-1} 1

假设有 m m m 个油田, 就可以获得一张 m m m 个实例的二维表, 用许多经典的机器学习方法就可以预测储量了 (如果储量就是动态地质储量).

2. 基于油井实时数据的产量预测模型

油井实时数据既可以包括静态数据, 也可以包括动态数据.

表 2. 油田动态数据与产量之间的关系 (静态数据如表 1 所示)
拥有前面静态数据的油田,在下面的前四组的动态参数下得到的产量为:

已开采天数泵速井底流动压力日注水量日产量
11433024.61 MPa200 m 3 ^3 3/d49.8 t/d
11442924.53 MPa198 m 3 ^3 3/d49.1 t/d
11453124.55 MPa201 m 3 ^3 3/d49.5 t/d
12184017.21 MPa240 m 3 ^3 3/d28.1 t/d

与第 1 节同理, 这类结构化数据也是容易处理的. 为进行数据挖掘, 应将多张表 1 与 表 2 的数据合在一起构成一个大表. 最简单的方式, 设有 m m m 个油田, 每个油田有 n n n 天的生产数据, 则该表有 m n mn mn 个实例.

注意: 虽然我们使用到了变化的数据, 但在这里并未将其按时间序列进行建模. 例如, 第 1143 天与 1144 天的数据, 我们并未从时序的角度考虑其时间相邻性.


未完待续

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值