Vorhersagemethode der Ölproduktion basierend auf dem ANN-Algorithmus für das Mikro-Nano-Wasser-Gas-Dispersionssystem

FENG GUOQING ,  

CHANG HAILING ,  

WANG KEYU ,  

WU LIN ,  

WU JIAZHONG ,  

WANG SHITOU ,  

摘要

Das Mikro-Nano-Wasser-Gas-Dispersionssystem (MNWDS) ist eine neuartige Technologie zur verbesserten Ölrückgewinnung, die durch die Einspritzung einer Mikro-Nano-skalierten Gas-Wasser-Dispersionsphase kleinere Porenräume durchdringen kann, wodurch das Durchdringungsvolumen erweitert und die Ölrückgewinnung effektiv erhöht wird. Derzeit wurde diese Methode in der Testzone Chang 6 in Wuliwan in einem Feldexperiment angewendet. Bei der Verwendung numerischer Simulationsmethoden zur Vorhersage der Ölproduktion des Mikro-Nano-Wasser-Gas-Dispersionssystems ist es erforderlich, Parameter wie Blasengröße, Gas-Flüssigkeits-Verhältnis, Fluid-Eigenschaften und komplexe Gas-Flüssigkeits-Wechselwirkungen zu berücksichtigen, was den Prozess komplex und zeitaufwändig macht und eine schnelle Simulation der Ölproduktion des Systems unmöglich macht. Um die Ölproduktion nach der Einspritzung des Mikro-Nano-Wasser-Gas-Dispersionssystems genau vorherzusagen, wurde ein Modell zur Vorhersage der Ölproduktion basierend auf realen Produktionsdaten und geologischen Modellparametern der Testzone unter Verwendung des künstlichen neuronalen Netzwerk-Algorithmus (ANN) erstellt. Das Modell verwendet als Eingabeparameter die Ölproduktion, Wassergehalt, Permeabilität, die eingespritzte Menge des Mikro-Nano-Wasser-Gas-Dispersionssystems, Wasserverdrängungsreserven, Porosität und Effektivdicke vor der Implementierung und setzt die Ölproduktion 12 Monate nach der Implementierung als Ausgabeparameter. Durch die Analyse der Clusterbildung mittels K-Means (K-Mittelwert-Cluster-Analyse) wurden ungültige Proben ausgeschlossen, wodurch letztlich ein Trainingssatz aus 59 Proben gebildet wurde. Während des Modelltrainings wurde ein Optimierungsalgorithmus eingeführt, um die Modellparameter automatisch anzupassen, was die Vorhersagegenauigkeit des Testdatensatzes erheblich verbesserte. Basierend auf diesem Modell wurde die Ölproduktion von 21 Brunnenclustern vorhergesagt, die das Mikro-Nano-Wasser-Gas-Dispersionssystem implementieren werden. Die Vergleichsergebnisse mit den numerischen Simulationen zeigen eine Übereinstimmungsrate von 95%, was die Genauigkeit des Modells bestätigt. Dieses Modell bietet eine neue Methode zur Vorhersage der Ölproduktion des Mikro-Nano-Wasser-Gas-Dispersionssystems.

关键词

Mikro-Nano-Wasser-Gas-Dispersionssystem; maschinelles Lernen; K-Means-Clusteranalyse; künstliches neuronales Netzwerk; Levenberg-Marquardt-Algorithmus

阅读全文

以上内容由讯飞翻译自动生成,翻译内容仅供参考。对于因使用本网站翻译内容产生的相关后果,本网站不承担任何商业和法律责任。

The above content is generated by Large Model Translation. The translated content is for reference only. We do not assume any commercial or legal responsibilty for any consequences arising from the use of our website