Méthode de prédiction de la production pétrolière basée sur l'algorithme ANN du système de dispersion gaz-eau micro-nano

FENG GUOQING ,  

CHANG HAILING ,  

WANG KEYU ,  

WU LIN ,  

WU JIAZHONG ,  

WANG SHITOU ,  

摘要

Le système de dispersion gaz-eau micro-nano (MNWDS) est une technologie novatrice pour améliorer le taux de récupération, qui, grâce à l'injection de phases de dispersion gaz-eau à l'échelle micro-nano, peut pénétrer dans des espaces poreux plus petits, élargissant ainsi le volume balayé et augmentant efficacement le taux de récupération. Actuellement, cette méthode a été testée dans la zone expérimentale Wuliwan Chang 6. Lors de la prédiction de la production pétrolière du système de dispersion gaz-eau micro-nano à l'aide de la simulation numérique, il est nécessaire de prendre en compte plusieurs paramètres tels que la taille des bulles, le rapport gaz-liquide, les propriétés des fluides et les interactions complexes gaz-liquide, rendant le processus complexe et long, et incapable de simuler rapidement la production de pétrole. Pour prédire avec précision la production pétrolière après l'injection du système MNWDS, cette recherche, basée sur les données de production réelles et les paramètres du modèle géologique de la zone expérimentale, a utilisé l'algorithme de réseau de neurones artificiels (ANN) pour développer un modèle de prévision de la production pétrolière du système. Ce modèle utilise les paramètres d'entrée tels que la production pétrolière avant mise en œuvre du système, le taux de teneur en eau, la perméabilité, la quantité injectée de système, les réserves d'eau poussé, la porosité et l'épaisseur efficace, et prédire la production pétrolière des 12 mois après mise en œuvre comme paramètre de sortie. Un ensemble d'échantillons d'entraînement a été établi en utilisant l'analyse de clustering K-Means (K-Moyennes) pour éliminer les échantillons non valides, formant finalement un ensemble d'entraînement de 59 échantillons. Lors de l'entraînement du modèle, un algorithme d'optimisation a été introduit pour ajuster automatiquement les paramètres du modèle, améliorant significativement la précision des prédictions de l'ensemble de test. Sur la base de ce modèle, la prédiction de la production pétrolière de 21 groupes de puits prêts à mettre en œuvre le système MNWDS a été réalisée, et les résultats ont montré une conformité de 95% avec les résultats de la simulation numérique, confirmant l'exactitude du modèle. Ce modèle offre une nouvelle approche pour prédire la production pétrolière avec le système de dispersion gaz-eau micro-nano.

关键词

Système de dispersion gaz-eau micro-nano; apprentissage automatique; analyse de clustering K-Means; réseau de neurones artificiels; algorithme de Levenberg-Marquardt

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