Método de predicción de la producción de petróleo basado en el algoritmo ANN para el sistema de dispersión de agua y gas micro-nano

FENG GUOQING ,  

CHANG HAILING ,  

WANG KEYU ,  

WU LIN ,  

WU JIAZHONG ,  

WANG SHITOU ,  

摘要

El sistema de dispersión de agua y gas micro-nano (MNWDS) es una tecnología novedosa para mejorar la recuperación que, mediante la inyección de una fase dispersa de agua y gas a escala micro-nano, puede entrar en espacios de poros más pequeños, ampliando así el volumen barrido y aumentando de manera efectiva la recuperación. Actualmente, este método se ha llevado a cabo como experimento de campo en la zona de prueba Chang 6 de Wuliwan. Al utilizar métodos de simulación numérica para predecir la cantidad de petróleo producido por el sistema de dispersión de agua y gas micro-nano, es necesario considerar parámetros como el tamaño de las burbujas, la proporción gas-líquido, las propiedades de los fluidos y las complejas interacciones gas-líquido, lo que hace el proceso complejo y largo, dificultando la simulación rápida de la producción. Para predecir con precisión la cantidad de petróleo producido después de la implementación del sistema MNWDS, esta investigación utilizó el algoritmo de redes neuronales artificiales (ANN) para establecer un modelo predictivo basado en datos reales de producción y parámetros del modelo geológico de la zona de prueba. El modelo emplea como parámetros de entrada la cantidad de petróleo producido antes de la implementación del sistema de dispersión de agua y gas micro-nano, la tasa de contenido de agua, la permeabilidad, la cantidad inyectada del sistema MNWDS, las reservas de desplazamiento acuático, la porosidad y el espesor efectivo, mientras que predice la cantidad de petróleo producido durante 12 meses después de la implementación como parámetro de salida. A través del análisis de agrupamiento K-Means (algoritmo de Clustering K-Means), se eliminaron los datos no válidos, conformando finalmente un conjunto de entrenamiento con 59 muestras. Durante el entrenamiento del modelo, se introdujo un algoritmo de optimización para ajustar automáticamente los parámetros del modelo, mejorando significativamente la precisión de predicción en el conjunto de prueba. Basado en este modelo, se realizó una predicción de la cantidad de petróleo producido en 21 grupos de pozos que próximamente implementarán el sistema de dispersión de agua y gas micro-nano, y los resultados mostraron un 95% de concordancia con los resultados de simulación numérica, verificando la precisión del modelo. Este modelo ofrece un nuevo enfoque para predecir la producción de petróleo utilizando el sistema de dispersión de agua y gas micro-nano.

关键词

Sistema de dispersión de agua y gas micro-nano; aprendizaje automático; análisis de agrupamiento K-Means; red neuronal artificial; algoritmo 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