摘要
为提高压裂成功率、提高压裂有效井的比例,采用单因素分析、灰色关联分析和神经网络分析等方法,确定出了压前含水率、压前产油量、生产压差、孔隙度、渗透率、小层有效厚度、加砂量7个影响压裂增油量的主要因素。在此基础上,应用BP神经网络模型预测油井压裂后的增油量。经实际压裂效果验证,该网络模型对压裂增油量的预测准确率较高,比传统的多元线性回归预测方法更可准确、实7用。该研究为现场压裂施工提供了理论依据。
In order to increase fracturing success rate and the ratio of the success wells fractured to un-success wells fractured,the 7 factors,namely,water cut before fracturing,oil production before fracturing,pressure drawdown,porosity,permeability,effective thickness of small layer and sand volume,affecting oil increment post-fracturing are determined by using single factor analysis,grey correlation analysis,neural network analysis methods.Based on this,BP neural network model is used to predict oil increment post-fracturing.Field fracturing effect shows that the prediction accuracy of the network model is higher than traditional multiple regression methods and more practical.The study result provides theoretical theory basis for field fracturing operation.
出处
《特种油气藏》
CAS
CSCD
北大核心
2013年第3期76-78,154,共3页
Special Oil & Gas Reservoirs
基金
国家自然科学基金"低渗透油层提高驱油效率的机理研究"(50634020)
"聚合物驱热/化学复合驱提高原油采收率理论研究"(51074035)
国家重大专项"水驱开发效果评价及措施优化方法研究"(2011ZX05052-12)
"薄差油层动用条件及层系井网优化研究"(2011ZX05010-002-05)
黑龙江省"提高油气采收率原理与技术高校科技创新团队建设计划"(2009td08)
关键词
压裂效果
影响因素
神经网络
增油量
多元回归
模型预测
fracture effect
influencing factors
neural network
oil increment
multiple regression
model prediction
