【摘 要】
：
准确判别注采连通情况对提高水驱油藏原油的采收率具有重要意义,在油田生产过程中,可以为注入水流动方向和剩余油分布情况的描述提供依据,对注采方案的优化、开发部署方案的调整也具有重要的指导意义。注采连通情况的判别分为静态判别和动态判别。静态判别是对油藏开发前初始连通情况的描述,是定性判别。而动态判别是对开发现阶段连通情况的描述,是定量判别。因此,本课题从静、动态角度对注采连通情况的判别进行综合研究。针对
【基金项目】
：
“大数据深度学习预测模型设计与软件研发”项目；
论文部分内容阅读
准确判别注采连通情况对提高水驱油藏原油的采收率具有重要意义,在油田生产过程中,可以为注入水流动方向和剩余油分布情况的描述提供依据,对注采方案的优化、开发部署方案的调整也具有重要的指导意义。注采连通情况的判别分为静态判别和动态判别。静态判别是对油藏开发前初始连通情况的描述,是定性判别。而动态判别是对开发现阶段连通情况的描述,是定量判别。因此,本课题从静、动态角度对注采连通情况的判别进行综合研究。针对无法根据单口井的数据判别静态注采连通情况的问题,提出基于PSO-Cat Boost的静态注采连通情况的判别方法。首先为解决重构表征注采相对关系的新特征问题,提出一种静态注采连通相对特征向量的处理方法MJMI-DSA,根据岩心和测井等数据构建能够表示注采相对关系的新特征,然后进行注采相对新特征的选择和提取,从而得到静态注采连通相对特征向量。最后使用Cat Boost建立静态注采连通情况预测模型,并使用粒子群算法优化模型的参数,实现静态注采连通情况的判别。针对油田生产数据中的噪声、注水过程的延时和衰减以及动态注采系统的复杂性等问题,提出基于BO-MLP-Sobol的动态注采连通情况的判别方法。首先为解决噪声数据问题,提出一种生产数据的降噪处理方法CEEMDANPCC,对生产数据降噪。然后使用非线性扩散滤波器修正注入量来减弱注水过程的延时和衰减,并进行生产数据标准化消除量纲影响。最后针对动态注采系统的复杂性,使用MLP神经网络建立动态注采系统连通模型并优化模型参数,再对模型进行敏感性分析实现动态注采连通情况的判别。本课题以港东油田一区一断块的数据进行实验,基于PSO-Cat Boost的静态注采连通情况预测模型的准确率、精确率、召回率和F1值基本达到95%,具有良好的预测效果。基于BO-MLP-Sobol的动态注采连通情况的判别结果与示踪剂的解释结果基本一致,从而验证了所提出方法的可行性和有效性。
其他文献
石油作为我国重要能源之一,被广泛应用在交通工业、建材工业、化工工业等各大领域中,因此石油的高效开采对我国来说是非常重要的。由于我国大部分油田都属于高含蜡油田,在开采等过程中存在着结蜡现象。该现象使得油井直径变小、油杆负载变大,进而导致石油的开采效率降低、成本增加,更为严重时,导致油井停止生产等故障,降低经济效益。由此看来,如何有效的预测油井结蜡对石油高效开采具有重要研究意义和应用价值。本文采用随机
近几年来,图像描述逐渐成为人工智能领域内一个新的研究热点。图像描述任务是连接计算机视觉领域与自然语言处理领域的一项基础任务,其目标是使计算机能够自动生成能够准确描述输入图像内容的自然语言语句。图像描述任务需要利用计算机视觉中的相关技术以及自然语言处理中的相关技术。图像描述任务将图像内容转换为描述图像内容的自然语言文本,可以加深对图像内容的理解。虽然编码器-解码器结构在图像描述任务中取得了广泛的应用
现有常见的目标检测算法仅针对一般场景具有较好的检测性能,然而不适用于一些特定的复杂场景,例如施工图图例检测。施工图场景下的目标检测会存在如下问题:1)图例检测是一个典型的单样本学习（one-shot learning）问题,样本极少;2)需要具备高准确率和一定的实时性;3)不同施工图的图例种类不同,无法统一;4)需要自动化地完成图例提取、样本制作和模型训练;这些问题给图例检测带来了极大的挑战,如何
近年来,随着油气勘探开发的深入,低渗致密等复杂油气藏、非常规油气藏油气资源越来越多,逐步成为勘探与开发的重点,也是技术攻关的难点。甜点是指储层物性相对较好、含油性较好、具有一定厚度和范围的油气聚集区。油气资源勘探的任务就是寻找这样的油气储层甜点,并准确刻画甜点储层的分布范围。复杂油气藏的甜点受控因素多而复杂,表现为相关数据信息的种类繁杂、数据量庞大,传统的地质学方法很难应对。随着信息技术的发展,油
在大数据时代,互联网数据存在着数据量大,特征维度高的特点,然而在检索领域,却存在检索速度快,存储空间低的需求。哈希方法作为解决这一问题的主要方法引起了广泛关注。哈希方法通过哈希函数将高维特征映射为低维的二值哈希编码,以此提高检索速度,降低存储空间。近些年,深度学习表现出强大的特征学习能力,结合深度学习的哈希学习方法能够通过神经网络同时进行特征和哈希编码的学习,性能明显优于传统哈希方法。本文重点研究
自然场景下任意形状文本检测和识别技术是当前计算机视觉领域的研究热点之一,在图像检索,自动翻译,自动驾驶等领域具有积极作用。由于自然场景图像背景复杂,易受光照和拍摄角度的影响,导致检测和识别困难,同时由于图像中文本是任意形状的,包括水平,倾斜及弯曲文本,进一步加大了文本检测和识别的难度。目前,这项富有挑战性的任务仍在研究探索阶段。针对任意形状文本检测和识别难的问题,本文提出了一种基于深度学习的任意形
Polar码是唯一一种在理论上被证明达到香农极限的信道编码技术,已被选为5G控制信道e MBB场景编码方案。Polar码的译码算法有多种,其中在连续消除译码算法下具有较低的译码复杂度。但是,该算法的串行译码特性导致译码时延较高且码长长度受限时纠错性能不理想。针对上述问题,本论文在调研连续消除译码算法及其改进算法的基础上对Polar码译码技术进行了研究,分别提出了基于结点错误概率的简化连续消除译码算
随着激光雷达、深度相机等三维传感器在各类三维场景上的广泛应用,基于点云数据的三维场景感知学习越来越受到人们的关注,针对传感器直接输出的三维点云数据的研究也逐渐从底层次的几何特征提取向高层次语义理解过渡。深度学习特别是深度卷积神经网络在特征学习及语义信息提取上有巨大优势,如何设计高效的网络模型并利用点云数据驱动模型进行三维场景感知学习成为最近的研究热点。三维点云的深度学习方法研究主要受以下几个方面的
随着经济全球化的推进,世界各个国家及地区的贸易往来日益密切。为了进一步释放中国的经济活力,中国在2013年提出“一带一路”倡议,国内各省市积极参与到“一带一路”建设中。山东省作为“一带一路”规划的海上战略支点,积极响应倡议,在2018年迅速成长为贸易出口的第二大省。为了进一步了解“一带一路”倡议下山东省对沿线国家出口贸易效率、潜力情况,本文进行了系统的定性、定量分析。本文使用随机前沿引力模型分析山
借助社交网络平台,重大舆情事件相关信息在互联网上快速传播,其中的异常信息（如消极、激进言论）会使大范围网民出现消极、恐惧、激进等不良情绪,导致舆情态势不能健康发展,对国家安全和社会稳定带来一定程度的冲击。通过对网络舆情数据进行分析可以快速掌握全网舆情态势,发现其中的异常信息、重大舆情事件的演化情况,并对网络舆情态势的发展趋势进行预测,这对于维护网络与社会环境的稳定均具有重要意义。在此背景下,本文为