-
公开(公告)号：CN108868745B
公开(公告)日：2021-10-01
申请号：CN201810746492.7
申请日：2018-07-09
Applicant: 中国石油大学(华东)
Abstract: 本发明公开了一种油藏流场匹配性评价方法，包括：将流场分为三类，即控制参数场、油相驱替参数场以及水相驱替参数场；将控制参数场参数、油相驱替参数场参数和水相驱替参数场参数都转化到[0,1]数值区间上；流场整体匹配性评价；流场分布匹配性评价。本发明计算的流场匹配性充分考虑了特高含水期流场特征，为油田部署决策提供了可靠依据。
-
公开(公告)号：CN108876055A
公开(公告)日：2018-11-23
申请号：CN201810746487.6
申请日：2018-07-09
Applicant: 中国石油大学(华东)
Abstract: 本发明公开了一种特低渗透油藏低矿化度水驱结果预测方法，包括以下步骤：建立低矿化度水驱机理模型；对提高采收率影响因素进行分析；以含水率为指标，选取目标区块实际井组进行模型验证。本发明低矿化度水驱明显能降低含水率以及相关影响因素的有效性。
-
公开(公告)号：CN108868745A
公开(公告)日：2018-11-23
申请号：CN201810746492.7
申请日：2018-07-09
Applicant: 中国石油大学(华东)
Abstract: 本发明公开了一种油藏流场匹配性评价方法，包括：将流场分为三类，即控制参数场、油相驱替参数场以及水相驱替参数场；将控制参数场参数、油相驱替参数场参数和水相驱替参数场参数都转化到[0,1]数值区间上；流场整体匹配性评价；流场分布匹配性评价。本发明计算的流场匹配性充分考虑了特高含水期流场特征，为油田部署决策提供了可靠依据。
-
Patent Agency Ranking
公开(公告)号：CN109447532B
公开(公告)日：2021-10-22
申请号：CN201811618365.5
申请日：2018-12-28
Applicant: 中国石油大学(华东)
IPC: G06Q10/06 , G06Q50/02 , G06F16/2458 , G06N3/04
Abstract: 本发明公开了一种基于数据驱动的油藏井间连通性确定方法，首先收集油田区块的相关参数，得到各个注入信号的滤波系数，对注采数据进行预处理，修正注采数据的时滞性和衰减性；对注采数据进行归一化处理，构成神经网络学习和训练的标准样本集；搭建神经网络，并以共轭梯度算法作为学习算法，实现神经网络模型参数的快速优化求解；基于训练好的神经网络模型进行参数敏感性分析，得到表征油藏井间连通性的连通系数。本发明方法简便，计算高效，用于评价油藏井间的动态连通性，在具有传统井间连通性判别方法同等井间连通系数计算精度的同时，具有更好的产量预测效果，可进一步指导调剖堵水等优化措施的制定和智能油田分层注采历史拟合、生产优化。
-
公开(公告)号：CN108920852A
公开(公告)日：2018-11-30
申请号：CN201810757005.7
申请日：2018-07-11
Applicant: 中国石油大学(华东)
Abstract: 本发明公开了一种特低渗油藏注采井距的确定方法，包括以下步骤：计算注水井周围压力分布及极限注水半径；计算采油井周围压力分布及极限泄油半径；确定注采井距：极限注水半径与极限泄油半径之和即为注采井距。本发明求得的注采井距充分考虑了特低渗油藏的渗流特征以及注水开发的生产实际，为油田开发提供了可靠依据。
-
公开(公告)号：CN109800521A
公开(公告)日：2019-05-24
申请号：CN201910078370.X
申请日：2019-01-28
Applicant: 中国石油大学(华东)
Abstract: 本发明公开了一种基于机器学习的油水相对渗透率曲线计算方法，包括以下步骤：建立表征油水相对渗透率曲线特征的模型；油水相对渗透率曲线样本的预处理；采用神经网络图灵机训练样本及检验模型；预测油水相对渗透率曲线。本发明利用机器学习的计算方法得出油水相对渗透率曲线，速度快，成本低，考虑了油水粘度、孔隙度、渗透率、孔隙结构、矿物成分、沉积相带和驱替条件等动态和静态因素，符合实际矿场应用，为油水相对渗透率曲线的研究提供了新思路。
-
公开(公告)号：CN108920852B
公开(公告)日：2022-11-08
申请号：CN201810757005.7
申请日：2018-07-11
Applicant: 中国石油大学(华东)
Abstract: 本发明公开了一种特低渗油藏注采井距的确定方法，包括以下步骤：计算注水井周围压力分布及极限注水半径；计算采油井周围压力分布及极限泄油半径；确定注采井距：极限注水半径与极限泄油半径之和即为注采井距。本发明求得的注采井距充分考虑了特低渗油藏的渗流特征以及注水开发的生产实际，为油田开发提供了可靠依据。
-
公开(公告)号：CN109447532A
公开(公告)日：2019-03-08
申请号：CN201811618365.5
申请日：2018-12-28
Applicant: 中国石油大学(华东)
IPC: G06Q10/06 , G06Q50/02 , G06F16/2458 , G06N3/04
Abstract: 本发明公开了一种基于数据驱动的油藏井间连通性确定方法，首先收集油田区块的相关参数，得到各个注入信号的滤波系数，对注采数据进行预处理，修正注采数据的时滞性和衰减性；对注采数据进行归一化处理，构成神经网络学习和训练的标准样本集；搭建神经网络，并以共轭梯度算法作为学习算法，实现神经网络模型参数的快速优化求解；基于训练好的神经网络模型进行参数敏感性分析，得到表征油藏井间连通性的连通系数。本发明方法简便，计算高效，用于评价油藏井间的动态连通性，在具有传统井间连通性判别方法同等井间连通系数计算精度的同时，具有更好的产量预测效果，可进一步指导调剖堵水等优化措施的制定和智能油田分层注采历史拟合、生产优化。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.029 seconds)
