简介:1956年美国计算机科学家约翰麦卡锡组织召开了达特茅斯会议,会议上首次提出“ArtmcialInteuigence”一词,也就是我们沿用至今的“人工智能”一词。直到最近十几年,随着计算机计算能力越来越强大以及互联网的普及,巨大的流量数据成为孕育人工智能领域快速发展的肥沃土壤。石油勘探开发过程中也伴随了庞大数据的产生,对数据的处理和深度挖掘需求日益迫切,建立在机器学习基础上的人工智能也呼之欲出。早在上世纪80年代中期,人工智能技术与计算机硬件体系结构的密切结合,出现了一批适应勘探开发需要的实用技术。这些技术发展到今天,以人工神经网络技术、模糊逻辑、专家系统作为人工智能的典型代表技术应用较为活跃,已渗透到石油勘探开发的各个环节,对石油工业产生了重要的影响。
简介:工作经验表明,开发期间原油和凝析气井的实际产能会明显降低。当井底压力(Pp)低于泡点压力(Pbp)时油藏的产量就会降低。凝析气井中的产能下降主要是由于近井地带中的反凝析引起的。在原始凝析油含量高,尤其是带有残余油的油气藏中,这种效应是非常显著的。该研究的实验结果证明,在孔隙表面最初为部分非水湿(疏水),或者原油和凝析油在多孔介质中渗滤期间变为疏水的油藏中,产量降低就会发生。本文概述了用于实际油气井产能恢复的方法。其基础是用各种化学品将孔隙表面从完全或部分非水湿(疏水)改变为水湿(亲水)。该过程称之为亲水化,它可以恢复初期产能,降低水驱期间可动水层水锥进和水侵的可能性。介绍了亲水化的实际效果及现场应用情况。
简介:本文介绍了一种连续监测水驱动态数据的方法,这些数据可以是单井数据、井组数据或者整个油田的数据。通过注水进行非混相驱的效率取决于许多参数,包括流度比、纵横比和非均质性指数。累积水油比(在本文中叫做CWOR)可以作为评价水驱效率的无因次参数。为了得到这些控制参数的标准范围,进行了以模拟为基础的研究(包括这些因素的重复组合)。估算了CWOR的预计范围(从1.5到50以上)。此外,检验了不同油藏给定条件下的瞬时WOR(IWOR)与CWOR的上升趋势,可以把这些趋势作为测量水驱效率与预计的渐近水平的监测工具。本文提出了这样一种方法,即通过比较IWOR与CWOR的无因次曲线估算油藏非均质性指数。
简介:以往几十年间,页岩气已成为越来越重要的一种全球性天然气资源,美国尤其如此。据Polczer(2009)和Krauss(2009)预测,页岩气开发将在全球范围内大面积推开,到2020年北美地区的天然气总产量有望一半来自页岩气。由于页岩储层基质渗透率极低,因而页岩气被视为非常规天然气资源,这类资源的开发需要由裂缝为天然气提供流入井筒的通道。由于页岩气地质储量的定量计算和流动特性的识别都存在很大的不确定性,页岩气藏最终开采量的估算需要有新的方法。文中介绍了估算页岩气井最终开采量的4种方法,其中包括2种经验法(常规的和改进后的递减曲线分析法)、解析模型法和数值模型法。这四种方法在美国四个不同的页岩成藏层带内得到了应用(巴奈特、海因斯维尔、马塞勒斯和伍德福德)。
简介:地下地质构造非常复杂,经常出现正断层、逆断层、褶皱、尖灭、不规则体等复杂地质情况。为解决地质层位和断层等面构造几何建模问题,实现了Delaunay剖分和限定Delaunay剖分算法,研究了层面求交、分割、缝合、统一输出等关键技术,为复杂地质体三维实体建模提供了地质体模型的几何分布参数,保证了地质层位和断层等复杂地质构造在几何拓扑上的一致性。