学科分类
/ 1
12 个结果
  • 简介:水平井在开发中遇到了高含水、产出剖面监测、砾石充填评价及测试仪器输送等问题,结合国内外多年现场应用实践,介绍了水平井找水、产出剖面测试、砾石充填评价以及仪器输送技术,分析得出了水平井生产测试技术以多种仪器组合测试,并配合快速准确的输送为发展方向,为引进开发新技术提供了有益借鉴。

  • 标签: 水平井 生产测试 适应性 产出剖面 仪器输送
  • 简介:数字化测井仪种类多、成果图格式各异,造成测井数据建库困难,解释成果图不规范.自行开发的适用于多家数字测井仪的集成化软件系统,解决了上述问题.该软件的应用使生产测井数据管理、资料处理分析及解释成果图的绘制规范化、科学化.

  • 标签: 生产测井 资料处理 测井数据 测井仪 数字测井 建库
  • 简介:利用探井资料,采用神经网络方法,研究了新井产能的预测神经网络方法。实际气田的应用表明,该方法具有需要资料少、精度高等特点。

  • 标签: 新井产能 神经网络 方法 原理
  • 简介:前言要科学、合理地开发油田,必须取准地层压力。以往确定油田地层压力。一直采用关井测压方法,就是关井停产,用深井压力计直接测出井底完全恢复平稳后的压力(实测地层压力)或测出压力恢复曲线;再者就是采用回声仪测环空液面恢复的方法,推算地层压力。尽管这两种方法各有一定的优越性,但是每年二次的定点测压井其测压间隔在4—7个月左

  • 标签: 地层压力 回声仪 抽油井 压力恢复曲线 气柱高度 测压方法
  • 简介:结合试井测试数据,选择校验了嘴流、多相管流经验相关式,通过参数敏感性分析,评价了井的当前工作制度,预测出不同含水条件下井的停喷流压和不同地层压力保持水平下井的最大自喷产量.该研究结果为选择合理的油气井工作制度、确定油藏压力保持水平、转换采油方式提供了决策依据.

  • 标签: 节点分析 油气井 生产系统 设计 动态预测 敏感性
  • 简介:本文提出了一种新的优化地下水监测网络。确定污染羽范围的方法。将监测并安装后最化的污染物存在的不确定性期望值降低到最大的位置定为监测井的最佳位置。本项研究中,将水力传导系数作为诱发不定性的因素。使用连续的随机添加(SRA)法生成水力传导系数的随机场。随着监测网络范围的增大,污染羽分布的不确定性降低。根据这个降低的量.评价某一污染羽存在的信息判定的期望值。选择采集监测井最大信息帚的最小系统为优选的监测网络。为了最化污染羽分布的不确定性。在定义域范围内.针对所有的产生的污染羽的实现值。编制污染物存在的概率图。不确定性定义为。污染物存在的概率或者不存在的概率单元的总和。在非均质水力传导系数场.本文给出了确定最佳监测网络的数值试验的结果。

  • 标签: 优选 监测网 不确定性 污染羽
  • 简介:阐述了不关井试井分析和现代产量递减分析技术的基本原理以及相关递减曲线图版的适用条件和主要功能,解决了桑南西奥陶系油藏在试井设计和资料处理上存在的问题。充分利用油气井日常生产数据,进行储渗参数计算和生产动态分析预测,取得了比较满意的结果。

  • 标签: 不关井试井 现代产量递减 不稳定试井 生产动态 动态储量
  • 简介:基于胡七南断块的生产测试资料、岩心分析资料、相对渗透率资料和油田地质与生产开发状况等资料,运用系统软件,分析该断块的剩余油分布状况,确定该断块目的层段的剩余油分布富集区及水淹区,并以此为依据对区块进行综合治理,取得较好的开发效果.

  • 标签: 生产测井资料 东濮凹陷 剩余油饱和度 含水率 胡七南断块
  • 简介:在地球物理地层评价和储库工程中遇到由测井资料评价孔隙度和渗透率问题是件困难和重要的任务。在近来人工神经网络(ANN)模拟加拿大东部近海成果的推动下,我们开发了反演北海测井资料为孔隙度和渗透率资料的神经网络。我们利用两个分离反向传播ANN(BP—ANNs)模拟孔隙度和渗透率。该孔隙度ANN是一个用声波、密度和电阻率测井资料为输入的简单三层网络

  • 标签: ANN 反演 缆式测井 孔隙度 渗透率 人工神经网络
  • 简介:根据先进星载热发射和反辐射计(ASTER)图像获取滑坡相关因素,并利用地理信息系统(GIS)开发、应用和验证韩国Boun地区滑坡脆弱性分析的综合技术。从ASTER图像中获取数字高程模型(DEM)、线性特征、归一化差值植被指数(NDVI)和土地覆盖因素并进行分析。根据DEM地形数据库评估边坡、方位和曲率。根据已有空间数据库并利用频率比(FR)、逻辑回归(LR)和人工神经网络模型(ANN)鉴定和量化检测的滑坡位置与6种相关因素之间的关系。在叠加分析中把这些相互关系用作因子额定值以创建滑坡脆弱性指数和滑坡脆弱性图。随后,在FR、LR和ANN模型中作为新输人因子结合并应用3种滑坡脆弱性图,从而创建改进的滑坡脆弱性图。通过对比在模型实验中未使用的已知滑坡位置来验证所有这些滑坡脆弱性图。对比利用3种滑坡相关输入参数创建的改进精度的综合滑坡脆弱性图(FR}莫型为87.00%;LRN型为88.21%;ANN模型为86.51%)与利用ASTER图像中6种因素创建的单独滑坡脆弱性图(FR丰莫型为84.34%;LR模型为85.40%;ANN模型为74.29%)。

  • 标签: 人工神经网络模型 脆弱性分析 ASTER 图像获取 逻辑回归 频率比