基于逐步判别法的神经网络储层流体识别技术

储层流体的识别一直是石油工业中重要的问题,也是长期困扰大家的一个难点。针对测井资料并综合利用各种数学手段,如交会图法、多参数方程、统计分析以及神经网络等方法大大提高了对储层流体识别的准确率。尤其是近些年来BP神经网络技术在储层流体识别中得到了很好的推广和利用。在使用BP神经网络时,很多人倾向选择所有的测井参数作为神经网络的输入。本文利用逐步判别法来优选测井参数作为神经网络的输入,逐步判别法可以优选判别能力强的参数,剔除对区分总体不明显的变量,这样优选测井参数的神经网络收敛速度快,预测准确率高。     

气井单井配产新理论方法研究与应用

利用累计产量具有很好的规律性建立一种实用性较强的气井单井配产的新理论方法,进行产量递减规律分析和产量预测。首先,对某气井的生产数据进行整理;然后,对开始有规律递减以后的产量进行累计产量的计算,拟合后得到累计产量与时间的关系式,进而得到产量与时间的关系式;最后,将新理论方法与Arps方法的预测结果和实际生产数据进行分析比较。得到了应用新理论方法对产量进行预测的相对误差为5.9975%而Arps方法的相对误差为11.6036%,证明了新理论方法是可行的。应用新理论方法的累计产量公式和产量公式进行产量预测,两种预测方式的相对误差为0.62409%,故两种预测方式均可行。