一种基于变径毛细管束模型的渗吸驱替表征方法

    公开(公告)号:CN115436257A

    公开(公告)日:2022-12-06

    申请号:CN202211078060.6

    申请日:2022-09-05

    IPC分类号: G01N15/08

    摘要: 本发明一种基于变径毛细管束模型及渗吸驱替表征方法涉及致密油藏开采技术领域,具体地涉及一种基于变径毛细管束模型及渗吸驱替表征方法,包括以下步骤:根据真实岩心实验确定变径毛细管生成参数,采用随机算法建立岩心尺度随机变径毛细管束;分别计算毛细管束中各个毛细管各段的空间坐标;根据得到的随机变径毛细管结构参数对渗吸速度进行求解;根据计算结果,求解随机变径毛细管束采出程度、含水率。本发明建立了复杂随机变径毛细管束模型,该模型以真实岩心孔隙结构为基础参数,可以随机生成复杂孔隙结构,构建出更加真实的流动空间,计算出采收率、含水率等岩心驱替实验结果,与真实岩心驱替实验相对比,具有较好的预测效果。

    双液相系统下变径毛细管渗吸时间与渗吸速度的计算方法

    公开(公告)号:CN115436256A

    公开(公告)日:2022-12-06

    申请号:CN202211077632.9

    申请日:2022-09-05

    IPC分类号: G01N15/08

    摘要: 本发明双液相系统下变径毛细管渗吸时间与渗吸速度的计算方法涉及致密油藏开采技术领域,尤其涉及双液相系统下变径毛细管渗吸时间与渗吸速度的计算方法,包括如下步骤:确定变径毛细管结构参数、流体参数以及变径毛细管入口端压力和出口端压力;对变径毛细管每段单独求解结构积分变量;考虑固‑液壁面作用对黏度值进行修正;确定离散步数,以及离散步长;求解中间积分变量;计算变径毛细管任意位置处的渗吸时间与渗吸速度。本发明针对液液系统下非等径毛细管的渗流特点建立基础微观理论模型,考虑了渗吸驱替过程中压差及固‑液壁面作用对渗吸驱替的影响,为复杂孔隙结构的驱替渗吸计算提供了解析方法。

    一种油藏微生物群落竞争演化方法

    公开(公告)号:CN117198385A

    公开(公告)日:2023-12-08

    申请号:CN202311466857.8

    申请日:2023-11-07

    摘要: 本发明公开油藏微生物群落竞争演化方法,包括以下步骤:(1)获取研究区的油藏储层孔隙空间以及微生物群落的生长环境参数;(2)根据所述生长环境参数,采用格子玻尔兹曼算法计算油藏储层孔隙空间中微生物群落的生长环境参数分布情况;(3)获取油藏储层内微生物在不同外部环境下的生长数据曲线和生长模型,并存储在数据库中;(4)根据所述生长数据曲线,采用元胞自动机原理定义其群落增长模型;(5)结合步骤(2)的计算结果,应用步骤(4)定义的群落增长模型,对油藏储层孔隙空间内微生物群落进行演化,实时输出微生物群落竞争演化结果。所述方法能实现微生物在油藏储层内群落的演化模拟,为提高微生物驱油技术提供一定的理论基础。

    一种基于支持向量机的致密油藏常规井产量预测方法

    公开(公告)号:CN114320266B

    公开(公告)日:2023-11-28

    申请号:CN202111360449.5

    申请日:2021-11-17

    摘要: 本发明涉及一种基于支持向量机的致密油藏常规井产量预测方法,包括如下步骤:收集影响储层产量的影响因素,将影响因素记为A,分别计算得到上述影响因素的皮尔森相关系数X;筛选 大于0.1时对应的影响因素A,采用哈达玛积的形式将影响因素A与皮尔森相关系数X进行组合,得到融合因素α;利用支持向量机回归法,以α作为输入变量,以储层产量y为输出变量,代入公式计算得到产量预测结果。通过对产量影响参数分析,利用影响权重筛选出主要影响因子,将权重与影响参数组合成融合参数,带入支持向量机算法,选用高斯核函数,进行数据训练,得到产量预测模型。在后续预测中可直接应用该模型,通过影响参数输入,来得到对应的产量预测结果。

    一种基于支持向量机的致密油藏常规井产量预测方法

    公开(公告)号:CN114320266A

    公开(公告)日:2022-04-12

    申请号:CN202111360449.5

    申请日:2021-11-17

    摘要: 本发明涉及一种基于支持向量机的致密油藏常规井产量预测方法,包括如下步骤:收集影响储层产量的影响因素,将影响因素记为A,分别计算得到上述影响因素的皮尔森相关系数X;筛选大于0.1时对应的影响因素A,采用哈达玛积的形式将影响因素A与皮尔森相关系数X进行组合,得到融合因素α;利用支持向量机回归法,以α作为输入变量,以储层产量y为输出变量,代入公式计算得到产量预测结果。通过对产量影响参数分析,利用影响权重筛选出主要影响因子,将权重与影响参数组合成融合参数,带入支持向量机算法,选用高斯核函数,进行数据训练,得到产量预测模型。在后续预测中可直接应用该模型,通过影响参数输入,来得到对应的产量预测结果。