Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот ресурс: http://earchive.tpu.ru/handle/11683/5383
Название: Разработка искусственных нейронных сетей для предсказания технологической эффективности от выравнивания профиля приёмистости
Другие названия: Design of artificial neural networks for predicting the technological efficiency of improving water injection profile
Авторы: Келлер, Юрий Александрович
Ключевые слова: нефтеотдача; увеличение; приемистость; профили; нагнетательные скважины; сшитые полимеры; полимерные системы; искусственные нейронные сети; enhanced oil recovery methods; improving water injection profile; injector well; cross-linked polymer system; artificial neural networks
Дата публикации: 2014
Издатель: Томский политехнический университет
Библиографическое описание: Келлер Ю. А. Разработка искусственных нейронных сетей для предсказания технологической эффективности от выравнивания профиля приёмистости / Ю. А. Келлер // Известия Томского политехнического университета [Известия ТПУ]. — 2014. — Т. 325, № 5 : Информационные технологии. — [С. 60-65].
Аннотация: Актуальность исследования обусловлена необходимостью разработки новых численных алгоритмов оценивания технологической эффективности мероприятий по интенсификации добычи нефти, отличающихся от существующих классических подходов идейной простотой и меньшей трудоёмкостью. Предложенная методика может применяться для оценки технологической эффективности мероприятий как альтернатива использованию гидродинамического моделирования, которое при высокой сложности реализации на практике дает не всегда точные результаты. Цель исследования: разработка методологии оценки технологической эффективности операций по выравниванию профиля приёмистости на нагнетательной скважине, основанной на теории искусственных нейронных сетей; проверка предсказательной способности разработанной методики на основе фактически проведенных мероприятий. Методы исследования: анализ и обобщение результатов проводившихся в период с 2008 по 2011 гг. операций по выравниванию профиля приёмистости на нагнетательных скважинах одного из месторождений; анализ влияния геолого-физических характеристик и технологических показателей работы скважин на итоговый результат проведения выравнивания профиля приёмистости с точки зрения получения дополнительной добычи нефти из-за снижения обводненности добываемой продукции. Результаты. Показана возможность использования искусственных нейронных сетей для оценки ожидаемой дополнительной добычи нефти в результате выполнения выравнивания профиля приёмистости на нагнетательных скважинах. На примере фактически проведённых в 2012 г. операций по выравниванию профиля приёмистости на одном из месторождений оценена погрешность прогнозирования эффективности данных мероприятий посредством разработанной модели искусственной нейронной сети. В сравнении с гидродинамическим моделированием, разработанная математическая модель позволила получить прогнозные показатели за гораздо меньший срок при сопоставимой точности предсказания.
The urgency of the discussed issue is caused by the need to develop the methodology for predicting efficiency of enhanced oil recovery methods. The methodology proposed can be used to evaluate the operation effectiveness as an alternative to application of hydrodynamic modeling, which does not always give accurate results at the high complexity of implementation in practice. The main aim of the study is to develop the methodology for predicting the technological efficiency of improving water injection profiles on injector wells by means of artificial neural networks and to check the predicting efficiency of the method developed on the basis of really conducted operations. The methods used in the study: analysis and summarizing of the results of improving water injection profiles on injector wells performed on one of the oil fields from 2008 to 2011; analysis of the influence of geological and physical characteristics and the technological productivity of wells on the total result of improving water injection profiles in terms of additional oil production due to lower water cut. The results. The paper demonstrates the possibility of using artificial neural networks for estimating the expected additional oil production as a result of improving water injection profiles on injector wells. Based on the operations of improving water injection profiles performed on one of the oil fields, the author has estimated the deviation in predicting the efficiency of improving water injection profiles by means of the suggested artificial neural network model. In comparison with the hydrodynamic modeling the developed mathematical model allowed obtaining forecast parameters for a shorter period with comparable prediction accuracy.
URI: http://earchive.tpu.ru/handle/11683/5383
ISSN: 1684-8519
Располагается в коллекциях:Известия ТПУ

Файлы этого ресурса:
Файл Описание РазмерФормат 
bulletin_tpu-2014-325-5-07.pdf218,68 kBAdobe PDFПросмотреть/Открыть


Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.