致密砂岩气层压裂产能及等级预测方法

doi:10.13278/j.cnki.jjuese.201502306

摘要/Abstract

摘要：

致密砂岩储层孔隙度小、渗透率低、含气饱和度低,基本上没有自然产能,需要进行压裂,因此进行压裂产能的预测很有必要。笔者研究了鄂尔多斯盆地苏里格东部地区盒8段致密砂岩气层的压裂产能及等级预测。利用反映储层流动性质的测井参数(电阻率、自然伽马、声波时差、中子、密度)与反应压裂施工情况的压裂施工参数(单位厚度砂体积、砂比、砂质量浓度、单位厚度排量、单位厚度入井总液量),选择数学统计方法神经网络法进行致密砂岩气层压裂产能等级预测。分析比较Elman神经网络、支持向量回归(SVR)、广义回归神经网络(GRNN)3个神经网络预测致密砂岩气层压裂产能模型的网络结构参数、回判及预测精度以及运行耗费时间。结果表明:3个模型中,GRNN网络参数只有1个,回判和预测精度最高,运行时间小于1 s。因此,选择GRNN模型预测致密砂岩气层压裂产能,并用于苏里格东部地区致密砂岩气层压裂产能的等级预测。等级预测准确率达到90%。

关键词: Elman神经网络, 支持向量回归, 广义回归神经网络, 苏里格地区, 致密砂岩, 压裂产能

Abstract:

Tight sandstone reservoirs are always with the characterized by the low porosity, low permeability, and low gas saturation, hardly have any natural capacity,needing fracturing for productivity, fracturing capacity prediction is necessary. We mainly research the method of the gas productivity and level prediction for post-frac tight sandstone reservoirs in the eastern of Sulige region of the Ordos basin. The prediction model is established by neural networks with the logging parameters (R_T, GR, AC,CNL,DEN)and fracturing parameters(the amount of sard per meter,the sand ratio,the sand concentration,delivery capacity per meter,total amount of fluid injection the well per meter). The neural networks are Elman neural network, support vector machine (SVR) neural network, and GRNN neural network. We compared the results of three models, and picked up the best model GRNN model to predict the level of the gas productivity.

Key words: Elman networks, support vector regression, GRNN networks, Sulige area, tight sandstone, fracturing capacity

中图分类号:

P631.8

潘保芝, 石玉江, 蒋必辞, 刘丹, 张海涛, 郭宇航, 杨小明. 致密砂岩气层压裂产能及等级预测方法[J]. 吉林大学学报(地球科学版), 2015, 45(2): 649-654.

Pan Baozhi, Shi Yujiang, Jiang Bici, Liu Dan, Zhang Haitao, Guo Yuhang, Yang Xiaoming. Research on Gas Yield and Level Prediction for Post-Frac Tight Sandstone Reservoirs[J]. Journal of Jilin University(Earth Science Edition), 2015, 45(2): 649-654.

参考文献

[1] 黄布宙, 潘保芝, 李舟波. 大庆徐家围子地区深部致密砂砾岩气层识别[J]. 吉林大学学报: 地球科学版, 2003, 33(4): 490-494. Huang Buzhou, Pan Baozhi, Li Zhoubo. The Recognition of Gas-Bearing Tight Sandstone Gravel Reservoirs at the Deep of Xujiaweizi in Daqing[J]. Journal of Jilin University: Earth Science Edition, 2003, 33(4): 490-494.

[2] 董建刚, 范晓敏. 致密砂岩孔隙度计算方法[J]. 吉林大学学报: 地球科学版, 2006, 36(增刊1):193-196. Dong Jiangang, Fan Xiaomin. A Method to Calculate Porosity of Compact Sandstone[J]. Journal of Jilin University: Earth Science Edition, 2006, 36(Sup.1):193-196.

[3] 高永利, 孙卫, 张昕. 鄂尔多斯盆地延长组特低渗透储层微观地质成因[J]. 吉林大学学报:地球科学版, 2013, 43(1): 13-19. Gao Yongli, Sun Wei, Zhang Xin. Microscopic Geologic Origin for Ultra-Low Permeability Reservoir of Yanchang Groups, Ordos Basin[J].Journal of Jilin University: Earth Science Edition, 2013, 43(1): 13-19.

[4] 时卓, 张海涛, 刘天定, 等.基于测井资料的苏里格气田致密砂岩储层产能预测方法[J]. 低渗透油气田, 2012, 1(1):71-77. Shi Zhuo, Zhang Haitao, Liu Tianding, et al. Logging Data Based Productivity Forecasting Method of Tight Reservoirs in Sulige Gasfield[J].Low Permearbility Oil & Gas Fields, 2012, 1(1): 71-77.

[5] 张丽华, 潘保芝, 庄华, 等. 低孔隙度低渗透率储层压裂后产能测井预测方法研究[J]. 测井技术, 2012, 36(1): 101-105. Zhang Lihua, Pan Baozhi, Zhuang Hua, et al. Productivity Log Forecasting Method for Post-Frac Reservoir with Low Porosity and Low Permeability[J].Well Logging Technology, 2012, 36(1): 101-105.

[6] 庄华. 苏里格致密砂岩气层压裂产能测井预测方法研究[D].长春:吉林大学, 2013. Zhuang Hua. Research on Gas Productivity Prediction Based on Logs for Post-Frac Tight Sandstone Reservoirs in Sulige Area[D].Changchun: Jilin University, 2013.

[7] 李小强, 赵彦超. 基于MATLAB 的广义回归神经网络的低渗特低渗砂岩气层产能预测[J]. 内蒙古石油化工, 2009(17): 138-141. Li Xiaoqiang, Zhao Yanchao. MATLAB-Based GRNN Hypotonic Low Permeability Sandstone Gas Production Forecast[J].Inner Mongulia Petrochemical Industry, 2009(17):138-141.

[8] 童凯军, 单钰铭, 廖特权, 等. 基于统计学的测井储层产能分级预测研究[J]. 天然气勘探与开发, 2008, 31(2): 40-43. Tong Kaijun, Shan Yuming, Liao Tequan, et al. Based on the Statistical Classification Logging Reservoir Capacity Forecast[J]. Natural Gas Exploration and Development, 2008, 31(2): 40-43.

[9] 陈元千.实用油气藏工程方法[M].东营:石油大学出版社, 1998. Chen Yuanqian. Practical Reservoir Engineering Methods[M]. Dongying: Petroleum University Press, 1998.

[10] 陈元千, 阎为格. 表皮系数的分解方法[J]. 断块油气田, 2004, 10(6): 32-35. Chen Yuanqian, Yan Weige. Decomposition of Skin Factor[J].Fault Block Oil & Gas Field, 2004, 10(6): 32-35.

[11] 高松厚, 郝玉鸿. 确定气井不同开发阶段无阻流量的简易方法:以长庆气田陕 7 井为例[J]. 新疆石油地质, 2001, 22(5): 441-443. Gao Songhou, Hao Yuhong. A Simple Method for Determination of Gas Well's Non-Resistivity Flow During Different Producing Stages: An Example from Well Shan 7 in Changqing Gasfield[J]. Xinjiang Petroleum Geology, 2001, 22(5):441-443.

[12] 时卓, 石玉江, 张海涛, 等. 低渗透致密砂岩储层测井产能预测方法[J]. 测井技术, 2012, 36(6): 641-646. Shi Zhuo, Shi Yujiang, Zhang Haitao, et al. Productivity Prediction of Tight Sand Reservoir with Low Permearbility in Sulige Gas Field[J].Well Logging Technology, 2012, 36(6): 641-646.

相关文章 13

[1]	王玉霞, 周立发, 焦尊生, 尚庆华, 黄生旺. 鄂尔多斯盆地陕北地区延长组致密砂岩储层敏感性评价[J]. 吉林大学学报(地球科学版), 2018, 48(4): 981-990.
[2]	蔡来星, 卢双舫, 张训华, 肖国林, 吴志强, 黄文彪. 基于孔喉结构建立致密砂岩储层评价方案——以松南中央坳陷泉四段为例[J]. 吉林大学学报(地球科学版), 2017, 47(6): 1654-1667.
[3]	张焕旭, 陈世加, 路俊刚, 刘超威, 陈娟, 李勇, 徐坤. “膨胀力”作用下致密砂岩储层石油运聚特征[J]. 吉林大学学报(地球科学版), 2017, 47(5): 1341-1351.
[4]	陈冬霞, 庞雄奇, 杨克明, 祝渭平, 严青霞. 川西坳陷深层叠复连续型致密砂岩气藏成因及形成过程[J]. 吉林大学学报(地球科学版), 2016, 46(6): 1611-1623.
[5]	刘鹏, 王伟锋, 孟蕾, 姜帅. 鄂尔多斯盆地上古生界煤层气与致密气联合优选区评价[J]. 吉林大学学报(地球科学版), 2016, 46(3): 692-701.
[6]	潘保芝, 蒋必辞, 刘文斌, 房春慧, 张瑞. 致密砂岩储层含气测井特征及定量评价[J]. 吉林大学学报(地球科学版), 2016, 46(3): 930-937.
[7]	李易霖, 张云峰, 丛琳, 谢舟, 闫明, 田肖雄. X-CT扫描成像技术在致密砂岩微观孔隙结构表征中的应用——以大安油田扶余油层为例[J]. 吉林大学学报(地球科学版), 2016, 46(2): 379-387.
[8]	刘四兵, 沈忠民, 吕正祥, 宋荣彩, 王鹏. 川西新场气田上三叠统须二、须四段相对优质储层成因差异性分析[J]. 吉林大学学报(地球科学版), 2015, 45(4): 993-1001.
[9]	王淑萍，徐守余，董春梅，王丽萍，刘春平. 东营凹陷民丰洼陷北带沙四下亚段深层天然气储层成岩作用[J]. 吉林大学学报(地球科学版), 2014, 44(6): 1747-1759.
[10]	李军, 邹华耀, 张国常, 李平平, 冯冲, 张彦振, 陈加松. 川东北地区须家河组致密砂岩气藏异常高压成因[J]. J4, 2012, 42(3): 624-633.
[11]	温忠辉, 任化准, 束龙仓, 王恩, 柯婷婷, 陈荣波. 岩溶地下河日流量预测的小样本非线性时间序列模型[J]. J4, 2011, 41(2): 455-458.
[12]	邓小英，李月. 基于Ricker子波核的支持向量回归方法及其在地震勘探记录去噪处理中的应用[J]. J4, 2007, 37(4): 821-0827.
[13]	唐海发，彭仕宓，赵彦超. 致密砂岩气藏储层流动单元划分方法及随机模拟[J]. J4, 2007, 37(3): 469-0474.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed