论文摘要
随着我国国民经济快速的发展,石油消费总量日益增长,1991年我国石油消费量增长率首次大于原油产量增长率,自1993年开始,我国由石油净出口国转变为净进口国,石油消费缺口日益增大。根据国务院2012发布的《中国的能源政策》白皮书称,中国生产原油20748万吨,同比增长1.9%；进口原油27109万吨,同比增长7.3%；原油对外依存度56.4%,分析认为这一数据将继续攀升。石油资源作为一种重要的非再生自然资源,影响着每个国家和地区的经济发展、政治稳定、军事安全和外交政策,因此我国将石油资源列为影响社会经济可持续发展的战略资源之一。历经五十余年的发展,我国逐步形成“两种资源,两种市场”的战略格局,一方面,加强与国际石油生产国的沟通与合作,积极利用国际石油资源来弥补自身消费缺口；另一方面,立足国内,加强对国内生产油田的勘探、开发和利用,充分实现油田稳产增产工作,提高油田的利用率和自给率。然而,国内油田生产形势却较为严峻。据资料统计,我国大部分陆上油田都进入了开采的中后期,油田产量递减日益加快,综合含水率大都已经接近90%,可采储量采出程度也相对较高,“老字辈”大型油田都已进入特高含水期和高采出程度的双高阶段,开采经济效益相对较低。对于这些进入开采中后期的主力油田而言,如何优化选取量化指标客观真实地反映油田开发现状?如何实现对油田开发指标变化规律的预测?如何反映油田识别和判定油田开发的潜力和前景?如何综合全面地评价油田的开发技术效益和经济效益?这些都是油田值得思考和探索的问题。本文选择大庆油田某典型试验区作为研究对象,以石油开发指标变化规律预测及效益评价为研究内容,不仅具有较好的理论研究价值,同时也具备较强的实践应用参考意义。针对上述提及的问题,本文的创新点主要体现在以下几个方面：第一,如何优化选取量化指标客观真实反映油田开发效益?油田在生产过程中积累了大量的数据,但这些生产数据往往存在冗余大、不完整和属性关系复杂等特点,难以直接有效地加以利用。那么,如何通过有效的方法对这些繁杂的数据进行识别和处理,以提取对油田开发评价有用的信息,并优化选取得到科学合理的评价指标,将是本文研究的重点所在。在评价指标优化选取的方法上,本文将硬计算和软计算两种方法相融合,基于相关分析创建SVM-FCM特征选择模型。首先将评价模式结果分为5类（很好,好,中等,差,很差）,接着提出影响油田开采效益的相关技术指标：生产天数、泵深、动液面、含水率、产油量和产量递减率,最后通过计算SVM灵敏度和相关系数的绝对值,优选出影响油田开采效益的关键指标为产量递减率。第二,如何实现对油田开发指标变化规律的预测?基于遗传算法优化BP神经网络,构建石油产量预测模型。BP神经网络具有较强的并行存储和并行计算的能力,以及较强的自学习能力和非线性映射能力,适用于复杂多变的油田地质数据。但是,BP神经网络算法本质上是局部搜索算法,预测结果的准确在很大程度上取决于样本数据的准确性,因此如果利用遗传算法的全局搜索能力,优化神经网络的网络权值和阈值,能较好地提高神经网络的收敛速度和预测精度,以实现两者互补,发挥各自长足,提高模型的仿真精度与自适性。首先本文将油田综合含水率、产量递减率、流动系数和采收率作为输入因子,并确定平均月产油量为关键预测输出指标；然后对原始数据进行归一化处理,消除各因素之间量纲的差异对预测带来的影响；最终结合BP神经网络和遗传算法确定各个因子的个体编码,实现油田产量的预测。结果表明,平均月产油量的仿真预测结果与原始产量训练数据具有较好的一致性,这就说明基于遗传算法优化BP神经网络来预测石油产量,预测准确性较高。第三,如何反映油田识别和判定油田开发的潜力和前景?建立了反映剩余油饱和度和剩余油储量丰度的量化指标体系,从而构建出剩余油潜力评价模型和水驱开发效果评价模型,并运用变异系数法确定各个指标的权重,以有效地对典型试验区开发潜力进行科学分类。第四,如何综合全面地评价油田的开发技术效益和经济效益?我国大多数油田都面对着多井、低产、高含水和高采出的开发局面,如果从技术效益或经济效益单方面地对油田做出评价,难免会以偏概全,很难做到定量评价。那么,如何通过精细准确的评价方法综合全面地对油田效益进行定性定量表述呢?油田开发效益受到市场经济、地质条件、政策计划和生产工艺设备等多种因素的制约和影响,本文基于模糊数学的综合评价,根据模糊数学隶属度理论,运用定性和定量评价相结合的方法对油田整体开发效益做出一个综合的评价。本文的主要研究内容和章节安排如下：第一章,绪论部分。本章简要介绍了选题的研究背景和意义,概述了研究内容与结构,以及本文主要的创新点。第二章,评价指标的优化选取。本章对属性约简的历史发展进程和实践应用价值做了简单的介绍,概述了属性约简常用的方法,其中包括基于差别矩阵的属性约简、启发式的属性约简、不完备性系统中的属性约简、分布式和并行式的属性约简算法,以及特征转化和子集选取。基于上述理论研究基础,并结合油田实际生产状况（原始属性集合包括：生产天数、泵深、动液面、含水率和产油量）,本章在构建油田效益评价指标过程中引入了基于硬计算（Hard Computing, HC）模式和软计算（Soft Computing, SC）模式融合的属性约简思路,采用基于相关分析的SVM-FCM特征选择,首先构建5个不同的SVM灵敏度分析器,计算原始属性集合每个指标的灵敏度值来进行初步约简,进而计算变量间相关系数的绝对值,以识别最优特征。我国油田效益评价指标在指标规范性、方法科学性和结果客观性等方面都存在着一定的不足,而这些不足恰是本章研究的重点所在。第三章,开发技术效益评价。本章从综合含水率、产油量状况、累计产油量和增油量、产量递减率、井网密度五个方面客观全面地反映了大庆油田BED试验区的开采现状,从开发技术效益的角度对该试验区做出了评价。其中,在产量递减率指标描述过程中,分别计算出不同影响因素的变化系数,得出了影响产量递减的关键因素为：井网密度变化、生产压差变化、流动系数变化和含水系数变化。另外,在井网密度指标描述过程中,分别介绍了经济合理井网密度和经济极限井网密度的概念,在不同收益水平、不同投资开发年限、不同石油价格、不同税收水平等各方面条件下,计算出大庆油田BED试验区不同的井网密度界限值,给油田制定生产决策和方案选择时提供可行性建议。第四章,基于遗传算法优化BP神经网络的原油产量预测。在实际操作应用过程中,高含水阶段油田的地质数据具有复杂多变的特点,因此本章在原油产量预测模型构建过程中,将BP神经网络和GA遗传算法相结合,利用遗传算法优化神经网络初始权值和阈值,这样就能有效地减少模型预测的不确定性,使得神经网络可以更快达到稳定状态,进而提高产量预测结果的准确度,最终得到最优预测结果。在案例分析中,遵循数据可得性、全面性、动态性、对比性和独立性等原则,本章选取了综合含水率、产量递减率、流动系数和注采比为输入因子,平均月产油量为输出因子,通过训练数据和测试数据的一致性表明,遗传算法优化下的BP神经网络具有较高的准确性,该方法比较适合特高含水期油田的产量预测。第五章,经济效益动态评价。本章从经济效益的角度,基于大庆油田BED试验区2009年项目建设总投资估算,分别从投资回收期、净现值、内部收益率、投资利润率和利税率等角度对该试验区进行经济效益评价。另外,考虑到油田生产决策的特殊性,本章将经济效益转化为经济产量和经济储量,提出了经济动态下限产量和经济极限储量两个评价指标,使得经济效益动态评价更加直接化和可视化。其中,在经济动态下限产量和经济极限储量模型构建过程中,充分考虑了资金时间价值、市场价格波动和成本的变化,在盈亏平衡净现值为零的思路下,推导计算出试验区油田的经济界限值,这对增加经济预警意识,制定科学合理的投资决策具有重大的意义。第六章,剩余油潜力评价。如何确定剩余油分布规律以及如何对其进行潜力评价是油田开发中后期井网密度综合调整挖潜的关键所在,因此本章首先介绍了剩余油潜力评价的评价思路,首先,通过油田油水相对渗透状况和含油饱和度描述评价区域的水淹状况,进而利用经济合理井网密度和单井经济储量描述评价区域的剩余油经济储量丰度,最终将两者进行联立评价得出剩余油潜力综合评价。研究结果表明,大庆油田BED试验区进入特高含水期阶段,其水淹状况属于“强水淹”级别,但其可采储量丰度远大于经济储量丰度,这就说明该区域还有较大的可采空间。第七章,油田效益综合评价。前面分别从技术效益和经济效益的角度分别评价了油田开发效益,那么如何综合反映评价区域的整体开发效果呢?这就是本章的研究重点所在。本章首先将效益综合评价指标分为开发技术指标、生产管理指标和经济效益指标三大类,优化选取了井网完善状况等11个评价指标,并采用变异系数客观赋权的方法来确定各指标的权重,进而采用岭型隶属度函数模型构建各个评价等级,并采用评判矩阵进行单指标标准化评价,最终进行多指标加权综合评价,即分别对每一类指标内相关权重进行评价,从而得到油田整体开发效果。本章构建了适用于油田效益综合评价的指标体系,综合效益评价模型分析结果表明大庆油田BED试验区整体开发效果较好,采用逆向分析方法对评价结果进行解析,发现影响开发效果的核心因素为开发技术类指标中的“综合递减率”和“自然递减率”。因此,加强对综合递减率和自然递减率的控制,才能更好地实现老油田稳产、增产挖潜工作。