大庆油田高含水后期综合调整方案DSS的研究

论文摘要

针对大庆油田高含水后期的开发特征以及开发过程中存在的问题，对高含水后期综合调整方案以及决策支持系统进行了充分的研究，建立了大庆油田高含水后期综合调整方案决策支持系统。 对油田高含水后期开发动态特征进行了分析。基于模糊数学方法建立起动态分析与开发现状评价模型，利用数值模拟方法来预测压力场和饱和度场，在地质模型基础上，利用物质守恒原理、能量守恒原理、达西定律和状态方程，建立起描述流体渗流规律的偏微分方程(组)，然后把时间和空间离散化，即对时间和油层进行网格划分，进而建立描述网格块平均压力和饱和度的线性方程组，求解这种线性方程组得到压力场和饱和度场。利用动态劈分方法把注水量劈分到各个网格块，通过物质平衡方法建立起各网格块的含水饱和度预测方法，进而可以预测出剩余油饱和度。对智能计算决策支持系统的加权模糊逻辑推理、遗传算法进行了研究，遗传算法是建立在自然选择和群体遗传学机理基础上的随机、迭代和进化，具有广泛适用性的搜索方法。它模拟了自然选择和自然遗传过程中发生的繁殖、交配和变异现象，根据适者生存、优胜劣汰的自然法则，利用遗传算子逐代产生，优选个体，最终搜索到较优的个体。基于这些理论给出了高含水后期压裂、堵水、补孔、提液、关井、转注等增产措施的优选方法。首先根据各措施井层选择依据选出适合措施的井层，并给出能够明确考虑的影响因素，利用模糊评判方法进行一级评判和二级评判，对各因素权重打分，根据理论分析和经验统计，确定各因素的优选级和范围，进而选择出最适合措施的井层。 应用神经网络模型中的自组织神经网络模型和学习算法，通过对油田高含水后期开发动态的分析以及措施方案优选建立起大庆油田高含水后期综合调整方案，并利用多指标综合评价方法对综合调整方案进行评价。该评价方法采用专家评议法和层次分析法确定指标权重系数，对各项指标数据进行无量纲归一化处理，解决了对不同计量单位的不可公度问题，对高含水后期综合调整方案做出更准确的评价。最后形成大庆油田高含水后期综合调整方案

论文目录

• 第1章 绪论
• 1.1 论文研究的背景和意义
• 1.1.1 论文研究的背景
• 1.1.2 论文研究的目的和意义
• 1.2 国内外研究现状
• 1.2.1 水驱动态指标预测和措施方案优选的国内外研究现状
• 1.2.2 高含水后期调整方案国内外研究现状
• 1.2.3 决策支持系统（DSS）国内外研究现状
• 1.3 论文的主要内容及研究方法
• 1.3.1 论文研究的主要内容
• 1.3.2 论文研究的主要方法
• 1.4 论文的创新之处
• 第2章 相关理论综述
• 2.1 油田高含水后期相关理论综述
• 2.1.1 高含水后期注水开发方式相关理论
• 2.1.2 油田高含水后期注水—产液结构的相关理论
• 2.1.3 高含水后期综合调整方案评价方法
• 2.2 决策支持系统（DSS）相关理论综述
• 2.2.1 决策模型
• 2.2.2 决策科学化
• 2.2.3 决策支持系统（DSS）
• 2.2.4 智能决策支持系统
• 2.3 知识发现理论
• 2.3.1 智能计算
• 2.3.2 数据挖掘相关理论
• 2.4 本章小结
• 第3章 基于模糊数学方法的动态分析与开发现状评价
• 3.1 动态分析开发现状评价框架的构建
• 3.2 网格划分
• 3.2.1 时间的离散化
• 3.2.2 油层空间及其离散化
• 3.3 非均质二维单相流压力场预测方法
• 3.3.1 两相流到单相流的简化
• 3.3.2 单相流压力预测数学模型
• 3.3.3 压力分布的求解方法
• 3.3.4 单井动态控制单元的确定
• 3.4 剩余油饱和度及分层动态指标预测
• 3.4.1 渗流阻力计算
• 3.4.2 劈分水量及剩余油饱和度预测
• 3.4.3 注采比的影响
• 3.4.4 分层动态指标预测
• 3.4.5 水井垂向上劈分系数的计算
• 3.4.6 平面分配系数的计算
• 3.4.7 分层动态指标预测方法
• 3.4.8 分层动态指标预测与跟踪模拟
• 3.5 本章小结
• 第4章 基于智能计算的决策支持模型
• 4.1 决策支持模型的体系框架
• 4.2 基于智能计算的决策支持系统（DSS）体系结构
• 4.3 基于神经网络的决策支持模型
• 4.4 基于加权模糊推理网络的决策模型
• 4.4.1 加权模糊逻辑推理
• 4.4.2 加权模糊推理元
• 4.4.3 加权模糊推理网络模型
• 4.5 基于模糊专家系统的决策支持
• 4.5.1 模糊专家系统与普通专家系统的区别
• 4.5.2 模糊专家系统的特征
• 4.5.3 模糊专家系统的构成
• 4.5.4 模糊专家系统的一种结构方案
• 4.6 基于模糊神经网络的决策模型
• 4.6.1 模糊多层感知器
• 4.6.2 基于多层模糊感知器的专家系统
• 4.7 基于遗传算法的决策支持
• 4.7.1 遗传算法的基本原理
• 4.7.2 基于产生式规则的知识表示方法
• 4.7.3 基于遗传算法的推理方法
• 4.7.4 基于遗传算法的学习方法
• 4.8 基于智能计算的措施方案优选模型及相应决策知识库的建立
• 4.8.1 压裂井层选择模型及知识库的建立
• 4.8.2 堵水井层优选及堵水效果的预测模型及知识库的建立
• 4.8.3 补孔井层选择模型及知识库的建立
• 4.8.4 转注井选择模型及知识库的建立
• 4.8.5 关井井位选择模型及知识库的建立
• 4.8.6 提液井选择模型及知识库的建立
• 4.8.7 调剖井选择模型及知识库的建立
• 4.8.8 多因素综合决策
• 4.9 本章小结
• 第5章 基于神经网络的开发调整方案模拟
• 5.1 开发调整方案的体系框架
• 5.2 人工神经网络模型
• 5.2.1 神经网络信息处理的特点
• 5.2.2 神经网络模型及学习算法
• 5.3 基于神经网络的决策支持系统（DSS）结构
• 5.4 基于神经网络的开发调整方案模拟
• 5.4.1 网格层系的划分及网格加密
• 5.4.2 历史拟合
• 5.4.3 单井水驱模拟
• 5.4.4 纵向非均质水驱剖面模拟方法
• 5.4.5 模拟的数值误差分析
• 5.4.6 措施经济指标评价方法
• 5.5 本章小结
• 第6章 高含水后期综合调整方案决策支持系统（DSS）实证研究
• 6.1 高含水后期综合调整方案决策支持系统（DSS）框架
• 6.2 高含水后期综合调整方案决策支持系统（DSS）的模型库框架
• 6.2.1 优选参数
• 6.2.2 数值计算
• 6.3 高含水后期综合调整方案决策支持系统（DSS）的数据库框架
• 6.3.1 信息维护
• 6.3.2 数据汇总
• 6.3.3 系统数据源
• 6.4 高含水后期综合调整方案决策系统（DSS）的应用
• 6.4.1 措施调整跟踪模拟
• 6.4.2 北三西280队调整方案及效果预测
• 6.5 本章小结
• 结论
• 参考文献
• 攻读博士学位期间发表的论文和取得的科研成果
• 致谢
• 个人简历