当前位置:首页 > 工业技术
油田难采储量分类与评价方法研究
油田难采储量分类与评价方法研究

油田难采储量分类与评价方法研究PDF电子书下载

工业技术

  • 电子书积分:9 积分如何计算积分?
  • 作 者:李志,翁克瑞,诸克军等著
  • 出 版 社:武汉:中国地质大学出版社
  • 出版年份:2013
  • ISBN:9787562532811
  • 页数:177 页
图书介绍:我国油田资源日益紧缺,许多油田的开发项目转向低孔、低渗的难采储量。难采储量的开发同时面临技术风险和经济风险,需要认真评估油田的开采效果和经济效益。然而,面对复杂、繁多的油田勘探、开发条件,油田项目工作者依据现有的一些评价标准,只能给出单个储层、物性等指标的分类,无法给出储量的综合评价,在缺乏综合评价指标体系的情况下依赖于主观经验和判断,未充分挖掘现有的勘探和开发信息,更不能准确反映未开发区块的经济评价。为此,本文按全面性、数据完整性、数据非均值、指标弱相关性、公平性、强解释性原则构建了储量分类评价指标体系,指标包含开发效果、区块属性、经济评价三个板块,建立组合赋权模型计算区块属性指标的权重,设计FCM算法确定已开发区块的开发效果分类,并将FCM分类结果分别与组合赋权模型、BP神经网络算法、判别分析方法相结合,构建了未开发区块的分类方法,最后我们针对未开发区块的开发项目评价,提出了体现产出衰减效应的经济评价方法。
《油田难采储量分类与评价方法研究》目录

1 绪论 1

1.1 研究背景和意义 1

1.1.1 研究背景 1

1.1.2 研究意义 3

1.2 研究目标、研究内容和拟解决的关键问题 4

1.2.1 研究目标 4

1.2.2 研究内容 4

1.2.3 拟解决的关键问题 6

1.3 拟采取的研究方法、技术路线、实验方案及可行性分析 6

1.3.1 研究方法 6

1.3.2 技术路线 7

1.3.3 实验方案及可行性分析 8

1.4 本书主要创新点 8

2 难采储量开发与分类评价研究现状 10

2.1 难采储量的开发现状与相关技术 10

2.2 难采储量的分级 15

2.2.1 国际通行石油储量分级方法 15

2.2.2 我国石油储量现行分级与分类 17

2.2.3 难动用储量的分类 24

2.3 难采储量评价指标体系研究 27

2.4 指标权重的确定方法 29

2.5 分类评价方法 31

2.6 难采储量开采建设项目经济评价 35

2.7 难采储量灵敏度分析 42

2.8 小结 43

3 储量分类评价指标体系 44

3.1 指标选择原则 44

3.2 基于全面性和数据完整性的难采储量评价指标体系 45

3.2.1 开发效果指标 47

3.2.2 属性指标 48

3.2.3 经济评价指标 54

3.3 指标筛选 54

3.4 小结 58

4 储量开发效果的FCM分类 59

4.1 问题背景 59

4.2 FCM分类方法 62

4.3 大庆油田计算实例 65

4.4 本章小结 69

5 难采储量分类评价指标权重计算 70

5.1 组合赋权模型 71

5.2 指标权重计算结果 71

5.3 本章小结 75

6 未开发区块难采储量分类 76

6.1 基于组合赋权分类结果 78

6.2 基于BP神经网络的分类 82

6.2.1 BP神经网络算法 82

6.2.2 已开发区块储量分类与油层相关属性关系 88

6.2.3 未开发区块储量分类 93

6.3 基于判别分析的分类 98

6.3.1 判别分析法 98

6.3.2 已开发区块储量分类与油层相关属性关系 99

6.3.3 未开发区块储量分类 113

6.4 分类方法比较及适宜性分析 118

6.4.1 分类方法比较 118

6.4.2 分类方法适宜性分析 119

6.5 本章小结 120

7 难采储量经济评价及灵敏度分析 121

7.1 难采储量经济评价方法 121

7.2 “产量-时间”曲线 123

7.2.1 样本数据及其预处理 123

7.2.2 曲线拟合 128

7.3 难采储量经济评价 133

7.3.1 评价参数取值 133

7.3.2 区块成本预算 135

7.3.3 区块产量收入预算 136

7.3.4 区块投资回收期预算 138

7.3.5 区块净现值预算 139

7.3.6 区块内部收益率预算 140

7.3.7 区块综合评价结果 141

7.4 难采储量灵敏度分析 143

7.4.1 B04、B02、B03、B06、B05区块灵敏度分析 145

7.4.2 B01区块灵敏度分析 148

7.5 小结 149

8 总结与展望 150

参考文献 153

附录 162

附录Ⅰ FCM分类 162

附录Ⅱ 组合赋权法程序 169

附录Ⅲ BP神经网络 172

返回顶部