简介:1956年美国计算机科学家约翰麦卡锡组织召开了达特茅斯会议,会议上首次提出“ArtmcialInteuigence”一词,也就是我们沿用至今的“人工智能”一词。直到最近十几年,随着计算机计算能力越来越强大以及互联网的普及,巨大的流量数据成为孕育人工智能领域快速发展的肥沃土壤。石油勘探开发过程中也伴随了庞大数据的产生,对数据的处理和深度挖掘需求日益迫切,建立在机器学习基础上的人工智能也呼之欲出。早在上世纪80年代中期,人工智能技术与计算机硬件体系结构的密切结合,出现了一批适应勘探开发需要的实用技术。这些技术发展到今天,以人工神经网络技术、模糊逻辑、专家系统作为人工智能的典型代表技术应用较为活跃,已渗透到石油勘探开发的各个环节,对石油工业产生了重要的影响。
简介:工作经验表明,开发期间原油和凝析气井的实际产能会明显降低。当井底压力(Pp)低于泡点压力(Pbp)时油藏的产量就会降低。凝析气井中的产能下降主要是由于近井地带中的反凝析引起的。在原始凝析油含量高,尤其是带有残余油的油气藏中,这种效应是非常显著的。该研究的实验结果证明,在孔隙表面最初为部分非水湿(疏水),或者原油和凝析油在多孔介质中渗滤期间变为疏水的油藏中,产量降低就会发生。本文概述了用于实际油气井产能恢复的方法。其基础是用各种化学品将孔隙表面从完全或部分非水湿(疏水)改变为水湿(亲水)。该过程称之为亲水化,它可以恢复初期产能,降低水驱期间可动水层水锥进和水侵的可能性。介绍了亲水化的实际效果及现场应用情况。
简介:许多致密气井和页岩气井的线性流态都可以持续数年。然而,非常规油藏(如巴肯油藏)生产分析表明,线性流态并不是唯一的主导流态。现场数据表明,受增产处理油藏体积(SRV)影响的边界流(boundary—dominatedflow)和复合线性流的持续时间一般要远长于早期的线性流态。根据裂缝网络或SRV模式,非常规油藏的线性流态可能只持续几个月,但对估计最终开采量(EUR)的贡献却高达约30%。本研究提出了一种基于解析模型来识别裂缝网络模式和获取相关流动参数的方法,由此得出的油藏描述结果被移植到油藏~流量数值模拟模型中,用于捕捉非常规油藏系统中压实作用、多相流动特性以及各种流态对开采动态的影响。这种方法有助于认识油井的开采动态,以便于了解历史拟合情况。特别是,文中通过产量不稳定分析确定了裂缝网络模式和流态,通过数值模拟与解析模型相结合,开展了生产动态约束下的历史拟合;对非均质效应、压实效应和多相流效应进行了敏感性分析;此外,还介绍了本方法在巴肯油井的现场应用。研究认为,在开展详细的油藏一流量数值模拟研究之前,应当先进行解析模拟。该项研究成果为改善非常规油藏描述奠定了基础。
简介:泥岩孔隙网络对于沉积盆地流体动力学特征有很强的改变作用,对于油气分布和注入流体的封存也有关键的作用。我们从陆相和海相泥岩中采集了岩心样品,深入研究了各种地质环境中孔隙类型及其网络的特性,并通过压汞孔隙度仪测量估算了毛细管突破压力。,利用双聚焦离子束扫描电子显微镜获得了定量的和定性的三维(3D)观察结果,对这些观测结果进行分析和解释发现,根据形态与连通性可以划分出七种主要的泥岩孔隙类型。在所研究的全部泥岩样品中,都存在一种主导的面状孔隙类型(planarporetype),而且其配位数(即相邻连通孔隙的数目)通常较大。由于在连通孔隙d的连接点处孔喉较小,这种类型的连通孔隙网络是导致压汞毛细管压力较高的原因,而且可能对这类泥岩中大部分的基质(流体)输导能力有控制作用。其他孔隙类型与自生(如交代或孔壁附着结晶)粘土矿物和黄铁矿结核有关,包括与体积更大、刚性更强的碎屑颗粒相邻的粘土团(claypacket)中的孔隙、有机相中的孔隙以及与缝合线和微裂缝有关的孔隙等。自生粘土矿物分布区内的孔隙通常会形成较小的孤立孔隙网络(〈3μm)。有机相细脉里的孔隙以管状孔隙或槽状和/或片状孔隙的形式存在。这些孔隙在3D重建空间中可以形成较短的连通网络,但所形成的孔隙网络的长度似乎超不过几个微米。本文研究的泥岩层的封闭效率随着沉积地点到物源区的距离和最大埋深的增大而提高。
简介:通过监测诱发的微地震事件可以描述水力裂缝的分布,这些裂缝一般沿着垂直于区域最小应力的方向生长发育。然而,在较小的规模上,岩石矿物成分的变化以及现有的断层和裂缝网络会影响人工裂缝网络的发育。我们把微地震事件的位置与由多道反射地震资料提取的地震属性进行了综合,这些地震资料包括波阻抗反演结果、拉梅参数以及地震曲率属性。研究发现,微地震事件位置与波阻抗低值以及入ρ和μρ低值区段具有很好的相关性,这些参数可以描述北得克萨斯州巴尼特组下段和上段页岩中易破裂层段的典型物理性质。此外,微地震事件位置与根据体积曲率(volumetriccurvature)确定的背斜构造的关联性比较弱。我们认为,波阻抗以及入ρ和μρ低值区与充填有方解石的裂缝和围岩之间的界面具有关联性。