基于突变级数法和神经网络的丛式井产量劈分
为降低生产成本，提高开发效益，采用的计量方式误差较大，使得单井产量无法获得，影响后期生产措施的调整.本文在充分了解气田现有资料的基础上，探索一种切实有效的产量劈分方法，准确地获得单井的实际产量，使得通过单井生产动态分析获得的成果更接近实际，进一步指导开发方案部署，减少开采成本.因此，研究气藏的气井产量劈分方法具有重要的意义.针对苏里格气田丛式井的产量劈分，本文利用BP神经网络进行研究，并对比目前使用的递减规律、节流器临界流公式法.通过突变级数法和BP神经网络，对井的静态和动态参数进行机器学习，从而预测产量，并根据预测的产量进行产量劈分.利用递减规律进行产量劈分平均误差为16.73％，利用井下节流器临界流公式进行产量劈分平均误差为15.4％，利用突变级数法结合BP神经网络算法进行产量劈分平均误差为9.84％.除了根据其无阻流量划分配产，也应该研究其生产规律和动态特征，结合多种计算方法进一步优化配产.
突变级数法 神经网络 产量劈分
刘玮 杨政海 郭鹏 张利锋 丁浩
中国石油长庆油田分公司第一采气厂,陕西靖边 718500
国内会议
银川
中文
279-283
2021-08-01（万方平台首次上网日期，不代表论文的发表时间）