The invention discloses a machine learning method for predicting water breakthrough time of oil wells in fractured-cavern reservoirs with weathered crust. The method comprises the following steps: S01: determining the karst background of fractured-cavern reservoirs as weathered crust karst and determining the reservoir type of oil wells; S02: KNN algorithm for identifying oil pressure variation types of high-yield oil wells with water; S03: driving stage of fractured-cavern reservoirs and oil well pressure; Establishment of corresponding relationship of stage characteristics; establishment of quantitative chart of reservoir types in S04: fractured-vuggy reservoir; S05: statistics of influencing factors of water breakthrough and water breakthrough time in fractured-vuggy reservoir; determination of initial clustering center K in fractured-vuggy reservoir; establishment of k_means clustering prediction model of water breakthrough time in fractured-vuggy reservoir; establishment of quantitative chart of water breakthrough early warning and water breakthrough time in fractured-vuggled reservoir determined by the present invention The K
【技术实现步骤摘要】
一种基于机器学习的风化壳岩溶缝洞型油藏油井见水时间预测方法
本专利技术涉及缝洞型碳酸盐岩油藏油井见水时间预测方法,具体涉及一种基于机器学习的缝洞型油藏油井见水时间量化预测方法。
技术介绍
碳酸盐岩油气藏在世界油气的储量和产量上均位居首位,是国内外高度关注的研究对象。我国分布有大面积的碳酸盐岩地层,在碳酸盐岩油气藏的地质研究方面存在着巨大的创新空间。而缝洞型碳酸盐岩油藏作为其中的一种特殊类型,在国内外的油气资源中占有很大的比重。中国石化西北油田分公司塔河油田奥陶系油藏属于典型的缝洞型碳酸盐岩油藏,经过20多年的勘探开发,其已建成世界上最大的缝洞型碳酸盐岩油藏开发基地,保障了我国经济快速发展的能源供应。该油藏在多期构造运动和古岩溶的共同作用下形成了以溶蚀孔洞、裂缝为主要储集空间及流动通道的缝洞型碳酸盐岩油藏。此类型油藏储集空间类型多种多样,储集体形态十分复杂,并且在纵向上及平面上的空间展布具有相当的随机性,其所表现出的极强非均质性给此类型油藏的勘探开发带来了许多困难。根据塔河油田奥陶系缝洞型碳酸盐岩油藏开发实践的历史经验可以得出,虽然油藏目前的探明储量非常高,但由于无法控制含水率的快速上升,致使部分油井的产量递减过快,开发效果差。因此在缝洞单元见水时间及含水变化规律方面仍需进一步研究,才能提前掌握其变化趋势并根据具体情况实施有效的预防措施。目前,预测缝洞型油藏油井见水时间的方法主要有以下几种。①缝洞型底水油藏油井见水时间理论公式方法:参考常规砂岩油藏,基于底水锥进和高速非达西渗流原理,并结合底水锥进原理,提出了考虑隔板下部底水锥进的半球形径向渗流方式和隔板上部 ...
【技术保护点】
1.一种基于机器学习的风化壳岩溶缝洞型油藏油井见水时间预测方法,其特征在于,包括以下步骤:步骤一:确定缝洞型油藏的岩溶背景为风化壳岩溶,并确定油井所在储层的储层类型;步骤二:用knn算法识别已见水高产油井的油压变化类型;步骤三:通过风化壳岩溶机理模型数值模拟储层流体流动阶段和井口油井,通过油压变化特征的时间点确定储层流动阶段,建立风化壳岩溶油藏油井个驱动阶段与井口油压的对应关系;步骤四:划分油井的驱动阶段并统计各驱动阶段的无因次累产油量,建立风化壳岩溶背景油藏各储层类型的油井见水预警定量图版;步骤五:统计油井见水影响因素的数据,包括地质储量、底水发育程度、储集体类型、是否稠油井、进山深度、是否酸压、采出程度、是否零星见水、油井能量水平、瞬时产量以及见水时间;步骤六:通过交叉验证选取错误率最低的k,作为初始聚类中心值;步骤七:将待计算的油井数据代入k‑means算法中,作为未见水井的分类依据,从而进行风化壳岩溶背景缝洞型油藏油井见水时间的预测。
【技术特征摘要】
1.一种基于机器学习的风化壳岩溶缝洞型油藏油井见水时间预测方法,其特征在于,包括以下步骤:步骤一:确定缝洞型油藏的岩溶背景为风化壳岩溶,并确定油井所在储层的储层类型;步骤二:用knn算法识别已见水高产油井的油压变化类型;步骤三:通过风化壳岩溶机理模型数值模拟储层流体流动阶段和井口油井,通过油压变化特征的时间点确定储层流动阶段,建立风化壳岩溶油藏油井个驱动阶段与井口油压的对应关系;步骤四:划分油井的驱动阶段并统计各驱动阶段的无因次累产油量,建立风化壳岩溶背景油藏各储层类型的油井见水预警定量图版;步骤五:统计油井见水影响因素的数据,包括地质储量、底水发育程度、储集体类型、是否稠...
【专利技术属性】
技术研发人员:孙致学,姜宝胜,杨敏,刘国昌,何楚翘,龙喜彬,宣涛,谢爽,张贵玲,姜传胤,毛强强,唐永亮,郑学锐,王晓雅,聂海峰,曾伟,
申请(专利权)人:中国石油大学华东,
类型:发明
国别省市:山东,37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。