System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及油田开发领域,特别是基于数据挖掘算法的油田注水开发效果评价方法及系统。
技术介绍
1、目前油田开发主要以注水开发为主,注水开发效果评价在客观评价注水开发现状,发现开发生产中存在的问题,提出适宜的开发效果治理对策以及设置合理治理目标等方面发挥着重要作用。注水开发是油田开发广泛使用的一种提高油藏最终采收率的方法之一。
2、由于油藏类型、效果评价侧重点以及采用的指标体系存在多样性,不同的研究者提出了多种注水开发效果评价方法。例如对单一技术指标及其影响因素指标的关系建立机理模型或统计模型,用函数关系或关系图版描述其变化规律,通过指标的实际值和变化规律的对比来评价效果的差异,该方法能够利用丰富的动态资料直观表征评价指标及其影响指标的规律,但未能反映注水开发过程的系统性特征。多指标综合评价采用评价指标体系,以系统理论和方法为依据,对注水开发效果进行综合评价。该方法提供的信息丰富,可以处理难以用精确数学方程描述的复杂系统问题,但在评价指标之间的相关性影响时会造成评价信息重复的问题,并且数学方法求解得到的评价结果和影响指标之间的关系不易直观理解。
技术实现思路
1、鉴于现有的基于数据挖掘算法的油田注水开发效果评价方法及系统中存在的问题,提出了本专利技术。
2、因此,本专利技术所要解决的问题在于根据不同油藏类型、不同开发阶段评价图版和定量评价规则以实现注水开发效果评价。
3、为解决上述技术问题,本专利技术提供如下技术方案:
4、第一方面,
5、作为本专利技术所述基于数据挖掘算法的油田注水开发效果评价方法的一种优选方案,其中:所述分类是基于dbscan算法约束的层次聚类算法agnes,具体为,
6、
7、其中,d为邻近度矩阵,c为簇,m为簇中元素的数量;i,j为簇编号,分别表示第ci和cj簇;按照关联性将输出分为四个簇,分别为油藏、工程、管理及效益。
8、作为本专利技术所述基于数据挖掘算法的油田注水开发效果评价方法的一种优选方案,其中:所述四个簇即将油田开发的指标数据分为四类,分别包括:
9、油藏包括,油井多向收益率、存水率、自然递减率、综合递减率、含水上升率以及地层能量保持水平。工程包括,分注率、分注合格率、井口水质达标率、注水井年洗井次数、注水井年检管次数、配注合格率、注水井年测调次数以及封隔器密封率。管理包括,油井开井率、水井开井率、注水井资料全准率、注水站负荷率、动态监测完成率及注水井措施有效率。效益包括,耗水率和吨油操作费用增长率。所述分阶段评价为,将油藏分为多个含水阶段。
10、作为本专利技术所述基于数据挖掘算法的油田注水开发效果评价方法的一种优选方案,其中:所述分级为根据存水率随含水率变化得到指标分级,具体包括,
11、存水率随含水率变化的公式如下:
12、
13、
14、其中c为存水率,ipr为注采比,γo为原油密度,r为可采储量采出程度,fw为含水率,a和b为相关公式系数。由存水率在不同含水阶段的变化曲线定义指标的分级区间。
15、作为本专利技术所述基于数据挖掘算法的油田注水开发效果评价方法的一种优选方案,其中:所述由层次分析法得到指标数据的权重,具体包括,对于每类指标,根据专家评判提供比较矩阵,对每个比较矩阵进行特征值分解,以得到最大特征值λmax和对应的特征向量;计算每个比较矩阵的一致性比率,以确保比较矩阵是一致的,若一致性比率接近0,则认为矩阵一致,否则重新评判矩阵;其中,计算一致性指标ci的公式为,
16、ci=(λmax-n)/(n-1)
17、其中,λmax是比较矩阵的最大特征值,n是比较矩阵的维度;根据预定义的一致性指标表获得一致性指标随机一致性指数ri,表示随机生成一致的比较矩阵的一致性指标;得到一致性比率cr,用于检验比较矩阵的一致性;计算公式如下,
18、cr=ci/ri
19、根据特征向量的特征值获得每个指标数据的权重,并将所有指标的权重归一化,确定指标数据的最终权重,由最终权重和分级标准可得指标数据的综合评价。
20、作为本专利技术所述基于数据挖掘算法的油田注水开发效果评价方法的一种优选方案,其中:所述油田的开发评价包括,构建判断矩阵,
21、
22、其中,i,j分别为判断矩阵的行和列,aij为判断矩阵第i行j列元素,akj为判断矩阵第k行j列元素,ω为权重向量。根据所得指标数据的评价标准采用分级计算原则计算指标的分值,根据不同的分级判定得分,得到一个油田的开发评价。
23、作为本专利技术所述基于数据挖掘算法的油田注水开发效果评价方法的一种优选方案,其中:所述雷达图评价法对油田注水情况进行排序,获取油田的得分和顺序;获取各个油田的综合评价雷达图,对油田的总体评价和单个指标评分进行分析,其中t个油田的雷达图绘制包括,确定指标对应的雷达图的扇形圆心角为ωt为t个油田对应的指标权;将各指标按权重大小排序为ωt1=(ωt1,...,ωtm),依据排序后的圆心角做圆,圆心为ot,半径为等于或大于最大指标归一化后的数,通过圆心ot作射线otpt1,与圆交于pt1;作射线otpt2,使同理,根据依次绘制射线otpt1otpt1otpt1;依次作扇形区的角平分线;根据指标大小依次在角平分线上标出对应的点atbt...ft;依次连接pt1、at、pt2、bt、...、ft、pt1,得到第t个油田的综合评价雷达图;利用雷达图法对第t个油田进行综合评价时,封闭多边形总面积st越大,说明该油田注水效果越好,单个指标分析通过该指标对应的四边形面积分析,面积越大该指标越好。
24、第二方面,本专利技术实施例提供了一种基于数据挖掘算法的油田注水开发效果评价系统,其包括:分类模块,用于根据选取的油藏类型,收集油藏内注水开发相关指标进行分类。计算模块:用于根据分类结果,构建评价标准采用分级计算原则计算指标的分值,计算油田的开发评价。评价模块:用于采用雷达图评价法对不同油田的开发评价进行分析,得到各个油田的综合评价雷达图。
25、第三方面,本专利技术实施例提供了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其中:所述处理器执行所述计算机程序时实现上述的基于数据挖掘算法的油田注水开发效果评价方法的任一步骤。
26、第四方面,本专利技术实施例提供了一种计算机可读存储介质,其上存储有计算机程序,其中:所述计算机程序本文档来自技高网...
【技术保护点】
1.基于数据挖掘算法的油田注水开发效果评价方法,其特征在于:包括,
2.如权利要求1所述的基于数据挖掘算法的油田注水开发效果评价方法,其特征在于:所述分类是基于DBSCAN算法约束的层次聚类算法AGNES,具体为,
3.如权利要求2所述的基于数据挖掘算法的油田注水开发效果评价方法,其特征在于:所述四个簇即将油田开发的指标数据分为四类,分别包括,
4.如权利要求1所述的基于数据挖掘算法的油田注水开发效果评价方法,其特征在于:所述分级为根据存水率随含水率变化得到指标分级,具体包括,
5.如权利要求4所述的基于数据挖掘算法的油田注水开发效果评价方法,其特征在于:所述由层次分析法得到指标数据的权重具体包括,
6.如权利要求1所述的基于数据挖掘算法的油田注水开发效果评价方法,其特征在于:所述油田的开发评价包括,
7.如权利要求1所述的基于数据挖掘算法的油田注水开发效果评价方法,其特征在于:所述雷达图评价法对油田注水情况进行排序,获取油田的得分和顺序;获取各个油田的综合评价雷达图,对油田的总体评价和单个指标评分进行分析,
8.基于数据挖掘算法的油田注水开发效果评价系统,基于权利要求1~7任一所述的基于数据挖掘算法的油田注水开发效果评价方法,其特征在于:包括,
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于:所述处理器执行所述计算机程序时实现权利要求1~7任一所述的基于数据挖掘算法的油田注水开发效果评价方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于:所述计算机程序被处理器执行时实现权利要求1~7任一所述的基于数据挖掘算法的油田注水开发效果评价方法的步骤。
...【技术特征摘要】
1.基于数据挖掘算法的油田注水开发效果评价方法,其特征在于:包括,
2.如权利要求1所述的基于数据挖掘算法的油田注水开发效果评价方法,其特征在于:所述分类是基于dbscan算法约束的层次聚类算法agnes,具体为,
3.如权利要求2所述的基于数据挖掘算法的油田注水开发效果评价方法,其特征在于:所述四个簇即将油田开发的指标数据分为四类,分别包括,
4.如权利要求1所述的基于数据挖掘算法的油田注水开发效果评价方法,其特征在于:所述分级为根据存水率随含水率变化得到指标分级,具体包括,
5.如权利要求4所述的基于数据挖掘算法的油田注水开发效果评价方法,其特征在于:所述由层次分析法得到指标数据的权重具体包括,
6.如权利要求1所述的基于数据挖掘算法的油田注水开发效果评价方法,其特征在于:所述油田的开发评价包括,
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。