首页|基于神经网络的水合物藏降压开采产能预测及参数优化

基于神经网络的水合物藏降压开采产能预测及参数优化

Prediction and parameter optimization of depressurization productivity of natural gas hydrate reservoirs based on neural network

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 维普
  • 万方数据
基于数值模拟求解的传统水合物藏产能预测方法耗时长、效率低,准确、高效地预测天然气水合物藏产能是目前面临的难点问题.基于实际海域水合物藏的地质数据建立大量数值模拟样本,利用神经网络模型对数值模拟结果进行学习,建立水合物藏产能预测的神经网络模型.同时,预测神狐水合物藏和日本南海水合物藏开采 2 a的产能,并对降压开采的压力进行推荐.结果表明:神经网络模型预测的准确率超过 97％;预测得到神狐水合物藏 2 a的日均产气量为2839 m3,最佳开采压力为3 MPa;日本南海水合物藏2 a的日均产气量为21523 m3,综合考虑产气量和气水比,最佳开采压力为 4 MPa;69％的水合物藏适合的开采压力为 3 MPa;但当水合物藏的水合物饱和度大于65％、地层绝对渗透率高于 0.1 μm2 及原始地层压力高于 20 MPa时,建议开采压力选择 5 MPa.

李淑霞、于笑、吴伏波、郝永卯

展开 >

非常规油气开发教育部重点实验室(中国石油大学(华东)),山东青岛 266580

中国石油大学(华东)石油工程学院,山东青岛 266580

华南蓝天航空油料有限公司湖北分公司,湖北武汉 430300

天然气水合物 神经网络 产能预测 数值模拟 开采参数

国家重点研发项目国家自然科学基金国家自然科学基金

2021YFC28009035207433451991365

2023

10.3969/j.issn.1673-5005.2023.01.009

中国石油大学学报(自然科学版)
中国石油大学

中国石油大学学报(自然科学版)

CSTPCDCSCD北大核心
影响因子：1.169
ISSN：1673-5005
年,卷(期)：2023.47(1)
  • 1
  • 9