一种新的油田产量预测方法
【技术领域】
[0001] 本发明涉及油田开发技术领域，特别是涉及到一种新的油田产量预测方法。
【背景技术】
[0002] 油田的产量预测是油田开发工作中的重要内容，对把握油田开发形势部署与调整 个油田开发方案有着重要意义。用于油田产量预测的方法很多。从统计和信息型预测方法 的角度，可W分为两个层面，一是单因素预测问题，二是多因素预测问题。在单因素预测领 域，所采取的主要研究方法是曲线拟合，仅能考虑单个因素的变化，无法考虑多因素作用。 而在多因素预测领域，要么方法无法考量产油量历史数据的作用，要么都是静态问题，无 法考虑因素之间变化非同步、具有后效性的动态关系。因此急需一种针适应性好，操作性强 的方法进行产量预测。为此我们发明了一种新的新的油田产量预测方法，解决了 W上技术 问题。
【发明内容】
[0003] 本发明的目的是提供一种应用于油田开发中影响产量的因素筛选、产量预测及风 险评价的新的油田产量预测方法。 本发明的目的可通过如下技术措施来实现：新的油田产量预测方法，该新的油田产量 预测方法包括：步骤1，初步筛选确定影响产量的因素；步骤2,对基础数据进行处理；步骤 3,自变量白噪声化，建立自变量自身的时间序列模型；步骤4,确定影响产量的决定因素； W及步骤5,利用时间序列模型建立产量的预测模型，并检验模型合理性。
[0004] 本发明的目的还可通过如下技术措施来实现： 该新的油田产量预测方法还包括，在步骤1之前，选取待预测的目标油田，开展产量预 测及风险评价工作。
[0005] 在步骤1中，初步考察影响油田产量的因素为反映油田开发阶段的综合含水，反 映物质基础的采出程度、单井控制储量，反映开发条件的采油速度、新井投产井数、年注水 量的因素。
[0006] 在步骤2中，对初选因素数据序列中银齿状波动、明显不符合运行规律的错误数 据进行处理，对序列中缺失值进行填充，并将处理后的数据序列标准化。
[0007] 在步骤3中，同时通过差分、自回归、移动平均方法对自变量进行处理，建立自变 量时间序列模型。
[000引在步骤3中，建立的自变量时间序列模型为： 1) 综合含水；ARIM(0，1，0) (2，1，0)12 2) 单井控制储量；ARIM(1，1，0) (1，0,0)12 3) 采出程度；ARIM(0,2，1) 4) 采油速度；ARIM(1，1，0) 5) 新井投产井数；ARIM/UO, 1，1) (1，1，0)12 6)年注水量；ARIM(0，1，0)。
[0009] 在步骤4中，检验分析井产量与自变量之间的相关性，删除相关性较低的自变量， 保留相关性强的自变量作为影响产量的决定因素。
[0010] 在步骤5中，预测模型影响因素为标准化后的新井投产井数，综合含水，因变量的 残差该几个主要因素，同时检验结果显示拟合精度、系数检验、残差检验均通过检验。
[0011] 该新的油田产量预测方法还包括，在步骤5之后，对预测结果进行风险分析。
[0012] 本发明中的新的油田产量预测方法，能够识别真正影响油田产量的决定因素，并 能分析决定因素与产量在时间上的动态关联W及产量的自相关性，对产量进行预测，并对 预测产量进行风险评价。
[0013]
【附图说明】
[0014] 图1为本发明的新的油田产量预测方法的一具体实施例的流程图； 图2为本发明的一具体实例中的新井投产井数与产量的相关关系图； 图3为本发明的一具体实例中的A油田2013年新井年产油模拟分布直方图。
【具体实施方式】
[0015] 为使本发明的上述和其他目的、特征和优点能更明显易懂，下文特举出较佳实施 例，并配合所附图式，作详细说明如下。
[0016] 如图1所示，图1为本发明的一种新的油田产量预测方法的一具体实施例流程 图。在步骤101，选取待预测的目标A油田，开展产量预测及风险评价工作，流程进入到步骤 103。
[0017] 在步骤103,初步筛选确定影响产量的因素。从影响油田产量的因素入手，筛选得 到可能对油田产量产生影响的因素。初步考察影响A油田新井产量的因素为反映油田开发 阶段的综合含水，反映物质基础的采出程度、单井控制储量，反映开发条件的采油速度、新 井投产井数、年注水量。流程进入到步骤105。
[0018] 在步骤105,基础数据处理。对提供的数据源异常点、缺失值进行处理，同时对不同 量纲的数据标准化。对初选因素数据序列中银齿状波动、明显不符合运行规律的错误数据 进行处理，对序列中缺失值进行填充，并将处理后的数据序列标准化。流程进入到步骤107。
[0019] 在步骤107,自变量白噪声化。同时通过差分、自回归、移动平均等方法对自变量 进行处理，建立自变量自身的时间序列模型。自变量白噪声化，即建立自变量的时间序列模 型。
[0020] 1)综合含水；ARIM (0，1，0H2，1，0) 12 2) 单井控制储量；ARIM(1，1，0) (1，〇,〇)12 3) 采出程度；ARIM(0,2，1) 4) 采油速度；ARIM(1，1，0) 5) 新井投产井数；ARIM/UO, 1，1) (1，1，〇)12 6) 年注水量；ARIM(0，1，0)。流程进入到步骤109。
[0021] 在步骤109,确定影响产量的决定因素。检验分析新井产量与自变量之间的相关 性，删除相关性较低的自变量，保留相关性强的自变量作为影响产量的决定因素。经评价 筛选，仅新井投产井数、综合含水为影响新井产量的决定因素，其他因素对产量几乎没有影 响。同时分析得到，新井投产井数对新井产量影响具有一个月的滞后，综合含水对新井产量 的影响具有半年的滞后。如新井投产井数与产量之间的相关关系见图2。流程进入到步骤 111。
[0022] 在步骤111，利用时间序列模型建立产量的预测模型，并检验模型合理性。预测模 型影响因素为标准化后的新井投产井数，综合含水，因变量的残差几个主要因素。同时检验 结果显示拟合精度、系数检验、残差检验均通过检验。预测结果见表1。
[0023] 表1 2013年预测新井单井年产油期望值与实际值对比
流程进入到步骤113。
[0024] 在步骤113,对预测结果进行风险分析。2013年新井年产油量概率最大产量16. 5 万吨，2013年新井年产油量W 95%概率出现在14. 3-19. 3万吨之间，见图3。
【主权项】
1. 一种新的油田产量预测方法，其特征在于，该新的油田产量预测方法包括： 步骤1，初步筛选确定影响产量的因素； 步骤2,对基础数据进行处理； 步骤3,自变量白噪声化，建立自变量时间序列模型； 步骤4,确定影响产量的决定因素；以及 步骤5,利用时间序列模型建立产量的预测模型，并检验模型合理性。2. 根据权利要求1所述的新的油田产量预测方法，其特征在于，该新的油田产量预测 方法还包括，在步骤1之前，选取待预测的目标油田，开展产量预测及风险评价工作。3. 根据权利要求1所述的新的油田产量预测方法，其特征在于，在步骤1中，初步考察 影响油田产量的因素为反映油田开发阶段的综合含水，反映物质基础的采出程度、单井控 制储量，反映开发条件的采油速度、新井投产井数、年注水量的因素。4. 根据权利要求1所述的新的油田产量预测方法，其特征在于，在步骤2中，对初选因 素数据序列中锯齿状波动、明显不符合运行规律的错误数据进行处理，对序列中缺失值进 行填充，并将处理后的数据序列标准化。5. 根据权利要求1所述的新的油田产量预测方法，其特征在于，在步骤3中，同时通过 差分、自回归、移动平均方法对自变量进行处理，建立自变量时间序列模型。6. 根据权利要求1所述的新的油田产量预测方法，其特征在于，在步骤3中，建立的自 变量时间序列模型为： 1) 综合含水：ARIMA(0，1，0) (2，1，0)12 2) 单井控制储量：ARIMA(1，1，0) (1，0,0)12 3) 采出程度：ARIMA (0, 2,1) 4) 采油速度：ARIMA(1，1，0) 5) 新井投产井数：ARIMA(0, 1，1) (1，1，0)12 6) 年注水量：ARIMA(0，1，0)。7. 根据权利要求1所述的新的油田产量预测方法，其特征在于，在步骤4中，检验分析 井产量与自变量之间的相关性，删除相关性较低的自变量，保留相关性强的自变量作为影 响产量的决定因素。8. 根据权利要求1所述的新的油田产量预测方法，其特征在于，在步骤5中，预测模型 影响因素为标准化后的新井投产井数，综合含水，因变量的残差这几个主要因素，同时检验 结果显示拟合精度、系数检验、残差检验均通过检验。9. 根据权利要求1所述的新的油田产量预测方法，其特征在于，该新的油田产量预测 方法还包括，在步骤5之后，对预测结果进行风险分析。
【专利摘要】本发明提供一种新的油田产量预测方法，该新的油田产量预测方法包括：步骤1，初步筛选确定影响产量的因素；步骤2，对基础数据进行处理；步骤3，自变量白噪声化，建立自变量自身的时间序列模型；步骤4，确定影响产量的决定因素；以及步骤5，利用时间序列模型建立产量的预测模型，并检验模型合理性。该新的油田产量预测方法应用于油田开发中影响产量的因素筛选、产量预测及风险评价，能够识别真正影响油田产量的决定因素，对产量进行预测，并对预测产量进行风险评价。
【IPC分类】G06Q10/04, G06Q50/06
【公开号】CN104951842
【申请号】CN201410118229
【发明人】王滨, 颜子, 赵伟, 彭国红, 张超, 张金铸, 张孝天, 孙颖, 丁力
【申请人】中国石油化工股份有限公司, 中国石油化工股份有限公司胜利油田分公司地质科学研究院
【公开日】2015年9月30日
【申请日】2014年3月27日