专利名称：合采天然气储气分层产能测试及动态监测地球化学方法
技术领域：
本发明涉及一种在天然气田开发生产中对气藏的监测方法，具体涉及对合采气井中储气分层产能贡献进行测试及监测的方法。
背景技术：
随着在松辽盆地北部徐家围子断陷徐深1井营城组获得工业气流、无阻挡全井日产量1.18×106m3/d的天然气，大庆油田深层天然气勘探取得历史性突破，又在徐家围子断陷部署了徐深2、徐深6井等多口深探井和评价井，均见到较厚的气层及良好效果，尤其在徐深6井营城组3561.0m～3570.0m压裂试气获得522676m3/d高产工业气流，为实现深层天然气“探明储量3000×108m3～4000×108m3、可采储量2000×108m3～3000×108m3”的目标奠定了坚实的基础，大庆油田深层天然气勘探开发成为“热点”之一，对创建百年油田具有战略意义。由于气井的储气分层厚度及储气量、孔隙度、渗透率等非均质性的影响，在合采时各储气分层产气贡献量不同、产气时间长短会不同，而储气分层天然气的贡献大小及测试，在勘探上对搞清地区储气分层分布及特征、产能评价、指导勘探部署等有重要意义；在开发上对气井实施分层管理、动态监测，及时掌握合采天然气储气分层的产能贡献，确保综合治理措施正确有效，实现稳产高产有重要意义。
目前，储气分层产能测试一般通过分层试气、生产测井等获得，对开发生产气井来说，存在井下作业、工艺复杂、操作难度大、安全性要求高、成本高、周期长等缺点。大庆油田天然气分层测试资料目前主要由分层试气获得，随着深层天然气勘探开发生产的加快及全国第五大气田的形成，分层产能测试及动态监测已成为制约天然气开发生产中的技术瓶颈，亟待开发一项经济、快速、有效的储气分层产能测试及动态监测新技术。为此，首先提出并开展了储气分层天然气产能地球化学测试技术的理论方法与实验研究，为解决制约天然气开发生产中分层产能测试及动态监测的技术瓶颈和储气分层产能评价提供一项有效的方法。
发明内容
本发明的目的是解决现有的储气分层产能测试存在井下作业、工艺复杂、操作难度大、安全性要求高、成本高、周期长的不足，提供一种可以动态监测合采气井储气分层产能贡献的地球化学监测方法，该方法能经济、快速、准确有效的对储气分层产能测试及动态监测。
本发明所采用的技术方案是该合采天然气储气分层产能测试及动态监测地球化学方法，包括下列步骤1)取合采气井的各分层天然气，按天然气烃指纹色谱分析方法检测，选取计算得到各储气分层天然气特征烃指纹参数；2)取合采气井的各分层天然气，按照不同混合配比模式形成模拟混合气样，分别进行色谱指纹分析，得到各储气分层天然气不同混合比例与其特征烃指纹参数之间的化学模型参数；3)利用步骤2)得到的化学参数，采用非线性的人工神经网络智能学习算法建立数学模型及测试模板；4)采集所需测定的合采井井口气样进行色谱指纹分析，得到相应特征烃指纹数据；5)将步骤4)得到的系列特征烃指纹数据导入步骤3)建立的数学模型及测试模板，计算得出此合采井各储气分层天然气的产能贡献。
上述的非线性的人工神经网络智能学习算法的计算过程由正向传播和反向传播组成，在正向传播过程中，输入信息从输入层经隐含层逐层处理，并向输出层传播，每一层神经元的状态只影响下一层神经元的状态，如果在输出层不能得到期望的输出，则转入反向传播，将误差信号沿原来的连接通路逐层返回，通过误差信号来修改各层神经元的权值，使得误差减小，直至误差达到精度要求；误差函数公式如下Ek=Σi=1n0φ(ei,k)=12Σi=1n0(yi,k-y^i,k)2=12Σi=1n0ei,k2.]]>上述的步骤3)建立数学模型，是指在模拟计算处理过程中，逐个输入所有模拟混合气样色谱分析所选取的模板特征烃指纹参数，经过一系列的Sigmoid函数及矩阵运算、加权、平均，输出到第二个隐层，经过同样原理的一系列运算，输出到第一个隐层，再经过同样原理的一系列运算，输出到输出层，输出层即是合采气各分层的百分贡献率与实际配比的各层百分比对比，把误差按原来路径逐层反馈回去，在反馈的过程中，按误差的大小，依次调整各个节点的权向量矩阵；按照调整之后的权向量矩阵再次重复上面的步骤，如此循环往复，直到输出与实际配比之间的误差满足所要求的精度(模拟计算程序在训练模板时设计了各分层天然气贡献率与实际配比之间的相对误差及精度控制设置，各分层气贡献率共分7个控制范围＜1％不控制、1～5％、5～10％、10～25％、25～50％、50～75％、75～100％，在训练模板时分别输入各个控制范围的人为所要求的相对误差即可)为止；这时，存储各层各个单元的权值矩阵及相关参数，就建立了合采气井储气分层产能贡献计算的数学模型及测试模板。
上述的步骤1)所述特征烃指纹参数的选取步骤为1)按照普遍性原则选取各储气分层天然气中都存在的色谱指纹峰；2)按照差异性原则选取各储气分层天然气中都存在差异的色谱指纹峰；3)再利用上述2个相近的色谱指纹峰面积比值作为特征烃指纹参数。
上述的步骤2)所述按照不同混合配比模式应遵循下述原则对于不同产气层数的合采气井要采用不同的配比模式及方法，即2层、3层、4层、5层等合采气井的配比模式不同，每种配比模式中的每组配比采用“比例配伍”原则，如产气层数为3层的某一组配比为10/10/80、10/80/10、80/10/10，而产气层数为4层的则为10/10/10/70、10/10/70/10、10/70/10/10、70/10/10/10。
上述的输出与实际配比之间的相对误差可以人为控制。
本发明的有益效果是本发明主要提出了合采天然气储气分层产能贡献的地球化学测试理论和测试方法，依据该理论和方法进行模拟配比实验，建立了化学模型和数学模型及测试模板。实验验证了储气分层天然气在时间上的相对稳定性，实现了3个储气分层对合采天然气产能贡献的定量测试，地化测试结果准确可靠。该技术具有快速、准确、经济、有效、不影响生产、安全性高的特点，根据需要随时从井口采集气样分析计算实现动态监测。
图1为本发明人工智能神经网络模拟计算示意图；图2为本发明非对称Sigmoid函数示意图；图3为实施例中徐深1井天然气烃指纹气相色谱图；图4为实施例中徐深1井储气分层天然气差异性图。
具体实施例方式以下结合具体实施例来作进一步的说明，该合采天然气储气分层产能测试及动态监测地球化学方法，包括下列步骤1)取合采气井的各分层天然气，按天然气烃指纹色谱分析方法检测，选取计算得到各储气分层天然气特征烃指纹参数；2)取合采气井的各分层天然气，按照不同混合配比模式形成模拟混合气样，分别进行色谱指纹分析，得到各储气分层天然气不同混合比例与其特征烃指纹参数之间的化学模型参数；3)利用步骤2)得到的化学参数，采用非线性的人工神经网络智能学习算法建立数学模型及测试模板；4)采集所需测定的合采井井口气样进行色谱指纹分析，得到相应特征烃指纹数据；5)将步骤4)得到的系列特征烃指纹数据导入步骤3)建立的数学模型及测试模板，计算得出此合采井各储气分层天然气的产能贡献。
上述的非线性的人工神经网络智能学习算法的计算过程由正向传播和反向传播组成，在正向传播过程中，输入信息从输入层经隐含层逐层处理，并向输出层传播，每一层神经元的状态只影响下一层神经元的状态，如果在输出层不能得到期望的输出，则转入反向传播，将误差信号沿原来的连接通路逐层返回，通过误差信号来修改各层神经元的权值，使得误差减小，直至误差达到精度要求；误差函数公式如下Ek=Σi=1n0φ(ei,k)=12Σi=1n0(yi,k-y^i,k)2=12Σi=1n0ei,k2.]]>上述的步骤3)建立数学模型，是指在模拟计算处理过程中，逐个输入所有模拟混合气样色谱分析所选取的模板特征烃指纹参数，经过一系列的Sigmoid函数及矩阵运算、加权、平均，输出到第二个隐层，经过同样原理的一系列运算，输出到第一个隐层，再经过同样原理的一系列运算，输出到输出层，输出层即是合采气各分层的百分贡献率与实际配比的各层百分比对比，把误差按原来路径逐层反馈回去，在反馈的过程中，按误差的大小，依次调整各个节点的权向量矩阵；按照调整之后的权向量矩阵再次重复上面的步骤，如此循环往复，直到输出与实际配比之间的误差满足所要求的精度(模拟计算程序在训练模板时设计了各分层天然气贡献率与实际配比之间的相对误差及精度控制设置，各分层气贡献率共分7个控制范围＜1％不控制、1～5％、5～10％、10～25％、25～50％、50～75％、75～100％，在训练模板时分别输入各个控制范围的人为所要求的相对误差即可)为止；这时，存储各层各个单元的权值矩阵及相关参数，就建立了合采气井储气分层产能贡献计算的数学模型及测试模板。
上述的步骤1)所述特征烃指纹参数的选取步骤为1)按照普遍性原则选取各储气分层天然气中都存在的色谱指纹峰；2)按照差异性原则选取各储气分层天然气中都存在差异的色谱指纹峰；3)再利用上述2个相近的色谱指纹峰面积比值作为特征烃指纹参数。
上述的步骤2)所述按照不同混合配比模式应遵循下述原则对于不同产气层数的合采气井要采用不同的配比模式及方法，即2层、3层、4层、5层等合采气井的配比模式不同，每种配比模式中的每组配比采用“比例配伍”原则，如产气层数为3层的某一组配比为10/10/80、10/80/10、80/10/10，而产气层数为4层的则为10/10/10/70、10/10/70/10、10/70/10/10、70/10/10/10。
上述的输出与实际配比之间的相对误差可以人为控制。
本发明主要提出了合采天然气储气分层产能贡献的地球化学测试理论和测试方法，依据该理论和方法进行模拟配比实验，建立了化学模型和数学模型及测试模板。本发明还就建立的模型，选择大庆油田深层天然气勘探取得历史性突破的徐家围子断陷的徐深1井天然气，进行室内模拟配比实验与现场监测对比进行验证。
以下从几方面详细说明本发明一、地球化学测试理论方法与数学模拟计算测试理论1、测试理论同一连通储气分层内天然气在横向上的均质性和稳定性、不同储气分层天然气纵向上的差异性是储气分层产能贡献的测试的基础。在连通的储气分层中，来自不同烃源岩、不同成藏期次的天然气，由于天然气的易运移性、易混合性和储气分层条件的相似性，通过密度驱动、热对流、分子扩散等混合方式，使天然气组成特征具有一致性或相似性即均质性；在纵向上，由于烃源岩、天然气运移和(或)储气分层环境(温度、岩石等)等存在差异，使各储气分层天然气具有差异性；合采过程就是各储气分层天然气在井筒中的混合过程，来自各储气分层的天然气沿着储气分层流入井底，在井筒中由井底向井口的流动过程中通过管流、分子扩散等形式发生混合，混合过程是一个各储气分层天然气烃指纹分子化合物组成变化的动态过程，发生混合的程度受各储气分层天然气烃指纹分子化合物的物理化学性质自身特性、混合时间(储气分层天然气从井底到井口的流动时间)、井下条件(温度、压力)等共同影响，一般接近完全混合或完全混合。
天然气烃指纹检测技术，从分子级水平上对天然气的烃类组成进行分析，能够检测出甲烷到正十二烷中160多个指纹化合物，反映了天然气中烃类化合物组成及含量，含有丰富的油气信息，各储气分层天然气在烃指纹组成与含量(如异构烷烃和环烷烃等)上存在可检测的差异性和可配比性，而表征各储气分层天然气差异性的特征烃指纹参数是一个不随储气分层天然气数量(体积或重量)变化的量。在实验室用储气分层天然气不同模式的混合配比过程来模拟天然气的合采过程，通过建立合适的化学模型参数和数学模型，实现合采天然气储气分层产能贡献的数学模拟计算。
2、测试方法(1)天然气烃指纹检测方法将一定量天然气注入富集管(富集温度-75℃～-65℃)中，使天然气中烃类在低温下得到富集，再加热解吸，通过六通阀切入气相色谱仪分析。天然气烃指纹气相色谱分析条件岛津GC-14A气相色谱仪及数据处理机，50m弹性石英毛细色谱柱，氢火焰离子化检测器，载气为氦气，燃气为氢气，助燃气为空气，柱起始温度35℃，恒温5min，以2℃/min升到180℃，恒温至组分全部流出；采用标样、保留时间及文献定性。
(2)储气分层天然气的差异性及表征储气分层天然气的差异性是储气分层产能地球化学测试的先决条件，一般采用天然气特征烃指纹参数的相对偏差来表征。由于天然气样品在采集检测过程中难免混入空气，且不同样品混入空气的量难以保持一致等，故特征烃指纹参数采用2个相邻或相近烃指纹峰峰面积或峰高的比值来表示，特征烃指纹峰参数选择依据普遍性、稳定性、差异性、可配比性、分离效果好的原则，方法是先选择烃指纹在各储气分层普遍存在、重复分析相对偏差小于5％、分离效果好的指纹峰；再从中选择出各储气分层之间相对应指纹峰参数的相对偏差大于10％的指纹参数；最后从中选择相关性较好的指纹峰作为特征烃指纹参数，用来表征各储气分层及天然气。
(3)天然气配比模式方法与化学模型参数对于不同产气层数的合采气井要采用不同的配比模式及方法，即2层、3层、4层、5层等合采气井的配比模式不同，每种配比模式中的每组配比采用“比例配伍”原则，如产气层数为3层的某一组配比为10/10/80、10/80/10、80/10/10，而产气层数为4层的则为10/10/10/70、10/10/70/10、10/70/10/10、70/10/10/10。
将混合配比得到的混合气中不同特征烃指纹参数值与其各个储气分层混合比例之间建立相对应关系即为化学模型参数。
(4)数学模拟计算方法和测试模板的建立数学模拟计算不能采用线性拟合的方法，否则会增大计算误差，主要有两个原因一是采用的特征烃指纹比值参数不严格成线性迭加关系。二是天然气是由链烷烃、环烷烃、芳烃、非烃等组成的复杂的混合物，不同天然气发生完全混合时，对于某烃组分化合物来说，就是多溶质在多溶剂中的多元混合，由于天然气各组份分子化合物自身特性及化合物之间的相互作用、井下混合条件、实验室分析条件和分析精度等共同影响，并不是所有指纹化合物都满足线性关系，随着储气分层数的增加，合采时各储气分层天然气组分化合物之间的相互影响增多，会导致非线性关系程度增大，致使储气分层天然气与合采天然气中烃指纹参数之间已不是简单的线性关系，而是一种复杂的曲线性关系。因此，需要建立非线性人工智能神经网络学习算法及模拟计算软件。
本发明采用非线性的人工神经网络智能学习算法建立数学模型，该模型计算过程见图1。该计算过程由正向传播和反向传播组成，在正向传播过程中，输入信息从输入层经隐含层逐层处理，并向输出层传播，每一层神经元的状态只影响下一层神经元的状态。如果在输出层不能得到期望的输出，则转入反向传播，将误差信号沿原来的连接通路逐层返回，通过误差信号来修改各层神经元的权值，使得误差减小，直至误差达到精度要求。
局部误差函数公式如下Ek=Σi=1n0φ(ei,k)=12Σi=1n0(yi,k-y^i,k)2=12Σi=1n0ei,k2.]]>在上述数学模拟计算处理过程中，逐个输入所有混合配比样品色谱分析所选取的模板特征指纹参数值等，经过一系列的Sigmoid函数及矩阵运算、加权、平均，输出到第二个隐层，经过同样原理的一系列运算，输出到第一个隐层，再经过同样原理的一系列运算，输出到输出层，输出层即是合采天然气储气分层的百分贡献率与实际配比的各层百分比对比，把误差按原来路径逐层反馈回去，在反馈的过程中，按误差的大小，依次调整各个节点的权向量矩阵。按照调整之后的权向量矩阵再次重复上面的步骤，如此循环往复，直到输出与实际配比之间的误差满足所要求的精度为止。这时，存储各层各个单元的权值矩阵及相关参数，就建立了合采井天然气储气分层产能贡献的测试模板。
Sigmoid函数为神经元的非线性作用函数，非对称Sigmoid函数为f(x)=11+e-x,]]>函数值范围为(0，1)，对称Sigmoid函数f(x)=1-e-x1+e-x,]]>函数值为(-1，1)。由于合采井各分层气的产量百分比范围在
，因此这里采用非对称Sigmoid函数，如图2所示。
在应用该测试模板时，只需要把合采井口天然气色谱分析的相应特征烃指纹参数导入，即可计算出此合采井各储气分层天然气的产能贡献。
下面以大庆油田深层天然气勘探取得历史性突破的徐深1井为试验井说明本发明的具体实施过程1、徐深1井储气分层分布及开采状况徐深1井位于松辽盆地北部徐家围子断陷升平—兴城构造的中段，是受升西逆冲断裂控制的背斜构造，是徐家围子地区的一口深探井(完钻井深4500m)，钻遇的深部地层有登娄库组(kld)、营城组(klyc)、沙河子组(klsh)、火石岭组(J3h)，以不同级别的不整合面及相对的整合面为界，总体上构成四套碎屑岩夹三套火山岩的地层构架。营城组及以下深部地层普遍含气，为煤成气和油型裂解气组成的有机成因混合天然气，处于高-过成熟气演化阶段，天然气分布分为营城-登娄库组(正常压力系统)和火石岭组(超压含气系统)两个含气系统，储气层主要分布在营城组的火山岩和火石岭组的砾岩储气层，营城组火成岩孔洞、裂缝发育，火山岩岩性有流纹质集块岩、熔结角砾岩、凝灰岩和晶屑凝灰岩等；火石岭组储气分层岩石主要为安山质火山角砾岩和集块岩。
徐深1井合采气井共射开4个储气层段，分别是营城组的3364.0～3379.0m(145号层)、3460.0～3470.0m(149号层)、3592.0～3624.0m(150号层)和火石岭组的4446.0～4466.0m(234和235号层)储气层，射开厚度分别为11m、10m、12m、20m。根据徐深1井储气层压力状况合采及产气层号为145、149、150，控制产气量2×105m3/d。
2、样品采集储气分层气样在分层试气时获得。
合采气样在气井开发生产时从井口获得。
3、测试实验与结果对比(1)重复性将徐深1井3592.0～3624.0m储气分层天然气做烃指纹分析重复测定，色谱烃指纹参数重复测定结果(表1)的最大相对偏差为4.72％、最小相对偏差为0.09％，相对偏差不大于5％，样品分析重复性好。
表1天然气指纹烃参数重复测定结果
(2)储气分层天然气特征烃参数的稳定性储气分层天然气特征烃指纹参数的相对稳定性是合采天然气储气分层产能贡献动态监测的关键之一，若在动态监测期间特征烃指纹参数不能保持相对稳定，就不能保证监测结果的准确性。从2002年1月17日和2002年12月2日徐深1井采集的3592.0～3624.0ml50号储气分层天然气样品检测结果(表2)看，不同时间采集的2块天然气样品特征烃指纹参数最大相对偏差为5.13％，基本满足同一样品重复测定相对偏差不大于5％的要求，表明储气分层天然气特征烃指纹参数具有时间上的相对稳定性。
表2 天然气特征烃指纹参数开采时间上的稳定性
(3)储气分层天然气特征烃指纹参数及表征徐深1井天然气烃指纹色谱分析最多可检测出160个指纹峰(图3)，从4个储气分层天然气特征烃指纹参数检测结果(表3、图4)看，所选的11对天然气特征烃指纹参数差异明显，说明各储气分层中的天然气存在差异，可以用这些特征烃指纹参数来表征4个储气分层及天然气。
表3储气分层天然气色谱特征烃指纹参数
(4)储气分层天然气产能贡献测试结果从3个储气分层贡献测试模板回归计算结果(表4)看，回归计算结果最大绝对偏差为6.49％、最大相对偏差为9.95％；从储气分层贡献测试模板效验结果(表5)看，最大绝对偏差为3.03％、最大相对偏差为8.05％，表明测试模板能够有效计算在实验室条件下混合的各储气分层混合比例。
表4测试模板回归计算结果
表5测试模板效验结果
将不同时间采集的徐深1井合采天然气特征烃指纹分析结果(表6)导入测试模板中得到监测结果(表7)，从中看出，该井投产4个月(2005年3月20日采样)分层测试结果145、149、150号层分别贡献为13.70％、22.65％、63.64％(表7)，与分层试气结果的8％、25％、67％的最大绝对误差为6％，150号层为徐深1井主力产气层，地化测试结果与分层测试结果具有很好的一致性；该井投产11个月(2005年11月12日采样)地化分层测试结果145、149、150号层分别贡献为15.30％、25.31％、59.38％，150号层主力产气层贡献下降4.26％，而145、149号层贡献分别上升1.60％、2.66％，149号层贡献增加较145号明显。
表6徐深1合采天然气色谱特征烃指纹参数
表7徐深1合采天然气储气分层贡献计算结果
本发明具有下述特点(1)在国内外首先提出并确立了合采天然气储气分层产能地球化学测试理论与模拟计算方法，实验验证了储气分层天然气在时间上的相对稳定性，实现了3个储气分层对合采天然气产能贡献的定量测试，属于原创性、前瞻性的实验测试技术及科研成果。
(2)合采天然气储气分层贡献地化测试结果表明，徐深1井145(3364.0～3379.0m)、149(3460.0～3470.0m)、150(3592.0～3624.0m)号层贡献分别为13.70％、22.65％、63.64％，150号层为主力产气层，与分层试气结果的绝对误差最大为6％，两种测试方法具有很好的一致性，地化测试结果准确可靠；地化动态监测结果表明，徐深1井投产近1年150号层主力产气层贡献下降4.26％，149号层比145号层贡献增加明显。对于认识徐家围子断陷深层不同层位的含气性、指导该地区天然气勘探和动态监测储气分层产气状况、合理配产等开发都有重要意义。
(3)深层气指纹库的建设为在大庆油田深井实施储气分层产能地球化学测试及动态监测、分层管理奠定了基础，体现了勘探开发“一体化”，具有显著的技术经济和社会效益。该技术具有快速、准确、经济、有效、不影响生产、安全性高的特点，根据需要随时从井口采集气样分析计算实现动态监测；适用于4层及以下合采天然气储气分层产能测试及动态监测，完全满足大庆深合采气井的生产需要；由于储气分层气样是在勘探试气阶段获得，对开发生产气井地化分层产能测试不需要再取分层气样，节省了分层取样费，地化测试费每口井1万元，生产测井测试费每口井13万元，地化测试1次节约费用12万元，20口深层气井每年分层监测2次共节约测试费480万元/年；随着大庆油田深层天然气勘探开发生产的加快及气井数量的增加，将为大庆油田深层天然气勘探开发和创建百年油田发挥重要作用，同时对国内外其它气田有借鉴作用，应用前景广阔。
权利要求
1.一种合采天然气储气分层产能测试及动态监测地球化学方法，其特征是1)取合采气井的各分层天然气，按天然气烃指纹色谱分析方法检测，选取计算得到各储气分层天然气特征烃指纹参数；2)取合采气井的各分层天然气，按照不同混合配比模式形成模拟混合气样，分别进行色谱指纹分析，得到各储气分层天然气不同混合比例与其特征烃指纹参数之间的化学模型参数；3)利用步骤2)得到的化学参数，采用非线性的人工神经网络智能学习算法建立数学模型及测试模板；4)采集所需测定的合采井井口气样进行色谱指纹分析，得到相应特征烃指纹数据；5)将步骤4)得到的系列特征烃指纹数据导入步骤3)建立的数学模型及测试模板，计算得出此合采井各储气分层天然气的产能贡献。
2.根据权利要求1所述的合采天然气储气分层产能测试及动态监测地球化学方法，其特征在于所述非线性的人工神经网络智能学习算法的计算过程由正向传播和反向传播组成，在正向传播过程中，输入信息从输入层经隐含层逐层处理，并向输出层传播，每一层神经元的状态只影响下一层神经元的状态，如果在输出层不能得到期望的输出，则转入反向传播，将误差信号沿原来的连接通路逐层返回，通过误差信号来修改各层神经元的权值，使得误差减小，直至误差达到精度要求；误差函数公式如下Ek=Σi=1n0φ(ei,k)=12Σi=1n0(yi,k-y^i,k)2=12Σi=1n0ei,k2.]]>
3.根据权利要求1所述的合采天然气储气分层产能测试及动态监测地球化学方法，其特征在于步骤3)建立数学模型，是指在模拟计算处理过程中，逐个输入所有模拟混合气样色谱分析所选取的模板特征烃指纹参数，经过一系列的Sigmoid函数及矩阵运算、加权、平均，输出到第二个隐层，经过同样原理的一系列运算，输出到第一个隐层，再经过同样原理的一系列运算，输出到输出层，输出层即是合采气各分层的百分贡献率与实际配比的各层百分比对比，把误差按原来路径逐层反馈回去，在反馈的过程中，按误差的大小，依次调整各个节点的权向量矩阵；按照调整之后的权向量矩阵再次重复上面的步骤，如此循环往复，直到输出与实际配比之间的误差满足所要求的精度(模拟计算程序在训练模板时设计了各分层天然气贡献率与实际配比之间的相对误差及精度控制设置，各分层气贡献率共分7个控制范围＜1％不控制、1～5％、5～10％、10～25％、25～50％、50～75％、75～100％，在训练模板时分别输入各个控制范围的人为所要求的相对误差即可)为止；这时，存储各层各个单元的权值矩阵及相关参数，就建立了合采气井储气分层产能贡献计算的数学模型及测试模板。
4.根据权利要求1所述的合采天然气储气分层产能测试及动态监测地球化学方法，其特征在于步骤1)所述特征烃指纹参数的选取步骤为1)按照普遍性原则选取各储气分层天然气中都存在的色谱指纹峰；2)按照差异性原则选取各储气分层天然气中都存在差异的色谱指纹峰；3)再利用上述2个相近的色谱指纹峰面积比值作为特征烃指纹参数。
5.根据权利要求1所述的合采天然气储气分层产能测试及动态监测地球化学方法，其特征在于步骤2)所述按照不同混合配比模式应遵循下述原则对于不同产气层数的合采气井要采用不同的配比模式及方法，即2层、3层、4层、5层等合采气井的配比模式不同，每种配比模式中的每组配比采用“比例配伍”原则，如产气层数为3层的某一组配比为10/10/80、10/80/10、80/10/10，而产气层数为4层的则为10/10/10/70、10/10/70/10、10/70/10/10、70/10/10/10。
6.根据权利要求1或3所述的合采天然气储气分层产能测试及动态监测地球化学方法，其特征在于，所述输出与实际配比之间的相对误差可以人为控制。
全文摘要
本发明涉及一种合采天然气储气分层产能测试及动态监测地球化学方法。其特征在于包括下列各步骤1)取合采气井的各分层天然气，选取计算得到各储气分层天然气特征烃指纹参数；2)取合采气井的各分层天然气，按照不同混合配比模式形成模拟混合气样，分别进行色谱指纹分析，得到各储气分层天然气不同混合比例与其特征烃指纹参数之间的化学模型参数；3)采用非线性的人工神经网络智能学习算法建立数学模型及测试模板；4)采集所需测定的合采井井口气样进行色谱指纹分析，得到相应特征烃指纹数据；5)建立的数学模型及测试模板，计算得出此合采井各储气分层天然气的产能贡献。该方法能经济、快速、准确有效的对储气分层产能测试及动态监测。
文档编号G01V9/00GK1804613SQ20051013260
公开日2006年7月19日 申请日期2005年12月27日 优先权日2005年12月27日
发明者张居和, 方伟, 宁晓玲, 陈大庆, 柳凤香 申请人:大庆油田有限责任公司