煤层气井动态产能拟合与预测模型.pdfVIP

摇 第36卷第9期 煤摇 摇 炭摇 摇 学摇 摇 报 Vol.36摇 No.9摇 摇 2011年 9月 JOURNAL OF CHINA COAL SOCIETY Sep.摇 2011摇 摇 摇 文章编号:0253-9993(2011)09-1481-05 煤层气井动态产能拟合与预测模型 1 1 1 2 1 吕玉民 ,汤达祯 ,李治平 ,邵先杰 ,许摇 浩 (1郾 中国地质大学(北京) 油气沉积地质教育部创新团队,北京摇 100083;2郾 燕山大学 车辆与能源学院,河北 秦皇岛摇 066004) 摘摇 要:基于现代人工智能理论和数理统计理论,建立了煤层气井动态产能拟合和预测的时间序列 BP神经网络模型和月产/ 累产比值模型,并通过实例分别验证其在煤层气井产能拟合和预测中的 有效性。 应用实例表明,这两类模型均能很好地拟合煤层气井的生产历史,并能进行准确定量预 测,但各有差别。 其中神经网络模型对数据点具有极高的拟合程度,且短期预测精度高,但中长期 预测精度较差,因此,该模型适合对产气不稳定的气井进行短期产能预测;月产/ 累产比值模型对月 产/ 累产比值的整体变化趋势具有较高的拟合程度,且中长期预测精度高,但模型的有效性取决于 气井产能的稳定性,因此,该模型适用于预测产气稳定的气井产能。 关键词:煤层气;动态产能;拟合与预测模型;神经网络;月产/ 累产比值 中图分类号:P618郾11摇 摇 摇 文献标志码:A Fitting and predicting models for coalbed methane wells dynamic productivity 1 1 1 2 1 L譈 Yu鄄min ,TANG Da鄄zhen ,LI Zhi鄄ping ,SHAO Xian鄄jie ,XU Hao (1郾Oil and Gas Sedimentary Geology Innovation Team of Ministry of Education,China University of Geoscience(Beijing),Beijing摇 100083,China;2郾College of Vehicles and Energy,Yanshan University,Qinhuangdao摇 066004,China) Abstract:Based on modern artificial intelligence theory and mathematical statistics theory,BP neural network model and monthly/ cumulative production model for fitting and predicting coalbed methane(CBM) wells productivity were established to verify the validity of these modelsby examples.The application results show that two modelscan match production dataof CBMwellsandquantitativelypredictit.BPneuralnetworkmodelhashighaccuracyinmatchingthe datapointsof gasproductionandpredictingwellproductivity inashorttermbutnotinalongterm.Thus,thismodelis appropriatefor the short鄄term predictionsfor