孙振
- 作品数：2 被引量：15H指数：2
- 供职机构：中国石油长庆油田公司更多>>
- 相关领域：石油与天然气工程天文地球更多>>
- 鄂尔多斯盆地神木地区侏罗系延安组煤层微观孔隙结构特征被引量：5
- 2024年
- 煤层孔隙结构对煤层气的吸附与扩散具有显著影响。通过气体吸附、核磁共振、扫描电镜等实验,对鄂尔多斯盆地神木地区侏罗系延安组煤岩开展煤层孔隙结构多尺度、多参数的联合表征研究,厘清了煤层气解吸—扩散—渗流的规律。研究结果表明:(1)神木地区延安组煤层平均孔隙度为6.89%,平均渗透率为4.82 mD,属典型的特低渗煤层,主要发育方解石、黏土矿物以及非晶质组分等,其中方解石平均质量分数为54.8%,黏土矿物平均质量分数为35.7%,非晶质平均质量分数为15.0%。(2)研究区煤层主要储集空间为狭缝形和墨水瓶形等,包括气孔、屑间孔、胞腔孔、铸模孔和少量微裂缝,孔隙以2~50 nm的介孔为主,大孔次之,微孔最少,但微孔是孔比表面积及孔容的主要贡献者,表明煤层气主要吸附在微孔中。(3)研究区煤层孔喉尺寸为纳米—微米级,对渗透率的贡献主要来自于亚微米—微米级的孔喉,其孔隙连通性好。煤样可动流体饱和度为38.72%~65.06%,退汞效率为0.84%~44.30%,均质系数为1.86~10.95,且不同深度煤层孔喉半径对渗透率的贡献存在较大差异,表明该区煤层具有较强的非均质性。
- 李启晖任大忠甯波孙振李天万慈眩杨甫张世铭
- 关键词：非均质性孔隙结构煤层延安组侏罗系鄂尔多斯盆地
- 人工神经网络在气井管理及动态预测中的应用被引量：10
- 2014年
- 鄂尔多斯盆地苏里格气田东区管理的井数多,稳产难度大,这对气藏开发及管理提出了更高的要求,而基于人工神经网络的气井动态预测方法不需要提供具体的地质参数,也不完全依赖气井生产动态数据。因此具有独特的优点。预测可分为3个步骤:1建立气井生产动态特征指标,用几个特征数据简单地识别气井生产能力,迅速准确地把待识别的单井生产日报数据与知识库样本中的单井做出类比,找到最相似的气井;2把ARPS递减曲线参数(初始产量、初始递减率)和开发指标(初始压力、动储量)作为预测目标,并与动态特征识别指标一起组合成向量,形成ARPS递减预测人工神经网络的预测模型,并计算气井每个月的动态数据;3建立气井动态人工神经网络训练的知识库,为更准确地预测气井合理开发指标提供依据。该方法在苏里格气田东区得到了成功应用,在投产时间较长的一批井中,通过动态分析以及气藏数值模拟得到143口井的气井动态ARPS递减参数人工神经网络预测模型,组成了人工神经网络的训练样本(知识库),为更准确地预测气井合理开发指标提供了依据。
- 刘占良石万里孙振成育红唐婧
- 关键词：鄂尔多斯盆地苏里格气田气井神经网络储量
