引用本文
陈德南, 谭忠健, 吴立伟, 夏良冰, 李鸿儒, 赵彦泽. 基于录测井参数灰色关联分析的低渗储层产能随钻评价方法[J]. 录井工程, 2025,36(1): 34-40.
CHEN De#cod#x02032;nan, TAN Zhongjian, WU Liwei, XIA Liangbing, LI Hongru, ZHAO Yanze. Method of low-permeability reservoir productivity evaluation while drilling based on grey correlation analysis of logging parameters[J]. Mud Logging Engineering, 2025,36(1): 34-40.
Doi:10.3969/j.issn.1672-9803.2025.01.006  
Permissions
Copyright©2025, 《录井工程》杂志社
《录井工程》杂志社 所有
基于录测井参数灰色关联分析的低渗储层产能随钻评价方法
陈德南①, 谭忠健②, 吴立伟②, 夏良冰①, 李鸿儒①, 赵彦泽①
①中海油能源发展股份有限公司工程技术分公司
②中海石油（中国）有限公司天津分公司

作者简介：陈德南 工程师,1991年生,2014年毕业于中国地质大学（北京）勘查技术与工程专业,现在中海油能源发展股份有限公司工程技术分公司主要从事海上油气勘探和现场地质录井工作。通信地址：300459 天津市滨海新区海川路2121号渤海石油管理局C座。E-mail：chendn2@cnooc.com.cn

收稿日期: 2024-10-23
基金: 中海石油（中国）有限公司“七年行动计划”重大科技专项“渤海油田上产4000万吨新领域勘探关键技术”（编号：CNOOC-KJ 135 ZDXM36 TJ 08 TJ）
摘要

针对渤海X油田沙二段低渗储层非均质性强,不同井之间产能差异大,勘探开发中部分井实际产能与钻前预测差异较大的问题,基于X油田18口井的录井和测井数据,运用灰色关联分析确定影响产能的敏感因素,创建产能评价模型,在此基础上,结合Pearson相关系数理论,确定产能判定指标（ CDP）、评价图板及标准,形成了随钻快速准确评价沙二段低渗储层单井初期产能的方法。研究确定气全量、深电阻率、孔隙度、渗透率、含油饱和度、泥质含量、有效厚度为沙二段低渗储层产能的敏感因素,通过这7个敏感因素建立产能判定指标、评价图板及标准,当 CDP≥0.28时,单井初期产能≥40 m3/d,当 CDP<0.28时,单井初期产能<40 m3/d。产能判定指标、图板及标准在X油田7口井中应用效果良好,可准确评价单井初期产能,为完井方案决策提供了依据,为复杂低渗储层快速评价产能提供了新方法。

关键词: 低渗储层; 产能评价; 敏感因素; 判定指标; 灰色关联分析; Pearson相关系数; 录井参数; 测井参数
中图分类号:TE132.1 文献标志码:A
Method of low-permeability reservoir productivity evaluation while drilling based on grey correlation analysis of logging parameters
CHEN De′nan①, TAN Zhongjian②, WU Liwei②, XIA Liangbing①, LI Hongru①, ZHAO Yanze①
①CNOOC Ener Tech-Drilling & Production Co.,Tianjin 300459,China
②CNOOC China Limited Tianjin Company,Tianjin 300459,China
Abstract

In view of the strong heterogeneity of the low-permeability reservoirs in the sha 2 Member of Bohai X Oilfield,the large productivity differences among different wells,and the large deviations between the actual productivity and the pre-drilling prediction of some wells during exploration and development,this paper uses grey correlation analysis to determine sensitive factors affecting productivity and creates a productivity evaluation model based on logging data from 18 wells in X Oilfield. On this basis,combined with Pearson correlation coefficient theory,the CDP,evaluation chart and evaluation criteria are determined,and finally a method for quickly and accurately evaluating the initial productivity of a single well while drilling in the low permeability reservoirs of the sha 2 Member of X Oilfield is formed. Gas total volume,deep resistivity,porosity,permeability,oil saturation,shale content,and effective thickness are chosen as sensitive factors for the productivity of the low-permeability reservoirs in the sha 2 Member. Based on these seven sensitive factors,the CDP, evaluation chart and criteria are established. When the CDP is greater than 0.28,the initial productivity of a single well is greater than 40 m3/d; when the CDP is less than 0.28,the initial productivity of a single well is less than 40 m3/d. The CDP,charts and criteria have been applied to 7 wells in X Oilfield with good results. They can accurately evaluate the initial productivity of a single well,thereby providing new reference for decision making on completion program,and also providing new means for rapid productivity evaluation of complex low-porosity and low-permeability reservoirs.

Keyword: low-permeability reservoir; productivity evaluation; sensitive factor; determination indicators; grey correlation analysis; Pearson correlation coefficient; mud logging parameter; log parameter
0 引言

近年来, 低渗油藏逐渐成为国内各油区的研究热点[1, 2]。X油田是渤海低渗油田高效开发的先导试验区[3]和最大的已开发低渗油田, 沙二段为主力含油层系之一, 油藏埋深一般为3 100~3 400 m, 储层测井解释孔隙度主要分布在9.4%~19.2%之间, 平均值为15.3%, 渗透率在0.4~121.4 mD之间, 平均值为30 mD, 主要表现为常规低渗的特征。然而, 由于低渗储层岩石孔隙结构复杂、非均质性强、不同井区产能存在较大差异[4, 5, 6, 7], 严重影响了该油田高效开发, 虽已开发多年但仍剩余巨大的储量亟待挖潜[8]。该油田开发过程中, 部分井的低渗储层产能与钻前预测差异较大, 导致原设计开发方案不适用于生产实际, 无法有效动用储量, 增加了油田开发成本。

目前, 产能预测评价主要有公式法（Joshi、Giger、Borisov等理论计算公式[9, 10, 11]以及国内学者改进的计算公式[12, 13, 14]）及比采油指数法[15, 16, 17]。然而X油田沙二段低渗储层不同井的物性及含油性差异大, 非均质性强。由于公式法和比采油指数法都要借用邻井的试油、测井或生产数据, 在X油田这种复杂情况下无法获取准确的计算参数[18], 所以用公式法或者比采油指数法预测评价X油田低渗储层产能偏差较大。庞玉东等[19]基于测井及衍生参数预测超低渗储层产能, 郭素杰等[20]基于录井多参数创建产能指数评价储层产能, 以上两者只基于测井或者录井一方面的参数, 产能与参数关联性还有待深入探索。

为准确评价X油田沙二段低渗储层初期产能, 本文基于大量已钻井的录井和测井资料, 综合运用灰色关联分析和Pearson相关系数理论, 确定产能判定指标（CDP）、评价图板及标准, 以期形成随钻快速准确评价产能方法, 为单井开发方案决策提供可靠建议, 进而高效挖潜X油田低渗油藏储量。

1 产能敏感因素优选

油气储层产能的影响因素众多[21], 大致可分为两大类, 储层因素（内因）和工程因素（外因）。储层因素包括渗透率、孔隙度、含油饱和度、泥质含量、原油密度、原油粘度、油层有效厚度、地层流体系数、地层压力等; 工程因素包括表皮系数、井型、井眼尺寸、完井方式、生产压差、油嘴大小、电泵频率等。

当钻完井工程、生产条件相同时, 工程因素对产能影响程度大致相同, 可认为产能的变化只受储层因素影响。随钻快速获得的录井和测井各项参数均为储层因素, 因此选取X油田沙二段低渗储层钻完井工程、生产条件相同的井来研究低渗储层初期产能与录井和测井参数（储层因素）的关联性, 进而得到评价产能的方法。影响产能的录测井参数非常多, 本文在前人对影响产能敏感因素大量研究的基础上[19, 20, 22, 23, 24, 25], 同时结合X油田录井和测井实际条件, 选取气全量（Tg）、深电阻率（Re）、孔隙度（ϕ ）、渗透率（K）、含油饱和度（So）、泥质含量（Vs）、有效厚度（H）7项可以随钻快速获取的录测井参数, 再通过灰色关联分析的方法确定其是否是影响初期产能的敏感因素。

1.1 确定样本数据

1.1.1 样本数据范围

样本数据的选取遵循以下原则：生产层位为沙二段低渗储层, 钻完井工程情况（井型、井眼尺寸、完井方式、完井液类型等）及生产条件（生产压差、油嘴大小、电泵频率等）均相同, 保持工程因素对产能影响程度的一致性。据此选出X油田18口生产井共计124层394.60 m低渗油层的7项录测井参数及初期产能（P）作为原始样本数据。

1.1.2 数据校正处理

为了使数据更具有代表性, 保证研究结果的可靠性和准确性, 对筛选出的原始样本数据进行校正和厚度加权处理, 具体处理如下, 得到的样本数据见表1。

表1 样本数据

（1）录井迟到时间可能存在偏差导致气全量Tg不准确, 因此对Tg进行归位、剔除异常值等校正处理, 保证Tg为储层真实值。

（2）由于部分井资料较老, 需要对老井测井资料重新解释, 再将新得到的各项测井参数Re、ϕ 、K、So、Vs与原始数据检验核对, 校正错误值。

（3）有效厚度（H）为沙二段全段射孔生产的低渗油层的厚度总和。

（4）初期产能（P）为投产1个月内单井平均日产油量。

（5）将校正完的各项录测井参数按照公式（1）进行厚度加权处理。因为单井产能为沙二段多层油层共同产出的结果, 通过厚度加权处理让每口井产能只对应各项参数的一个值, 才能继续进行后续的研究。

E=∑m=1nemhmH（1）

式中：E为储层厚度加权后的参数值; em为第m层储层该项参数的值; hm为第m层储层的厚度（m=1, 2, 3, …, n; n为沙二段全段射孔生产的低渗储层的总层数）。

1.2 灰色关联分析

灰色理论[26]用于分析各个因素对结果的影响程度, 假设已知某一个因素可能与其他几个因素相关, 想知道这个因素与其他哪个因素相对来说关系更密切, 这个因素即为母因素, 其他因素为子因素。母因素与子因素关系越密切, 则关联度越大, 反之越小。样本量无论大小和是否有规律该方法都适用, 其分析结果与定性分析相吻合, 实用方便。步骤如下：

第一步, 确定分析数列, 母因素数据为参考数列, 子因素数据为比较数列。第二步, 数据无量纲化处理, 由于系统中各因素列中的数据可能因量纲不同, 不便于比较或在比较时难以得到正确的结论, 因此在进行灰色关联度分析时, 一般都要进行数据的无量纲化处理, 处理方法有区间值化、初值化、均值化。第三步, 计算关联系数。第四步, 求关联度。第五步, 对关联度进行排序, 并对排序结果进行分析（本文仅需求得各因素与单井初期产能的关联度大小来判定是否为敏感因素即可, 无需进行关联度排序）。

1.2.1 确定分析数列矩阵

由于是研究产能与7项录测井参数的影响关系, 以初期产能作为母因素, 其他7项录测井参数作为子因素, 设母因素{y0=y0（k）|k=1, 2, 3, …, a}为参考数列, 各子因素{yi=yi（k）|k=1, 2, 3, …, a}（i=1, 2, 3, …, b）为比较数列, 其中a为各参数取值个数（即样本数据总井数）, b为比较数列的列数。

1.2.2 数据无量纲化处理

本文采用区间值化进行无量纲化处理。对表1数据由公式（2）进行无量纲化处理, 使其按照区间值[0, 1]归一化得到表2。

Yj（k）=yj（k）-yjminyjmax-yjmin（2）

式中： Yj（k）为第j列第k点的归一化值; yj（k）为第j列第k点的原始值; yjmin为第j列的最小值; yjmax为第j列的最大值; j=0, 1, 2, 3, …, b。

表2 区间值归一化数据

1.2.3 求取关联系数和关联度

先由公式（3）和公式（4）求得Y0（k）与Yi（k）的关联系数ξ i（k）, 再根据公式（5）求得各子因素和母因素的关联度Ri。

Pi（k）=Y0（k）-Yi（k）（3）

ξi（k）=Pmin+εPmaxPi（k）+εPmax（4）

Ri=1a∑k=1aξi（k）（5）

式中： Pi（k）为第i列第k点比较数列与参考数列的绝对差; Y0（k）、 Yi（k）分别为参考数列和比较数列第k点的归一化值; ε 为分辨系数, 一般取0.5; Pmin、Pmax分别为比较数列与参考数列绝对差的最小值、最大值。

1.2.4 敏感因素确定

由图1可以看出, 各子因素与母因素关联度均大于0.6, 因此气全量、电阻率、孔隙度、渗透率、含油饱和度、泥质含量、有效厚度均可作为影响初期产能的敏感因素。

图1 各评价参数与初期产能关联度

2 产能评价方法
2.1 产能评价模型

如果产能有b个评价参数, 那么可以通过这些评价参数的加权求和来评价一口井的产能[20], 评价模型见公式（6）和公式（7）。

CDP=∑i=1bτi（αiYi）（6）

αi=Ri∑i=1bRi（7）

式中：CDP为产能判定指标; τ i为第i项（α iYi）值的正负, 可由Pearson相关系数确定; Yi为第i项评价参数的归一化值; α i为第i项参数的权重系数。

2.1.1 权重系数

根据公式（7）可得到各项评价参数的权重系数如表3。

表3 各评价参数的权重系数

2.1.2 Pearson相关系数

Pearson相关系数[27]是反映两个变量间关系密切程度的统计指标, 其取值区间为[-1, 1], 为正则表示两个变量呈正相关, 为负则呈负相关, 为0则表示两个变量不相关。当两个变量的相关系数越趋近于1或-1, 表示其相关关系越强, 越趋近于0, 则表示相关关系越弱。各评价参数与初期产能的Pearson相关系数见表4。

表4 各评价参数与P的Pearson相关系数及τ i

τ i由各评价参数与初期产能的Pearson相关系数得到, 相关系数为正则τ i为正, 反之为负。根据表4可知, Vs与初期产能的相关系数为负, 因此其τ i为负, 其余评价参数均为正。

2.2 产能判定指标、评价图板及标准

2.2.1 产能判定指标

根据表3的权重系数及表4中各评价参数的τ i, 代入公式（6）得到CDP的计算公式（8）。将表2的归一化数据代入公式（8）, 可得到X油田18口样本数据井的产能判定指标CDP（表5）。

CDP=0.1449Tg+0.1505Re+0.1403ϕ+0.1476K+0.1344So-0.1331Vs+0.1493H（8）

表5 18口样本数据井的产能判定指标

2.2.2 产能评价图板及标准

以X油田沙二段低渗储层单井初期产能的最低配产（40 m3/d）为经济门限, 将初期产能≥ 40 m3/d定义为高产井, 反之定义为低产井。参照表1和表5, 以CDP为横轴, P为纵轴建立产能评价图板（图2）, 再根据该图板建立X油田沙二段低渗储层产能评价标准：当CDP≥ 0.28时, 单井初期产能≥ 40 m3/d（高产井）; 当CDP< 0.28时, 单井初期产能< 40 m3/d（低产井）。

图2 X油田沙二段低渗储层产能评价图板

3 现场应用

产能判定指标、评价图板及标准在X油田A 1-A 7共7口井现场应用中取得良好效果（图2、表6）, 实现了准确评价初期产能, 其中4口井（A 2、A 4、A 6、A 7井）CDP< 0.28, 随钻评价结论为低产井, 将A 6、A 7完井方式改为射孔压裂, 采取增产措施后两口井均获得了较高产能。由此可见, 应用上述研究的方法可为完井决策提供可靠建议, 可根据评价结果决定是否要采取进一步增产措施。

表6 X油田沙二段低渗储层应用7口井
4 结论

（1）气全量、电阻率、孔隙度、渗透率、含油饱和度、泥质含量、有效厚度这7项录测井参数为X油田沙二段低渗储层的产能敏感因素。

（2）综合运用灰色关联分析, 结合Pearson相关系数理论, 基于X油田沙二段低渗储层18口井的录井和测井参数, 创建产能判定指标（CDP）、评价图板及标准, 形成了适用于X油田沙二段低渗储层的随钻快速准确评价单井初期产能方法。当CDP≥ 0.28时, 单井初期产能≥ 40 m3/d（高产井）, 当CDP< 0.28时单井初期产能< 40 m3/d（低产井）。

（3）应用本文的方法可为完井决策提供指导性建议。当CDP≥ 0.28时, 建议采用常规套管射孔完井方式, 不用额外实施增产措施, 节省工程费用; 当CDP< 0.28时, 则建议采取压裂完井方法增产, 提高单井产能。

（编辑 陈 娟）

参考文献
[1] 胡勇, 周军良, 汪全林, 等. 渤海BZ油田低渗储层质量主控因素及开发实践[J]. 中国海上油气, 2019, 31(1): 103-112.
HU Yong, ZHOU Junliang, WANG Quanlin, et al. The quality control factors and development practices of low permeability reservoirs in BZ Oilfield, Bohai Sea[J]. China Offshore Oil and Gas, 2019, 31(1): 103-112. [本文引用:1]
[2] 许聘, 胡勇, 周军良, 等. 渤海湾渤中25油田沙二段低渗储层特征[J]. 西安科技大学学报, 2017, 37(4): 573-581.
XU Pin, HU Yong, ZHOU Junliang, et al. Characteristics of low permeability reservoir of Sha 2 Member in Bohai Bozhong 25 Oilfield[J]. Journal of Xi'an University of Science and Technology, 2017, 37(4): 573-581. [本文引用:1]
[3] 周军良, 胡勇, 李超, 等. 渤海典型低孔低渗油藏储层预测及效果: 以渤海A油田沙河街组二段为例[J]. 海相油气地质, 2016, 21(4): 73-77.
ZHOU Junliang, HU Yong, LI Chao, et al. Reservoir prediction and result of classical Eocene Shahejie-2 reservoir with low porosity and low permeability in Oilfield A, Bohaiwan Basin[J]. Marine Origin Petroleum Geology, 2016, 21(4): 73-77. [本文引用:1]
[4] 王哲, 曹广胜, 白玉杰, 等. 低渗透油藏提高采收率技术现状及展望[J]. 特种油气藏, 2023, 30(1): 1-13.
WANG Zhe, CAO Guangsheng, BAI Yujie, et al. Development status and prospect of EOR technology in low-permeability reservoirs[J]. Special Oil & Gas Reservoirs, 2023, 30(1): 1-13. [本文引用:1]
[5] 杜阳阳, 王燕, 李亚峰, 等. 低孔低渗储层流体性质测录井综合识别方法研究现状与展望[J]. 地球物理学进展, 2018, 33(2): 571-580.
DU Yangyang, WANG Yan, LI Yafeng, et al. Research status and outlook of the mud logging and well logging data comprehensive recognition for the low porosity and permeability of the reservoir fluid properties[J]. Progress in Geophysics, 2018, 33(2): 571-580. [本文引用:1]
[6] 周军良. 渤中M油田低渗储层裂缝特征及对开发的影响[J]. 特种油气藏, 2018, 25(3): 102-107.
ZHOU Junliang. Fracture characteristics of low-permeability reservoirs in Bozhong M Oilfield and their impact on development[J]. Special Oil & Gas Reservoirs, 2018, 25(3): 102-107. [本文引用:1]
[7] 周军良, 胡勇, 耿红柳, 等. 渤海海域A油田沙二段低渗储层特征及控制因素[J]. 海洋地质前沿, 2016, 32(12): 26-32.
ZHOU Junliang, HU Yong, GENG Hongliu, et al. Features and controlling factors of low permeability reservoirs of E3S2 in Oilfield A, Bohai Bay[J]. Marine Geology Frontiers, 2016, 32(12): 26-32. [本文引用:1]
[8] 金宝强, 邓猛, 陈建波, 等. BZ油田沙二段低渗储层定量预测方法[J]. 地质找矿论丛, 2021, 36(3): 288-296.
JIN Baoqiang, DENG Meng, CHEN Jianbo, et al. Quantitative prediction of lowly permeable reservoir in Member Sha 2 in BZ Oil field[J]. Contributions to Geology and Mineral Resources Research, 2021, 36(3): 288-296. [本文引用:1]
[9] JOSHI S D. Augmentation of well production using slant and horizontal wells[R]. SPE 15375, 1986. [本文引用:1]
[10] GIGER F M, REISS L H, JOURDAN A P. The reservoir engineering aspects of horizontal drilling[R]. SPE 13024, 1984. [本文引用:1]
[11] BORISOV J P. Oil production using horizontal and multiple deviation wells[M]. Oklahoma： The R&D Library Translation, 1984. [本文引用:1]
[12] 陈元千, 王鑫, 常宝华. 评价异常高压高产气井产能的新方法[J]. 中国海上油气, 2022, 34(6): 93-100.
CHEN Yuanqian, WANG Xin, CHANG Baohua. A new method for evaluating the productivity of abnormally high-pressured and high-rate gas wells[J]. China Offshore Oil and Gas, 2022, 34(6): 93-100. [本文引用:1]
[13] 陈元千, 郭二鹏, 彭子璇, 等. 各向异性断块油藏水平井产能公式的推导[J]. 石油学报, 2017, 38(12): 1420-1424.
CHEN Yuanqian, GUO Erpeng, PENG Zixuan, et al. Derivation of productivity formulas for horizontal wells in anisotropic fault-block reservoirs[J]. Acta Petrolei Sinica, 2017, 38(12): 1420-1424. [本文引用:1]
[14] 李传亮, 朱苏阳, 董凤玲. 综合形式的水平井产量公式[J]. 新疆石油地质, 2016, 37(3): 311-313.
LI Chuanliang, ZHU Suyang, DONG Fengling. A comprehensive production formula for horizontal wells[J]. Xinjiang Petroleum Geology, 2016, 37(3): 311-313. [本文引用:1]
[15] 李波, 罗宪波, 刘英. 海上稠油油田合理单井产能预测新方法[J]. 中国海上油气, 2008, 20(4): 243-245.
LI Bo, LUO Xianbo, LIU Ying. A new method to predict reasonable deliverability of individual wells in offshore heavy oilfields[J]. China Offshore Oil and Gas, 2008, 20(4): 243-245. [本文引用:1]
[16] 何逸凡, 胡勇, 周海燕, 等. 渤中25-1南油田窄河道型油藏中途测试产能评价[J]. 新疆石油地质, 2016, 37(2): 204-207.
HE Yifan, HU Yong, ZHOU Haiyan, et al. Evaluation of DST deliverability in narrow channel sand reservoir in BZ 25-1s Oilfield, Bohai Sea[J]. Xinjiang Petroleum Geology, 2016, 37(2): 204-207. [本文引用:1]
[17] 吴春新, 刘学, 刘英宪, 等. 黄河口凹陷比采油指数预测方法及应用[J]. 断块油气田, 2018, 25(2): 218-221.
WU Chunxin, LIU Xue, LIU Yingxian, et al. Method of specific productivity index prediction of Huanghekou Sag and its application[J]. Fault-Block Oil & Gas Field, 2018, 25(2): 218-221. [本文引用:1]
[18] 王文涛, 刘鹏超, 李标, 等. 特低渗储层产能模糊综合评价方法研究[J]. 特种油气藏, 2019, 26(2): 127-131.
WANG Wentao, LIU Pengchao, LI Biao, et al. Fuzzy comprehensive evaluation for productivity of ultra-low permeability reservoir[J]. Special Oil & Gas Reservoirs, 2019, 26(2): 127-131. [本文引用:1]
[19] 庞玉东, 宋子齐, 何羽飞, 等. 基于超低渗透砂岩储层试油产能预测分析方法[J]. 石油钻采工艺, 2013, 35(5): 74-78.
PANG Yudong, SONG Ziqi, HE Yufei, et al. Study on the testing productivity prediction method in ultra-low permeability sand stone reservoir[J]. Oil Drilling & Production Technology, 2013, 35(5): 74-78. [本文引用:2]
[20] 郭素杰, 马友生, 蔡军, 等. 基于灰色关联分析的产能指数在储集层评价中的应用[J]. 录井工程, 2016, 27(4): 40-44.
GUO Sujie, MA Yousheng, CAI Jun, et al. Application of productivity index based on grey relational analysis in reservoir evaluation[J]. Mud Logging Engineering, 2016, 27(4): 40-44. [本文引用:3]
[21] 谭忠健, 胡云, 张国强, 等. 渤中19-6构造复杂储层流体评价及产能预测[J]. 石油钻采工艺, 2018, 40(6): 764-774.
TAN Zhongjian, HU Yun, ZHANG Guoqiang, et al. Fluid evaluation and productivity prediction on complex reservoirs in Bozhong 19-6 structure[J]. Oil Drilling & Production Technology, 2018, 40(6): 764-774. [本文引用:1]
[22] 何羽飞, 陈向阳, 张亮, 等. 基于测井多参数的特低渗储层产能快速预测[J]. 复杂油气藏, 2014, 7(3): 48-52.
HE Yufei, CHEN Xiangyang, ZHANG Liang, et al. Fast productivity prediction of extra-low permeability reservoir based on well logging information[J]. Complex Hydrocarbon Reservoirs, 2014, 7(3): 48-52. [本文引用:1]
[23] 董银涛, 宋来明, 张迎春, 等. 基于物理约束数据挖掘算法的海上油井初期产能预测方法[J]. 油气地质与采收率, 2022, 29(1): 137-144.
DONG Yintao, SONG Laiming, ZHANG Yingchun, et al. Initial productivity prediction method for offshore oil wells based on data mining algorithm with physical constraints[J]. Petroleum Geology and Recovery Efficiency, 2022, 29(1): 137-144. [本文引用:1]
[24] 梁涛, 常毓文, 郭晓飞, 等. 巴肯致密油藏单井产能参数影响程度排序[J]. 石油勘探与开发, 2013, 40(3): 357-362.
LIANG Tao, CHANG Yuwen, GUO Xiaofei, et al. Influence factors of single well's productivity in the Bakken tight oil reservoir[J]. Petroleum Exploration and Development, 2013, 40(3): 357-362. [本文引用:1]
[25] 李展峰, 张占女, 王树涛, 等. M 1-1油田厚陡窄复杂油藏水平井产能预测方法研究[J]. 石油地质与工程, 2020, 34(2): 71-75.
LI Zhanfeng, ZHANG Zhannü, WANG Shutao, et al. Study on productivity prediction method of horizontal wells in thick, steep, narrow complex reservoirs of M1-1 Oilfield[J]. Petroleum Geology & Engineering, 2020, 34(2): 71-75. [本文引用:1]
[26] 刘思峰, 党耀国, 方志耕, 等. 灰色系统理论及其应用[M]. 北京: 科学出版社, 2010.
LIU Sifeng, DANG Yaoguo, FANG Zhigeng, et al. Grey system theory and its application[M]. Beijing: Science Press, 2010. [本文引用:1]
[27] 宋宣毅, 刘月田, 马晶, 等. 基于灰狼算法优化的支持向量机产能预测[J]. 岩性油气藏, 2020, 32(2): 134-140.
SONG Xuanyi, LIU Yuetian, MA Jing, et al. Productivity forecast based on support vector machine optimized by grey wolf optimizer[J]. Lithologic Reservoirs, 2020, 32(2): 134-140. [本文引用:1]