Решение обратной задачи в рамках модели D-CRMP с учетом прогнозных свойств

В работе представлено тестирование программы, реализующей модель D-CRMP. Модель D-CRMP входит в семейство аналитических моделей «емкости — сопротивления» (CRM), которые предназначены главным образом для оперативного регулирования системы заводнения. Отличие модели D-CRMP заключается в ее способности учитывать периоды остановок добывающих скважин при адаптации модели. Решение обратной задачи основано на использовании алгоритмов имитации отжига и последовательного квадратичного программирования методом наименьших квадратов из библиотеки SciPy. В работе рассматривается особенность решения уравнения D-CRMP, связанная с ошибками в прогнозе добычи пластовой жидкости после выхода добывающей скважины из периода проcтоя. Производится выбор целевой функции и ограничений, являющихся предпочтительными при применении упомянутых алгоритмов для адаптации модели D-CRMP. Обозначен метод выбора лучшей модели при использовании для их построения алгоритма, основанного на работе генератора псевдослучайных чисел. Выбор осуществляется с учетом прогнозных свойств моделей. Подробно рассмотрен подход к построению доверительных интервалов, основанный на F-тесте. Проведена их оценка.

1. Salehian, M. Reservoir Characterization Using Dynamic CapacitanceResistance Model with Application to Shutin and Horizontal Wells / M. Salehian, M. Çınar. – DOI: 10.1007/s1320201906554. – Direct text // Journal of Petroleum Exploration and Production Technology. – 2019. – Vol. 9. – P. 2811–2830.

2. AlYousef, A. A. Investigating Statistical Techniques to Infer Interwell Connectivity from Production and Injection Rate Fluctuations : PhD dissertation / A. A. AlYousef. – Austin : University of Texas, 2006. – 540 p. – Direct text.

3. StateoftheArt Literature Review on Capacitance Resistance Models for Reservoir Characterization and Performance Forecasting / R. W. Holanda, E. Gildin, J. L. Jensen [et al.]. – DOI: 10.3390/en11123368. – Direct text // Energies. – 2018. – Vol. 11, Issue 12. – P. 33–68.

4. Сопровождение разработки нефтяных месторождений с использованием моделей CRM : монография / С. В. Степанов, А. Д. Бекман, А. А. Ручкин, Т. А. Поспелова. – Текст : непосредственный. – Тюмень : ИПЦ «Экспресс», 2021. – 300 с.

5. Мусакаев, Э. Н. Эффективное решение задач идентификации моделей пластовых систем и управления заводнением нефтяных месторождений : специальность 05.13.18 «Математическое моделирование, численные методы и комплексы программ» : диссертация на соискание ученой степени канд. техн. наук / Мусакаев Эмиль Наильевич ; Российский государственный университет нефти и газа им. И.М. Губкина. – Москва, 2021. – 111 с. – Текст : непосредственный.

6. Tsallis, C. Generalized Simulated Annealing / C. Tsallis, D. A. Stariolo. – DOI: 10.1016/S03784371(96)002713. – Direct text // Physica A : Statistical Mechanics and its Applications. – 1996. – Vol. 233. – P. 395–406.

7. Weber, D. B. The Use of CapacitanceResistance Models to Optimize Injection Allocation and Well Location in Water Floods : PhD dissertation / D. B. Weber. – Austin : University of Texas, 2009. – 275 p. – Direct text.

8. Bonamente, M. Statistics and Analysis of Scientific Data / M. Bonamente. – DOI: 10.1007/9781493965724. – USA : Springer, 2013. – 301 p. – Direct Text.

9. Ekstrøm, C. T. Introduction to Statistical Data Analysis for the Life Sciences / C. T. Ekstrøm, H. Sørensen. – 2nd edition. – Boka Raton : Taylor & Francis Group, 2015. – 506 p. – Direct Text.