- •Н.И. Смоглюков Математические методы прогнозирования
- •Содержание
- •Введение
- •Раздел 1. Методы прогнозирования и их классификация
- •1.1. Определение прогноза и его предпосылки. Длительность периода прогноза. Виды прогнозов
- •1.2. Краткая характеристика методов прогнозирования
- •Раздел 2. Прогнозирование одномерных временных рядов
- •2.1. Метод среднего абсолютного прироста
- •2.2. Метод среднего темпа роста
- •2.3. Метод линейного тренда (метод наименьших квадратов)
- •Стандартная ошибка прогноза зависит не только от числа наблюдений n, но и от периода упреждения и определяется по формуле
- •2.4. Модели сезонной декомпозиции
- •2.5. Адаптивные методы прогнозирования
- •Нестационарные модели.
- •Раздел 3. Эконометрические модели прогнозирования
- •3.1. Однофакторные модели прогнозирования
- •3.2. Многофакторные модели прогнозирования
- •3.3. Модель, содержащая несколько уравнений
- •Раздел 4. Динамические модели прогнозирования
- •4.1. Принципы построения непрерывных динамических моделей
- •4.2. Принципы построения конечно-разностных динамических моделей
- •Литература
- •Математические методы прогнозирования
4.2. Принципы построения конечно-разностных динамических моделей
Для нефтяных месторождений нет общего рецепта выбора системы разработки, так как эта система зависит от многих факторов: размера залежи, мощности пласта, глубины залегания, характеристик нефти, содержание в ней газа и воды и др. Целью регулирования процесса разработки нефтяной залежи является равномерное перемещение водонефтяного контакта. При неравномерном продвижении воды в отдельных направлениях скважины могут быстро обводняться, поэтому принимаются меры по снижению обводненности скважин, например, такие как: ограничение отбора жидкости, проведение изоляционных работ, ограничение закачки воды в близкорасположенные нагнетательные скважины и др. Прогнозирование состояния обводненности скважин является важной задачей в процессе разработки нетяной залежи. В процессе разработки нефтяной залежи строят карты отборов нефти и карты обводненности по скважинам. Сравнение таких карт, построенных на разные даты времени, позволяют установить изменения указанных показателей по скважинам. Для оперативного прогноза можно построить модель обводненности скважины по статистическим данным и использовать ее для прогноза и регулирования обводненности.
Пусть
в момент времени
доля воды по скважине составляет
,
а доля нефти в этот же момент времени
составит (
).
За период времени
доля нефти уменьшится на величину
коэффициента падения добычи нефти
и составит
).
Если в это же время проведено мероприятие
по снижению обводненности скважины, то
обводненность скважины можно определить
так
,
где
коэффициент, характеризующий эффективность
мероприятий, направленных на снижение
обводненности скважин
и
.
Таким образом, изменение уровня обводненности скважины можно записать
.
Выразим
обводненность скважины в момент времени
(4.7)
Пусть
в момент времени
известна доля обводненности
,
тогда уравнение (4.7) можно переписать
следующим образом:
.
Полученное
выражение
представляет собой сумму геометрической
прогрессии –
,
следовательно, обводненность скважины
можно представить так:
.
(4.8)
Если
не проводить регулирование процесса
эксплуатации отдельных скважин, то
скважины обводняются более высокими
темпами и этот процесс можно выразить
следующей формулой, учитывая, что
.
(4.9)
Рассмотрим, как практически использовать полученные модели. В табл. 4.1. представлены фактические данные по скважине № 93 за 1990 г. по верхнемеловой залежи месторождения Брагуны.
Таблица 4.1
Месяц,
|
Добыча жидкости,
|
Добыча нефти,
|
Добыча воды,
|
Доля обводненности,
|
Доля нефти,
|
0 |
4,667 |
2,107 |
2,560 |
0,5485 |
0,4515 |
1 |
4,056 |
1,520 |
2,536 |
0,6252 |
0,3748 |
2 |
4,092 |
1,395 |
2,697 |
0,6591 |
0,3409 |
3 |
5,080 |
1,674 |
4,006 |
0,7886 |
0,2114 |
4 |
4,853 |
1,017 |
3,836 |
0,7904 |
0,2096 |
5 |
3,772 |
0,874 |
2,898 |
0,7683 |
0,2317 |
6 |
3,762 |
0,894 |
2,868 |
0,7624 |
0,2376 |
7 |
3,782 |
0,721 |
3,061 |
0,8094 |
0,1906 |
8 |
3,678 |
0,624 |
3,054 |
0,8303 |
0,1697 |
9 |
3,962 |
0,617 |
3,345 |
0,8443 |
0,1557 |
10 |
4,620 |
0,570 |
4,050 |
0,8766 |
0,1234 |
11 |
4,616 |
0,581 |
4,035 |
0,8741 |
0,1259 |
Воспользуемся
этими статистическими данными для
определения параметров модели
и
.
Для этого запишем два уравнения в момент
времени
и
,
чтобы теоретические значения обводненности
проходили через эти точки
;
.
Решаем
совместно эти два уравнения в Mathcad
для определения параметров
и
с начальными условиями
и
.
Для оценки параметров и можно также воспользоваться МНК, минимизирующий стантартную ошибку модели.
По
найденным значениям параметров и
начальным значениям обводненности при
осуществим ретроспективный и перспективный
прогноз доли обводенности по скважине
с процессом регулирования и без него.
Полученные результаты прогноза
представлены в виде векторов
,
и графически (рис. 4.4).
;
;
;
.
;
где
– фактическая
обводненность.
Рис. 4.4
Полученные прогнозные данные обводненности скважины можно использовать для определения экономической целесообразности дальнейшей эксплуатации скважины, сравнивая их с предельной обводненностью для этой скважины. Предельная обводненность рассчитывается с учетом высвобождаемых затрат, которые являются частью эксплуатационных затрат по скважине и предельной ценой нефти, например с мировыми ценами. В случае превышения обводненности по скважине предельной, необходимо провести комплекс мероприятий, направленных на снижения обводнености скважины.
