intTypePromotion=1

Nghiên cứu ứng dụng mô hình tăng trưởng logistic để dự báo khai thác cho tầng miocene dưới, mỏ Bạch Hổ

Chia sẻ: ViBeirut2711 ViBeirut2711 | Ngày: | Loại File: PDF | Số trang:7

0
32
lượt xem
0
download

Nghiên cứu ứng dụng mô hình tăng trưởng logistic để dự báo khai thác cho tầng miocene dưới, mỏ Bạch Hổ

Mô tả tài liệu
  Download Vui lòng tải xuống để xem tài liệu đầy đủ

Bài viết ứng dụng mô hình tăng trưởng logistic (LGM) để dự báo khai thác cho tầng Miocene dưới, mỏ Bạch Hổ bằng cách xác định một tập hợp các thông số đường cong suy giảm qua quá trình tái lặp lịch sử khai thác sử dụng thuật toán tối ưu (optimisation algorithm).

Chủ đề:
Lưu

Nội dung Text: Nghiên cứu ứng dụng mô hình tăng trưởng logistic để dự báo khai thác cho tầng miocene dưới, mỏ Bạch Hổ

  1. THĂM DÒ - KHAI THÁC DẦU KHÍ TẠP CHÍ DẦU KHÍ Số 9 - 2019, trang 16 - 22 ISSN-0866-854X NGHIÊN CỨU ỨNG DỤNG MÔ HÌNH TĂNG TRƯỞNG LOGISTIC ĐỂ DỰ BÁO KHAI THÁC CHO TẦNG MIOCENE DƯỚI, MỎ BẠCH HỔ Trần Đăng Tú, Đinh Đức Huy, Trần Xuân Quý, Phạm Trường Giang, Lê Vũ Quân, Lê Thế Hùng, Lê Quốc Trung, Trần Nguyên Long Viện Dầu khí Việt Nam Email: tutd@vpi.pvn.vn Tóm tắt Bài báo ứng dụng mô hình tăng trưởng logistic (LGM) để dự báo khai thác cho tầng Miocene dưới, mỏ Bạch Hổ bằng cách xác định một tập hợp các thông số đường cong suy giảm qua quá trình tái lặp lịch sử khai thác sử dụng thuật toán tối ưu (optimisation algorithm). Sai số tương đối trung bình giữa kết quả dự báo bằng mô hình LGM và dữ liệu khai thác thực tế là 0,6%. Kết quả nghiên cứu cho thấy mô hình LGM đã cải thiện khả năng dự báo với độ tin cậy cao. Từ khóa: Mô hình tăng trưởng logistic (LGM), dự báo khai thác, trữ lượng có thể thu hồi cuối cùng (EUR), Miocene dưới, mỏ Bạch Hổ. 1. Giới thiệu Trong đó: Mô hình LGM được phát triển bởi Pierre Verhulst (Bỉ) N: Dân số = vào năm 1830 [1]. Đường cong tăng trưởng logistic là một r: Hằng số, = = tập hợp các mô hình toán học được sử dụng để dự báo 1 dân số. Sau đó, mô hình này được ứng dụng vào các lĩnh α: Số mũ, =1− 1 1 = 1= −1 − vực khác như: vật lý, địa lý, hóa học…. Dựa trên ý tưởng β: Số mũ, β = 1 1 của Malthus (dân số của một quốc gia hoặc một khu vực =1+ 1 1 cụ thể chỉ có thể tăng lên một mốc nhất định) [2], Pierre γ: Số mũ, = 1= +1 + Verhulst đã thêm một hệ số nhân vào phương trình tăng ( )tăng K: Khả năng = trưởng trưởng lũy tiến để tạo ra mô hình LGM. ( )( =) = += + Mô hình được đề+xuất sau đây là trường hợp đặc biệt Phương trình tăng trưởng logistic có một thuật ngữ của mô hình LGM tổng quát. Mô 1 hình này rất linh hoạt và gọi là khả năng tăng trưởng (carrying capacity). Khả năng =1− có thể thích ứng với nhiều dạng đường cong khác nhau. tăng trưởng là sức chứa lớn nhất mà dân số có thể tăng Với mục đích để dự báo khai thác1 các giếng dầu và khí, mô lên, tại thời điểm đó sự tăng trưởng dân số sẽ ổn định. = 1dạng: + hình được hiệu chỉnh có Ngoài việc dự báo tăng trưởng dân số, các mô hình LGM còn được sử dụng để dự báo sự tăng trưởng của nấm men, ( )= (2) tái tạo các cơ quan và sự thâm nhập của các sản phẩm mới + vào thị trường [3]. Mô hình này được sử dụng trước đó Trong đó: trong lĩnh vực dầu khí dưới dạng mô hình Hubbert. Mô Q: Sản lượng khai thác cộng dồn; hình Hubbert (1956) được sử dụng để dự báo khai thác cho toàn mỏ hoặc vùng khai thác riêng biệt [4]. Mô hình K: Trữ lượng có thể thu hồi cuối cùng (EUR); LGM được Tsoularis và Wallace kết hợp tạo thành mô hình a: Hằng số; LGM tổng quát có dạng: n: Hệ số mũ hyperbolic; = 1− (1) t: Thời gian. Hệ số mũ n hyperbolic kiểm soát độ dốc suy giảm của lưu lượng khai thác theo thời gian sau khi đã được logarit Ngày nhận bài: 21/8/2019. Ngày phản biện đánh giá và sửa chữa: 21 - 27/8/2019. Ngày bài báo được duyệt đăng: 9/9/2019. hóa (Hình 1). 16 DẦU KHÍ - SỐ 9/2019
  2. PETROVIETNAM Lưu lượng dầu hoặc khí có dạng: = (5) ( )= = (3) ( + ) Trong đó, qD là lưu lượng khai thác không thứ nguyên. = → thứ Sử dụng các biến không + nguyên, 2 các loại đường cong Trong đó, q là lưu lượng = khai thác. biểu diễn trạng thái của mô hình được thực hiện. Hình 1 cho 2. Các thông số của mô hình LGM thấy lưu lượng khai thác dầu không thứ nguyên và sản lượng khai thác cộng dồn không thứ nguyên ứng với các giá trị “n” Có 2 hoặc 3 thông số chưa biết trong mô hình khác nhau. LGM và các thông số này được xác định thông qua quá trình tái lặp lịch sử khai thác. Đó là: Hình 1 thể hiện trạng thái các đường cong của mô hình với n từ 0 đến 1. Các giá trị “K” và “a” được sử dụng trong ví dụ này K: Trữ lượng có thể thu hồi cuối cùng (EUR); là tùy chọn. Giá trị “n” kiểm soát độ dốc suy giảm lưu lượng khai n: Số mũ hyperbolic; thác. Với n càng nhỏ thì giếng sẽ suy giảm với lưu lượng khai thác cao trong một khoảng thời gian ngắn trước khi ổn định và a: Hằng số. giảm chậm hơn. Ngược lại với giá trị “n” càng lớn, giếng sẽ suy K là thông số quan trọng được xác định dựa trên giảm với lưu lượng khai thác ổn định trong suốt đời mỏ. Khi n thuật toán tối ưu sử dụng dữ liệu lịch sử của giếng vượt quá 1, mô hình sẽ có điểm uốn, trong đó lưu lượng tăng khai thác, do vậy mô hình LGM có tính thực tế cao trong một thời gian ngắn trước khi giảm. Điều này không làm hơn so với mô hình ARPS. Sản lượng dầu hoặc khí cho kết quả dự báo bị sai và trên thực tế có thể được sử dụng cộng dồn theo thời gian sẽ tiếp cận trữ lượng có thể để khớp lịch sử cho các giếng có lưu lượng khai thác ban đầu thu hồi dầu hoặc khí cho đến cuối đời mỏ. Thông không lớn nhất. số này cũng là 1 trong 3 thông số có thể xác định Thông số thứ 3, a là lũy thừa bậc n của t mà tại đó một nửa trước bằng phương pháp ứng dụng phương trình trữ lượng có thể thu hồi được khai thác. Lưu ý tránh nhầm lẫn cân bằng vật chất [5] hoặc khi đã tính toán được trữ với một nửa thời gian cần thiết để sản lượng giếng đạt đến trữ lượng tại chỗ (bằng phương pháp thể tích) và hệ lượng có thể thu hồi cuối cùng. Phương trình 6 cho thấy tại thời số thu hồi. Nếu EUR không biết trước khi khai thác = LGM đạt một nửa trữ lượng có điểm tn tiến dần đến a, mô hình giếng thì sử dụng EUR như một ẩn số. Bài toán trở thể thu hồi cuối cùng (K): thành giải phương trình 3 ẩn số sao cho sản lượng dự báo khai thác khớp với lịch sử khai thác. = (6) → + 2 Hai thông số a và n trong mô hình ảnh hưởng đến trạng thái của mô hình. Để đánh giá sự tác động Điều này giúp a hoạt động giống như thông số suy giảm của các thông số a và n đến hiệu suất của mô hình ban đầu Di trong phương trình của Arps. Giá trị a càng thấp, LGM, các thuật ngữ lưu lượng khai thác và sản lượng khai thác cộng dồn không thứ nguyên đã được đưa ra. Sản lượng khai thác cộng dồn không thứ nguyên là tỷ số giữa sản lượng khai thác cộng dồn và trữ ( )= = ( + (K):) lượng có thể thu hồi cuối cùng = (4) Trong đó, QD là sản lượng khai thác cộng dồn không thứ nguyên. Khi sản lượng khai thác cộng dồn đạt đến trữ lượng có thể thu hồi cuối cùng (K), sản lượng khai thác cộng dồn không thứ nguyên sẽ bằng 1. Lưu lượng khai thác không thứ nguyên là tỷ số giữa lưu lượng khai thác hiện tại và lưu lượng khai thác cao nhất hay còn gọi là lưu lượng khai thác ban đầu. Hình 1. Các loại đường cong không thứ nguyên ứng với các giá trị “n” [6] DẦU KHÍ - SỐ 9/2019 17
  3. THĂM DÒ - KHAI THÁC DẦU KHÍ lưu lượng khai thác sẽ càng giảm nhanh trước khi ổn định. Ngược lại, giá trị “a” càng cao, lưu lượng khai thác càng ổn định trong suốt đời giếng. Nói cách khác, nếu giá trị “a” thấp, giếng sẽ khai thác với lưu lượng lớn và nhanh chóng thu hồi một nửa lượng dầu hoặc khí, sau đó giảm mạnh và khai thác ổn định phần trữ lượng còn lại ở lưu lượng thấp trong một khoảng thời gian dài. Hình 2 và 3 cho thấy lưu lượng khai thác không thứ nguyên so với thời gian và sản lượng khai thác cộng dồn so với thời gian tương ứng sự thay đổi của thông số a. Các giá trị a trong Hình 4 và 5 thay Hình 2. Lưu lượng khai thác không thứ nguyên theo thời gian ứng với các giá trị “a” [6] đổi từ 10 đến 100 trong khi giá trị K và n được sử dụng tùy ý. Với giá trị a thấp sự suy giảm ban đầu rất mạnh trước khi ổn định trở lại. Ngược lại, giá trị a càng cao thì sự suy giảm sẽ ổn định trong suốt đời giếng. 3. Phương pháp xác định Một chương trình được viết trên giao diện Matlab sử dụng thuật toán tối ưu để tự động hóa quá trình tái lặp lịch sử khai thác và thu được các thông số K, a, n của mô hình LGM. Nếu K biết trước thì có thể tìm được 2 ẩn còn lại thông qua quá trình tái lặp lịch sử; nếu K chưa biết thì cả 3 thông số này có thể dự báo được bằng phương pháp trên để tìm ra Hình 3. Sản lượng khai thác cộng dồn không thứ nguyên theo thời gian ứng với các giá trị “a” [6] nghiệm tối ưu cho phương trình LGM. Với các giá trị “K”, “a”, “n” tìm được từ việc 120 Sản lượng khai thác cộng dồn (nghìn tấn) tái lặp lịch sử khai thác, kết quả đảm bảo 100 độ tin cậy sẽ được sử dụng tiến hành dự báo khai thác. Hình 4 là ví dụ kết quả 80 khớp lịch sử khai thác giếng 0025. Các thông số của mô hình K = 136.000 60 a = 27,05 4. Ứng dụng mô hình LGM để dự báo n = 1,28 40 khai thác cho tầng Miocene dưới, mỏ Bạch Hổ 20 4.1. Xử lý dữ liệu khai thác tầng Mio- - cene dưới 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 Tháng Tầng Miocene dưới khai thác trong Sản lượng khai thác cộng dồn - Dự báo Sản lượng khai thác cộng dồn - Lịch sử khoảng thời gian từ tháng 5/1988 đến Hình 4. Kết quả khớp lịch sử giếng khai thác 0025 tháng 9/2016 (361 tháng) gồm 79 18 DẦU KHÍ - SỐ 9/2019
  4. PETROVIETNAM giếng. Hình 5 là sản lượng khai thác cộng dồn của tầng Miocene dưới theo 8.000 120 KHỚP LỊCH SỬ DỰ BÁO Sản lượng khai thác cộng dồn (nghìn tấn) thời gian và được chia thành các giai Lưu lượng khai thác (nghìn tấn/tháng) 7.000 đoạn. Tập dữ liệu I từ tháng 5/1988 đến 100 tháng 9/2016 (340 tháng) là tập dữ liệu 6.000 80 được sử dụng để tái lặp lịch sử thông 5.000 qua mô hình LGM. Sau khi thu được kết 4.000 60 quả tái lặp lịch sử khai thác tối ưu và các thông số của mô hình, tập dữ liệu 3.000 40 II được sử dụng để dự báo khai thác từ 2.000 tháng 10/2016 đến tháng 9/2018 (24 20 1.000 tháng). - - Kết quả tái lặp lịch sử từ mô hình 1 8 15 22 29 36 43 50 57 64 71 78 85 92 99 106 113 120 127 134 141 148 155 162 169 176 183 190 197 204 211 218 225 232 239 246 253 260 267 274 281 288 295 302 309 316 323 330 337 344 351 358 LGM cho thấy có 8 giếng lịch sử khai Tháng thác bất thường do thay đổi điều kiện Sản lượng khai thác cộng dồn vận hành giếng như mở thêm vỉa sản Lưu lượng khai thác phẩm, đóng giếng, xử lý vùng cận đáy Hình 5. Sản lượng khai thác cộng dồn của tầng Miocene dưới từ tháng 5/1988 đến tháng 9/2016 giếng… dẫn đến kết quả tái lặp lịch sử gặp khó khăn và đưa ra các kết quả có 80 độ tin cậy thấp (Hình 6). Vì vậy, các kết Sản lượng khai thác cộng dồn (nghìn tấn) quả khớp lịch sử 8 giếng này bị loại bỏ. 70 Kết quả tái lặp lịch sử cho 71 giếng khai 60 thác còn lại sử dụng mô hình LGM được trình bày chi tiết trong mục 4.2. 50 Từ Hình 6, kết quả khớp lịch sử 40 không tốt và sản lượng tại tháng thứ 29 30 bắt đầu tăng đột biến do tháng 8/2015 giếng này có hoạt động sửa chữa giếng 20 gây ra kết quả khớp lịch sử cũng như dự 10 báo khai thác của giếng này không tốt. - 4.2. Kết quả và thảo luận 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59 61 63 65 Tháng Phương pháp phân tích thống kê Sản lượng khai thác cộng dồn - Dự báo được sử dụng để tính toán hiệu suất Sản lượng khai thác cộng dồn - Lịch sử khớp lịch sử và dự báo khai thác được Hình 6. Kết quả khớp lịch sử và dự báo sản lượng khai thác cộng dồn của giếng khai thác 456 tóm tắt trong Bảng 1. Bảng 1. Bảng thống kê đánh giá sai số của mô hình LGM Bảng 1 cho thấy tổng sản lượng khai thác cộng dồn cho 71 giếng được Giếng Thực tế LGM khai thác tính toán bởi mô hình LGM phù hợp với Tổng sản lượng cộng dồn (tấn) 7.393.864 7.344.711 dữ liệu khai thác thực tế. Sai số tuyệt Sai số tuyệt đối tổng sản lượng đối tổng sản lượng cộng dồn và sai số 10.261 cộng dồn tuyệt đối trung bình giữa mô hình dự Sai số tuyệt đối trung bình 42.434 báo và dữ liệu thực tế lần lượt là 10.261; Sai số tương đối trung bình 0,6% 42.434 tấn. Sai số tương đối trung bình Số giếng có sai số tương đối < 5% 52 giữa mô hình dự báo và dữ liệu khai Số giếng có sai số tương đối > 5% 19 thác thực tế là 0,6%. Hơn nữa, số giếng Số giếng bị loại bỏ 8 khai thác có sai số tuyệt đối trên 5% là Tổng EUR trong 34 năm (tấn) 10.988.793 DẦU KHÍ - SỐ 9/2019 19
  5. THĂM DÒ - KHAI THÁC DẦU KHÍ 19 giếng còn số giếng khai thác có sai số 120 12 tuyệt đối dưới 5% là 52 giếng. Kết quả này Sản lượng khai thác cộng dồn (nghìn tấn) Lưu lượng khai thác (nghìn tấn/ngày) 100 10 cho thấy các sai số của từng giếng khai thác và của tầng Miocene dưới rất thấp 80 8 (nằm trong giới hạn cho phép). Mô hình có thể sử dụng như công cụ quản lý khai thác 60 6 hiệu quả và thực tế. 40 4 Kết quả tái lặp lịch sử và dự báo sản 20 2 lượng khai thác (từ tháng thứ 26 đến tháng 49) của giếng khai thác 0025 và tầng - - Miocene dưới được biểu diễn trên Hình 7 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 Tháng và 8. Sản lượng khai thác cộng dồn - Lịch sử Sản lượng khai thác cộng dồn - Dự báo Lưu lượng khai thác - Lịch sử Lưu lượng khai thác - Dự báo Qua quá trình tái lặp lịch sử khai thác kết quả cho độ tin cậy cao và nhóm tác giả Hình 7. Kết quả tái lặp lịch sử và dự báo sản lượng khai thác cộng dồn của giếng khai thác 0025 sử dụng mô hình LGM để dự báo sản lượng khai thác đến cuối đời mỏ trong 34 năm 8.000 120 (408 tháng) từ tháng 9/2016 đến 9/2050 Sản lượng khai thác cộng dồn 7.000 với trữ lượng có thể thu hồi cuối cùng Lưu lượng khai thác 100 (nghìn tấn/tháng) 6.000 80 (EUR) là khoảng 11 triệu tấn (Hình 9). (nghìn tấn) 5.000 4.000 60 4.3. Phân tích thống kê các thông số của 3.000 40 mô hình LGM 2.000 20 1.000 Các thông số K, a, n sẽ được phân tích - thống kê để xác định giá trị nào quan trọng - 1 8 15 22 29 36 43 50 57 64 71 78 85 92 99 106 113 120 127 134 141 148 155 162 169 176 183 190 197 204 211 218 225 232 239 246 253 260 267 274 281 288 295 302 309 316 323 330 337 344 351 358 Tháng khi sử dụng mô hình LGM để dự báo khai Sản lượng cộng dồn - Lịch sử Sản lượng cộng dồn - Dự báo Lưu lượng khai thác - Lịch sử Lưu lượng khai thác - Dự báo thác. Phân tích thống kê các kết quả trong Bảng 2. Hình 8. Kết quả khớp lịch sử và dự báo sản lượng khai thác cộng dồn của tầng Miocene dưới Thông số đầu tiên là trữ lượng có thể 12.000 120 thu hồi cuối cùng (K). Sự phân bố của Sản lượng khai thác cộng dồn thông số K được biểu diễn trong Hình 10. 10.000 100 Các giá trị “K” thu được gần với giá trị trung Lưu lượng khai thác (nghìn tấn/tháng) (nghìn tấn) 8.000 80 bình, trong khi các giếng có sản lượng cao 6.000 60. ít có khả năng xảy ra hơn. Bảng 2 cho thấy K trung bình khoảng 235 nghìn tấn với độ 4.000 40 lệch chuẩn là 212 nghìn tấn. Giá trị “K” nhỏ 2.000 20 nhất 824 trong khi giá trị lớn nhất là 800 nghìn tấn. Điều này cho thấy khoảng giới - 0 hạn trữ lượng có thể thu hồi cuối cùng là 1 15 29 43 57 71 85 99 113 127 141 155 169 183 197 211 225 239 253 267 281 295 309 323 337 351 365 379 393 407 421 435 449 463 477 491 505 519 533 547 561 575 589 603 617 631 645 659 673 687 701 715 729 743 Tháng rất lớn. Sản lượng khai thác cộng dồn - Lịch sử Sản lượng khai thác cộng dồn - Dự báo Lưu lượng khai thác - Lịch sử Lưu lượng khai thác - Dự báo Giá trị a đóng vai trò giống hệ số suy giảm Di của phương trình Arps. Giá trị a Hình 9. Kết quả dự báo khai thác tầng Miocene dưới trong 34 năm trung bình là 105 tháng với độ lệch chuẩn là Bảng 2. Bảng thống kê đánh giá các thông số của mô hình LGM 135 tháng. Giá trị a nhỏ nhất trong khoảng Thông số Trung bình Độ lệch chuẩn Nhỏ nhất Lớn nhất 10 và lớn nhất là khoảng 850 (Hình 11). K 235.110 212.410 824 800.000 Khi tn đạt tới giá trị tới hạn a, tổng sản a 105 135 10 850 lượng khai thác thu hồi cuối cùng từ mô n 1,16 0,4 0,48 2,9 hình LGM đạt một nửa trữ lượng có thể 20 DẦU KHÍ - SỐ 9/2019
  6. PETROVIETNAM thu hồi cuối cùng (K) trong 105 tháng. Nói 16 cách khác, nếu tầng Miocene dưới được kỳ vọng sẽ khai thác trong 34 năm (khoảng 408 14 tháng) thì một nửa trữ lượng dầu sẽ được thu 12 hồi trong 9 năm đầu, trong khi số dầu còn lại sẽ được thu hồi trong 25 năm tiếp theo. Tần suất xuất hiện 10 Thông số cuối cùng là số mũ hyperbolic 8 n. Giá trị n xác định mức độ suy giảm đường 6 cong của mô hình. Trong trường hợp này, có thể thấy trong Hình 12, sự phân bố đồng 4 đều không giống như 2 thông số trên. Giá trị 2 n trung bình đạt 1,16 với độ lệch chuẩn 0,4. Giá trị n nhỏ nhất đạt 0,48 trong khi lớn nhất 0 là 2,9. Khoảng giá trị n nhỏ hơn so với 2 giá trị thu được từ 2 thông số trên. Điều này cho . . . . . . . . . . . . . . . . . thấy giá trị n sẽ có nhiều khả năng rất gần với K giá trị trung bình 1,16 ở tầng Miocene dưới Hình 10. Biểu đồ tần suất của giá trị K hay nói cách khác thông số n có độ tin cậy cao. Cần lưu ý rằng mặc dù điểm uốn giá trị 25 khi giá trị n > 1, mô hình vẫn có thể khớp lịch sử khai thác tốt. Hình 12 biểu đồ của phân bố 20 giá trị n. 5. Kết luận Tần suất xuất hiện 15 Kết quả nghiên cứu của Viện Dầu khí Việt Nam đã phát triển thành công một mô 10 hình mới sử dụng thuật toán tối ưu ứng dụng trong dự báo khai thác cho các giếng dầu 5 khí. Kết quả mô hình LGM sử dụng khái niệm trữ lượng có thể thu hồi (K) để dự báo tổng 0 sản lượng dầu cộng dồn trên toàn bộ dữ liệu 20 60 100 140 180 220 260 300 340 380 420 460 500 540 580 620 660 700 740 780 820 860 lịch sử khai thác của giếng và mỏ cho thấy a mức độ tin cậy cao và mang tính khách quan Hình 11. Biểu đồ tần suất của giá trị a hơn mô hình dự báo truyền thống sử dụng phương trình Aprs. Kết quả dự báo 71 giếng 16 khai thác đối tượng Miocene dưới mỏ Bạch 14 Hổ cho thấy sai số tương đối trung bình giữa 12 mô hình LGM và dữ liệu khai thác thực tế là 0,6%. Bên cạnh đó, mô hình LGM còn dự báo Tần suất xuất hiện 10 được trữ lượng có thể thu hồi cuối cùng của 8 từng giếng và tầng Miocene dưới khoảng 11 6 triệu tấn. Kết quả nghiên cứu cho thấy mô 4 hình LGM đã cải thiện khả năng dự báo với độ tin cậy cao. 2 0 Tài liệu tham khảo 0,40 0,60 0,80 1,00 1,20 1,40 1,60 1,80 2,00 2,20 2,40 2,60 2,80 3,00 n 1. Verhulst, Pierre-François. Notice sur la Hình 12. Biểu đồ tần suất của giá trị n loi que la population poursuit dans son DẦU KHÍ - SỐ 9/2019 21
  7. THĂM DÒ - KHAI THÁC DẦU KHÍ accroissement. Correspondance Mathématique et 4. M.King Hubbert. Nuclear energy and the fossil fuel. Physique. 1838; 10: p. 113 - 121. Drilling and Production Practice, New York. 1956. 2. Thomas Robert Malthus. An essay on the principle 5. Michael J.Economides, A.Daniel Hill, Christine Ehlig of population: or, A view of its past and present effects - Economides, Ding Zhu. Petroleum production systems (2nd on human happiness; with an inquiry into our prospects edition). 2012. respecting the future removal or mitigation of the evils which 6. Aaron James Clark, Larry Wayne Lake, Tadeusz it occasions. 1872. Wiktor Patzek. Production forcasting with Logistic Growth 3. A.Tsoularis, J.Wallace. Analysis of logistic growth Models. SPE Annual Technical Conference and Exhibition, models. Mathematical Biosciences. 2002; 179(1): p. 21 - 55. Denver, Colorado, USA. 30 October - 2 November 2011. RESEARCH ON APPLIED LOGISTIC GROWTH MODEL TO FORECAST PRODUCTION FOR LOWER MIOCENE, BACH HO FIELD Tran Dang Tu, Dinh Duc Huy, Tran Xuan Quy, Pham Truong Giang, Le Vu Quan Le The Hung, Le Quoc Trung, Tran Nguyen Long Vietnam Petroleum Institute Email: tutd@vpi.pvn.vn Summary The paper presents the research on application of the logistic growth model to forecast production for the Lower Miocene in Bach Ho field by obtaining a set of decline curve parameters through fitting with production data using optimisation algorithms. The average relative error of the LGM model is 0.6%. The research results show that the logistic growth model has improved the ability to predict production with high reliability. Key words: Logistic growth model, oil production forecasting, estimated ultimate recovery, Lower Miocene, Bach Ho field. 22 DẦU KHÍ - SỐ 9/2019
ADSENSE
ADSENSE

CÓ THỂ BẠN MUỐN DOWNLOAD

 

Đồng bộ tài khoản
2=>2