A novel decline curve regression procedure for analyzing shale gas production
A novel decline curve regression procedure for analyzing shale gas production
复制标题
一种用于分析页岩气产量的新型递减曲线回归程序
DOI：
10.1016/j.jngse.2021.103818
复制
发表时间：
2021-04
影响因子：
--
通讯作者：
Wu Yu-Shu
中科院分区：
文献类型：
--
作者：
Tang Huiying;Zhang Boning;Liu Sha;Li Hangyu;Huo Da;Wu Yu-Shu
准确预测页岩气产量是页岩气开发的关键。与复杂的物理模拟相比，基于参数线性化或直接曲线回归的递减曲线分析（DCA）模型更加直观有效。然而，线性化方法在获取参数时可能是耗时的，并且直接回归可能会导致产量预测的较大误差，因为它将历史数据赋予相等的权重。在本文中，我们开发了一个新的DCA程序相结合的数据转换方法，将生产数据转换到对数空间，和非线性回归算法。新方法可以有效地捕捉后期生产历史的趋势。新程序的效率通过巴内特和马塞勒斯页岩中550口威尔斯气井的生产数据得到了验证。基于这些现场数据，我们还分析了七个流行的DCA模型，即Arps，幂律指数（PLE）下降，拉伸指数产量下降（SEPD），Duong，Wang，可变下降修正Arps（VDMA）和逻辑斯谛增长模型的性能。这些模型的性能进行了比较，并为每个模型的调谐参数。结果表明，采用本文提出的新的回归方法可以显著提高上述模型的产量预测精度，有利于页岩气产量的预测和优化。
Accurate prediction of gas production is critical for the shale gas development. Compared with the complicated physics-based simulation, the decline curve analysis (DCA) models based on parameter linearization or direct curve regression are much more straightforward and efficient. However, the linearization method might be time consuming in obtaining the parameters, and the direct regression might lead to large errors in production forecast as it assigns equal weight to the historical data. In this paper, we develop a new DCA procedure combining a data transformation method which convert the production data into logarithmic space, and a nonlinear regression algorithm. The new procedure can effectively capture the trend of late-time production history. The efficiency of the new procedure is verified with the production data of 550 gas wells in the Barnett and Marcellus shales. Based on these field data, we also analyze the performance of seven popular DCA models, i.e. Arps, power law exponential (PLE) decline, stretched exponential production decline (SEPD), Duong, Wang , variable decline modified Arps (VDMA) and logistic growth models. The performances of these models are compared and the tuned parameters for each model are provided. It is shown that the accuracy of the production forecast by the above models can be significantly improved by our new regression method, which is beneficial to the prediction and optimization of shale gas production.
登录
查看更多内容
DOI：
10.15530/urtec-2016-2461766
发表时间：
2016-08
期刊：
--
影响因子：
--
作者：
Wajid Yousuf;T. Blasingame
通讯作者：
Wajid Yousuf;T. Blasingame
影响因子：
--
作者：
A. Shabib-Asl;Tatyana Plaksina
通讯作者：
A. Shabib-Asl;Tatyana Plaksina
影响因子：
11.2
作者：
Ke Wang;Haitao Li;Jun-chao Wang;Beibei Jiang;Chengzhong Bu;Qing Zhang;Luo Wei
通讯作者：
Ke Wang;Haitao Li;Jun-chao Wang;Beibei Jiang;Chengzhong Bu;Qing Zhang;Luo Wei
DOI：
10.2118/163870-ms
发表时间：
2012-10
期刊：
--
影响因子：
--
作者：
K. Joshi;W. J. Lee
通讯作者：
K. Joshi;W. J. Lee
影响因子：
0.8
作者：
L. Mattar;S. Moghadam
通讯作者：
L. Mattar;S. Moghadam