产量预测、回采曲线分析和储量估算

收益：

• 能够通过回撤曲线分析 (DCA)、Arps 模型和机器学习来解释产量预测和欧元预测
• 能够将人工智能定位于生产数据清理、回撤机制选择和储备分类（1P/2P/3P）
• 能够通过实际缩减限制、物料平衡和报告标准来验证生产预测输出

当一口井投入生产时，第一天流量最高，随着时间的推移流量逐渐减小；因为储层压力下降并且流体耗尽。测量、建模并将这种衰退延续到未来是石油天然气经济的核心。递减曲线分析 (DCA) 是通过将数学递减曲线拟合到生产历史来估计未来产量和总可采量（EUR - 估计最终采收率）。这一估计直接转化为储备数字，从而转化为公司价值、投资决策和监管声明。在本单元中，我们使用人工智能来清理生产数据、选择回撤模型并生成场景。不变的规则：欧元是估计值，而不是准确度；如果没有经过物理回撤限制和物料平衡的测试，尤其是通过乐观的一面，它永远不会被宣布。

让我们来了解一下 Arps 模型

经典 DCA 基于 Arps 的三个回撤模型：

• 指数回撤：回撤率是固定的；这是最保守（欧元最低）的模型。它接近晚期行为。
• 双曲线回撤：回撤速度随着时间的推移而减慢；它由基数 b 控制。 b=0对应指数，b=1对应谐波。早中期多数井呈双曲线。
• 谐波降：b=1；最乐观（最高欧元）的模型。它很少能终生有效。

临界点为素数 b.随着 b 的增加，回撤速度减慢，欧元上涨。如果采用 b>1 并推断为长期，则下跌速度将不切实际地放缓，欧元将爆炸。这是业内最常见的过度乐观错误。

注意：在常规井中，b 通常在 0-0.5 范围内；页岩气/致密油等非常规井，早期可以看到b>1，但不能长期延续。后期始终应用最小跌幅限制（终端跌幅）。如果人工智能以 b=1.3 推断 30 年，这是一个危险信号。

储备分类

产量预测在折算为储量时分为不确定性级别：

• 1P（已验证）：高置信度；有合理的确定性可以经济地生产它。大约 P90（至少有 90% 的概率）。
• 2P（已证实 + 可能）：中等场景，大约 P50。
• 3P（已证明+可能+可能）：乐观情景，大约P10。

该分类受 PRMS（石油资源管理系统）和 SEC 等标准管辖，由合格评估师负责。人工智能可以帮助生成场景，但无法“宣布”储备。

一步一步：DCA 工作流程

1. 清除数据。关闭期（停井）、测量误差、干预措施（酸化、再完井）都会扭曲生产曲线。勾选这些；人工智能可以扫描异常值，但由你决定。
2. 选择回撤机制。早期瞬态流还是边界主导流？ DCA仅在边界主导时期可靠。
3. 做一个模型。拟合 Arps 参数（初始流量、下降速率、b）；将 b 保持在物理范围内。
4. 应用终端回撤。后期切换至最小回撤；避免无限双曲外推。
5. 编写脚本。生产 P90/P50/P10 欧元。
6. 核实。用物质平衡和邻井类比进行测试。

三个迷你案例：从数字来看

情况 1 — b 基陷阱。在一口致密油井上，AI 将 b=1.5 拟合到前 18 个月的数据并推断到 30 年；欧元增至62万桶。当工程师应用终端扣除（8%/年）时​​，欧元减少至41万桶。物质平衡和现场类比支持了大约40万。盲目接受将高估储备金 50%。

案例 2——脏数据清理。两次长时间的停机（维护）在井的生产曲线中显示为低值；原始数据拟合的回撤显示出现实中并不存在的“快速消耗”。 AI标记立场；当停工被消除并且实际生产天数正常化时，减少率是现实的（14%/年而不是 22%/年）。清洁纠正了预测。

案例 3 — 瞬态流动故障。工程师在生产的前 3 个月应用了 DCA；这段时间还是暂时的流动（边境效应还没有开始）。人工智能以非常高的回撤率和较低的欧元价格摆脱了早期的陡峭局面。等待过渡到边境主导时期后进行的分析给出了实际的下降。了解 DCA 何时有效至关重要。

弱提示/强提示

弱提示：

根据该生产数据拟合回撤曲线并告知储备。[数据]

强力提示：

对以下（匿名）月度生产数据的草稿回撤曲线分析。规则：- 首先标记关闭时间/停工、干预和异常值；将这些从梦的制造中删除并写下你的理由。 - 评估数据是瞬态的还是边界主导的流； DCA仅在边界主导期间有效，如果不合适请指出。- 弥补arps；保持b指数在物理范围内（常规0-0.5）。后期应用终端提款限额。不要进行无限双曲外推。- 将 EUR 指定为 P90/P50/P10，而不是单个数字。- 编写如何验证物料平衡/相邻井。数据：[生产表]

四个可复制模板

1）生产数据清理：

将以下生产数据中的停机、干预、零/负值和异常值标记为“日期 | 问题 | 建议”表。不要更正数据，只需标记它。表：[生产]

2) 回撤机制诊断：

根据以下生产和压力数据（如果有），评估流动是瞬态的还是边界主导的。指定 DCA 可靠的时间段。解释一下早期适应的风险。数据：[流量/压力]

3）Arps适配和场景：

将指数和双曲线 Arps 拟合到下面的清洁生产数据。保持b指数在0-0.5范围内；延迟应用 X% 的终端提款。给出三种情景 (P90/P50/P10) EUR，并写出哪些假设最有效。数据：【清洁生产】

4) 欧元交叉检查：

检查此欧元预测：累计产量+剩余预测总和是否与油田物质平衡/模拟井距一致？列出过度乐观/悲观的迹象。欧元和投入：[值]

回撤模型选择指南

模型

b素数

欧元走势

当

指数

0

最低（保守）

晚熟好

双曲线

0–1

中等

早中期，多数井

谐波

1

高（乐观）

罕见，谨慎使用

无限双曲线

>1 长期

太高（不正确）

请勿使用；应用终端限制

常见错误

• 高 b 的长外推。 b> 将 1 移至年份并夸大欧元；跳过终端下降。
• 将其拟合到脏数据。无需清除姿势和干预即可消除梦境。
• 将 DCA 应用于瞬态流。在边界主导时期开始之前做出预测。
• 奇数欧元。不报告不确定性（P90/P50/P10）。
• 跳过物料平衡。不使用独立的物理/模拟控制来测试欧元。

综上所述

• DCA 是通过将回撤曲线拟合到生产历史来估计未来产量和欧元。
• Arps b 素数很关键；高 b 的长期外推会危险地高估欧元，终端回撤至关重要。
• AI有助于数据清洗和场景生成；但不能申报储备，有资格的评估师确认。
• 将欧元报告为 P90/P50/P10 分布；仅在边界主导期间应用 DCA。
• 通过物料平​​衡和邻井类比验证结果。

应用任务

获取（代表性）井的每月生产数据。生成具有强大提示的 DCA 草稿。然后：(1) 标记并删除至少一个止损/异常值，(2) 检查模型的 b 指数，如果高于 1，则应用终端回撤，(3) 在三种情况下要求欧元，并通过累积+余数逻辑粗略地提供 P50。

清单

• [ ] 我知道 Arps 指数/双曲/调和模型以及 b 素数对欧元的影响。
• [ ] 我正在清理生产数据以进行停机/干预。
• [ ] 我仅在边界主导流期间应用 DCA。
• 我将 [ ] b 保持在物理范围内并应用终端回撤，给出欧元 P90/P50/P10。
• [ ] 通过物料平​​衡和模拟很好地验证欧元，我了解储备申报是评估员的责任。