一种新型混合优化算法及其在优化油田开发中的应用
|
摘要
开发油气田时油藏工程师的主要任务之一是确定油气田的布井方案以及评估不同方案投入实施时的赢利情况，并从中选出最佳方案。合理的布井方案要求在保证油气田经济效益的前提下，采用井数最少的井网，并最大限度地控制地下储量。在经济和自然条件允许的情况下，应尽可能在油气藏有限寿命期内采出更多的油、气，以获取最大经济效益，因此在布井方面要确定合理的生产井数以及布井方式、位置。这是涉及油气田基本建设的最中心问题，也是涉及油气田今后生产效果的根本问题。
对油、气、水井位置的优化非常复杂，依赖于油藏和流体特征，驱动方式，井和地面设备的规格，以及各类经济参数，因此这是一个多决策变量问题，所提出的每一种方案都跟一整套决策变量有关。显然，对这些变量值的选择与组合就是一个最优化问题。常规优化技术由于不能很好地处理这种多变量优化问题及目标函数可能不连续、不可微的情况而不被采用，而通常所采用的规则井网布井方式又缺乏灵活性、风险性较大，常常使油田不能获得最大经济效益。
针对这一问题，本文提出了一种新型优化技术，该技术是基于标准遗传算法、基于适应值共享机制的小生境运算，以及单纯形局部搜索法的一种混合优化算法。该算法最大的优势在于对函数性态无要求，能够处理的变量数目多，收敛速度快、精度高，尤其适用于大规模搜索的整体优化问题。本文将该方法应用于优化油田开发当中，以使油田获得最大累积产量为目标对油井位置进行了优化：同时以使油田获得最高经济效益(净现值)为目标优化了油井数量及其对应位置，取得了一定成果，并为今后油藏工程师在布井方案的优化以及如何提高经济效益的问题上提供了一种新的思路及方法。
One of the main tasks of a reservoir engineer is to develop a well-arrangement scheme and evaluate the profitability of different schemes when put into execution, and the best one will be selected for adoption. A rational scheme requires making use of the least well number to control the reserves by the greatest degree. The most hydrocarbon should be produced to obtain maximal profit within economic and natural limits. Therefore, we must design a rational well number, placement and mode. This is the most central problem involved in the oilfield infrastructure and an essential problem related to the future production effect.Optimal placement of oil, gas or water wells is a complex problem that depends on reservoir and fluid properties, type of drive, well and surface equipment specifications, as well as various economic parameters. Thus it is a multiple decision variables problem and each proposed scheme is relative to a wide set of decision variables. It is obvious that the choice of their values is an optimization problem. Since they can not deal well with this kind of problem of multiple variables, discontinuous and non-differentiable functions, traditional optimization technologies are usually not adopted. Furthermore, regular well pattern lacks flexibility and takes a risk in losing money in business.A new-style hybrid optimization algorithm that is based on standard genetic algorithm(GA), niching technology based on fitness-sharing model, and the simplex method is presented in this paper. The best advantages of this algorithm are that it has no function property requirements and can deal with large numbers of variables with a fast convergence speed and high precision. Thus it is especially fit for global-optimization problem on a large scale. This technology is applied in optimizing reservoir development in this paper. Firstly it is used for well placement optimization with the object of maximizing the cumulative production and then for well number optimization with the object of maximizing the net present value(NPV). This work provides reservoir engineers with a new idea and a new type of method in how to optimize well-arrangement scheme and increase economic profits.
对油、气、水井位置的优化非常复杂，依赖于油藏和流体特征，驱动方式，井和地面设备的规格，以及各类经济参数，因此这是一个多决策变量问题，所提出的每一种方案都跟一整套决策变量有关。显然，对这些变量值的选择与组合就是一个最优化问题。常规优化技术由于不能很好地处理这种多变量优化问题及目标函数可能不连续、不可微的情况而不被采用，而通常所采用的规则井网布井方式又缺乏灵活性、风险性较大，常常使油田不能获得最大经济效益。
针对这一问题，本文提出了一种新型优化技术，该技术是基于标准遗传算法、基于适应值共享机制的小生境运算，以及单纯形局部搜索法的一种混合优化算法。该算法最大的优势在于对函数性态无要求，能够处理的变量数目多，收敛速度快、精度高，尤其适用于大规模搜索的整体优化问题。本文将该方法应用于优化油田开发当中，以使油田获得最大累积产量为目标对油井位置进行了优化：同时以使油田获得最高经济效益(净现值)为目标优化了油井数量及其对应位置，取得了一定成果，并为今后油藏工程师在布井方案的优化以及如何提高经济效益的问题上提供了一种新的思路及方法。
One of the main tasks of a reservoir engineer is to develop a well-arrangement scheme and evaluate the profitability of different schemes when put into execution, and the best one will be selected for adoption. A rational scheme requires making use of the least well number to control the reserves by the greatest degree. The most hydrocarbon should be produced to obtain maximal profit within economic and natural limits. Therefore, we must design a rational well number, placement and mode. This is the most central problem involved in the oilfield infrastructure and an essential problem related to the future production effect.Optimal placement of oil, gas or water wells is a complex problem that depends on reservoir and fluid properties, type of drive, well and surface equipment specifications, as well as various economic parameters. Thus it is a multiple decision variables problem and each proposed scheme is relative to a wide set of decision variables. It is obvious that the choice of their values is an optimization problem. Since they can not deal well with this kind of problem of multiple variables, discontinuous and non-differentiable functions, traditional optimization technologies are usually not adopted. Furthermore, regular well pattern lacks flexibility and takes a risk in losing money in business.A new-style hybrid optimization algorithm that is based on standard genetic algorithm(GA), niching technology based on fitness-sharing model, and the simplex method is presented in this paper. The best advantages of this algorithm are that it has no function property requirements and can deal with large numbers of variables with a fast convergence speed and high precision. Thus it is especially fit for global-optimization problem on a large scale. This technology is applied in optimizing reservoir development in this paper. Firstly it is used for well placement optimization with the object of maximizing the cumulative production and then for well number optimization with the object of maximizing the net present value(NPV). This work provides reservoir engineers with a new idea and a new type of method in how to optimize well-arrangement scheme and increase economic profits.
引文
[1] 郎兆新主编．油藏工程基础．东营：石油大学出版社，1994．4
[2] 郑俊德，张洪亮主编．油气田开发与开采．北京：石油工业出版社，1997．8
[3] 何更生编．油层物理．北京：石油工业出版社，1994．11
[4] 潭浩强，田淑清编著．FORTRAN语言．北京：清华大学出版社，1995．2
[5] 郎兆新编著．油气地下渗流力学．东营：石油大学出版社，2001．11
[6] 李允主编．油藏模拟．东营：石油大学出版社，1998．10
[7] 袁亚湘著．非线性规划数值方法．上海：上海科学技术出版社，1993．8
[8] 张文修，梁怡编著．遗传算法的数学基础．西安：西安交通大学出版社，2000．5
[9] 李敏强，寇纪淞著．遗传算法的基本理论与应用．北京：科学出版社，2002．3
[10] 徐华．油气藏智能化计算机布井的理论、方法及应用研究．博士学位论文．西南石油学院．1987．9
[11] 徐建平．地层平均压力及单井控制有效半径的确定．油气井测试．1995，4(2)：31～35
[12] 李元觉，徐文，唐乐平．长庆气田开发方案优化设计．天然气工业．1998，18(5)：29～32
[13] 杨洪，姚远勤，俞晓林．稠油油藏水平井与直井组合布井方式数模式研究．特种油气藏．1966，3(3)：11～15
[14] 么世椿，洪冀春，徐明霞．大庆油田三元复合驱布井方式研究．大庆石油地质与开发．2001，20(1)：43～45
[15] 喻高明，李建雄，蒋明煊，冯绪波．底水油藏水平井和直井开采对比研究．江汉石油学院学报．1999，21(1)：51～53
[16] 冈秦麟．对气田开发基本规律的几点认识．天然气工业．1997，17(3)：30～35
[17] 李汉周，李志芬，徐苏欣，李升芳．巴东油田不同结构油井的产能预测．钻采工艺．2003，26(3)：32～38
[18] 宋洪才，张继芬，李传亮．东河1井生产特征动态预测．石油钻采工艺．1994，16(2)：77～82
[19] 张容义，陶诗平．高产气井评层选井方法探讨．钻采工艺．1997，20(3)：38～42
[20] 赵启双，陈刚，郑贺新，苏继红，邱沙．辽河油田L46块开发前期油藏工程研究．西安石油学院学报．1995，10(2)：11～13，31
[21] 陈鹏，陈福明，李伟．大庆油田特高含水井区聚合物驱潜力分析及布井方案优选．油气采收率技术．1999，6(2)：9～14
[22] 俞言祥，许忠淮．地应力信息在改善油田井网布局中的应用．石油勘探与开发．1997，24(4)：80～82
[23] 魏兆胜．二次加密后井网适应性研究．石油勘探与开发．1998，25(2)：53～56
[24] 张红玲，张琪，刘泽凯，李行船．樊128断块整体压裂改造布井方案研究．石油大学学报(自然科学版)．2002，26(1)：35～38
[25] 林立，麻成斗，冷延明，杨艳玲．高含水后期三次加密调整优化布井研究．大庆石油地质与开发．2002，21(1)：40～42
[26] 王勇，王宏，王彩丽，杨勇．靖边气田优化布井技术及其在产能建设中的应用．天然气工业．2002，22(6)：80～83
[27] 刘益兵，沙宗伦，辛宇宏．聚合物驱优化布井及其适应性研究．大庆石油地质与开发．2002，21(4)：71～73
[28] 秦志保，王大兴，于波．开发地震技术在榆林南区开发布井中的应用．天然气工业．2002，22(6)：74～76
[29] 李文魁，林平，刘长松，陈宗林．致密气藏的开采与工艺技术．钻采工艺．2002，25(1)：34～36
[30] 马立文，关云东，韩沛荣．裂缝性低渗透砂岩油田井网调整实践与认识．大庆石油地质与开发．2000，19(3)：11～14
[31] 陈友莲，张灯，刘义成，杨雅和．罗家寨飞仙关鲕滩气藏开发布井方式研究．天然气工业．2003，23(4)：77～79
[32] 林立，王春波，赵长庆．萨尔图油田北二区东部三次加密调整布井方法研究．大庆石油地质与开发．1998，17(6)：25～28
[33] 袁奕群，吴邕，庸宗华．三次加密井网精细数值模拟研究．大庆石油地质与开发．1998，17(1)：28～31
[34] 葛家理，王德民，曲德斌．水平井与直井联合面积柿井的开发理论研究(二)七点法面积井网．石油勘探与开发．1995，22(2)：47～50
[35] 曲德斌，葛家理，王德民．水平井与直井联合面积柿井的开发理论研究(一)一般的五点面积井网．石油勘探与开发．1995，22(1)：35～38
[36] 赵向宏．水驱小油藏合理采液速度、合理井网密度及布井方式研究．石油勘探与开发．1994，21(1)：76～79
[37] 刘月田，葛家理，周萍．海洋油田系统优化自动布井．中国海上油气(地质)．1997，11(3)：201～209
[38] 蒋先艺，王建华．CUSI网络与遗传算法结合计算油气储层物性参数．计算物理．1998，15(6)：761～767
[39] 邹长春，尉中良．利用遗传算法实现最优化测井解释．测井技术．1999，23(5)：361～365
[40] 刘铮，刘永红，祁连勇．利用遗传算法推断地层渗透率分布．油气井测试．2001，10(6)：11～15
[41] 刘红歧，彭仕宓，陈烨菲，王建伟，杨建勋．高含水期水淹层的定量识别．新疆石油学院学报．2003，15(2)：38～42
[42] 李汉兴，贺麦红，眭满仓．基于遗传算法的石油机械优化设计．石油机械．1999，27(3)：10～12
[43] 闫桂京，潘保芝．遗传算法在估计测井解释参数方面的应用．物探化探计算技术．2001，23(1)：43～46
[44] 刘建军，刘绍轩，裴桂红．遗传算法在油藏数值模拟中的应用．新疆石油学院学报．2003，15(2)：28～31
[45] 王光兰，贾永禄，柯益华，胡学姝．遗传算法在油田产量预报中的应用．西南石油学院学报．2000，22(2)：34～35
[46] 侯健，曲昌学，陈月明，王玉斗，周波．用基于实数编码的自适应遗传算法求解产量预测模型．石油大学学报(自然科学版)．2002，26(3)：55～58
[47] 盖英杰，范海军，陈月明．油田措施配置随机规划模型．石油大学学报(自然科学版)．2000，24(2)：58～60
[48] 冯国庆，陈军，张烈辉，冯异勇．最优化测井解释的遗传算法实现．天然气工业．2002，22(6)：48～51
[49] 董明，席裕庚．基于遗传算法的干扰试井解释方法．石油大学学报(自然科学版)．1997，21(4)：33～36
[50] 柳金旺，马绍仁，张金．复杂断块油田优化井网密度研究．断块油气田．2001，8(1)：27～29
[51] 马玉霞，崔连训，刘新福，曲玉线，贾玉培，周辉．稠油热采老区蒸汽吞吐井经济极限累积产量关系式研究．河南石油．2002．16(5)：16～18
[52] 张伦友．天然气储量经济界限指标研究．天然气工业．2002，22(增刊)：68～72
[53] 罗东坤．油气勘探投资经济评价方法．油气地质与采收率．2002，9(1)：21～23
[54] 任文先，舒锦，王仲利．油气田开发经济采收率与经济储量的确定方法和应用．天然气工业．2002，22(增刊)：78～79
[55] 魏立新，刘扬，肖乐媛，李长林，孙绪新．固定修复长度的埋地输油管道开挖方案．大庆石油学院学报．2002．26(3)：69～71
[56] 陈遵德，祝文亮，王卫华，朱广生．孔隙度预测中的地震特征优化方法及应用．石油学报．1999，20(1)：50～55
[57] 黎洪，彭苏萍，张德志．裂缝性油藏主渗透率及主裂缝方向识别方法．石油大学学报(自然科学版)．2002，26(2)：44～46
[58] 王福刚，曹剑锋．改进的遗传算法在地下水数值模拟中的应用．吉林大学学报(地球科学版)．2002，32(1)：64～68
[59] 陈民锋，郎兆新．应用改进灰色模型预测油田产量．新疆石油地质．2003，24(3)：246～248
[60] 张学庆，刘燕，肖慈王旬，刘争平，杨斌．在测井中用一种组合进化神经网络识别油水层．石油物探．2001，40(4)：119～124
[61] 王梦云，武孟宇．排列序编码的遗传算法性能分析及应用．太原理工大学学报．2003，34(3)：350～353
[62] 金聪．启发式遗传算法及其应用．数值计算与计算机应用．2003，3(1)：30～35
[63] 闻新超，周琳霞，牛凯．一种基于混合编码的遗传算法．电子技术．2003，1：60～63
[64] 胡小兵，吴树范，江驹．一种基于遗传算法的求代数方程组数值解的新方法．控制理论与应用．2002，19(4)：567～570
[65] 杨金明，吴捷，钟丹虹．多目标优化问题中一种改进的遗传算法．华南理工大学学报(自然科学版)．2001，29(12)：66～67
[66] 韩瑞峰，张永奎．改进遗传算法与其他算法的比较实验研究．电脑开发与应用．2002，15(11)：4～8
[67] 李茂军，童调生．单亲遗传算法的选择方式．系统工程与电了技术．2002，24(10)：87～89
[68] 王忠，柴贺军，刘浩吾．关于进化遗传算法的几点改进．电子科技大学学报．2002，32(1)：76～79
[69] 雷建平，沈成武，闻骥骏．货郎担问题与单亲遗传算法．武汉理工大学学报．2003，25(6)：80～83
[70] 宋朝红，罗强，纪昌明．基于下降搜索的混合遗传算法．武汉大学学报(工学版)．2003，36(1)：109～112
[71] 邹亮，汪国强．均匀试验设计在遗传算法中的应用．华南理工大学学报(自然科学版)．2003，31(5)：90～92
[72] 刘彬，陈大平．一类整数性目标规划的遗传算法．计算机工程与科学．2003，25(3)：63～65
[73] 石玉，于盛林．一种改进的遗传算法．合肥工业大学学报(自然科学版)．2002，25(3)：403～406
[74] 邓建军，徐立鸿，吴启迪．一种求解非线性函数优化问题的混合遗传算法．同济大学学报．2001，29(11)：1363～1367
[75] 何大阔，王福利．一种提高遗传算法全局收敛性的方法．东北大学学报(自然科学版)．2003，24(6)：511～514
[76] 徐璐，涂承宇．一种新的改进遗传算法及其性能分析．电子学报．2001，29(7)：902～904
[77] 徐哲，白焰．遗传编程．自动化仪表．2002，23(10)：1～7
[78] 戴晓晖，李敏强，寇纪淞．遗传算法的性能分析研究．软件学报．2001，12(5)：742～750
[79] 韩玉兵．遗传算法数学机理分析．河海大学学报．2001，29(3)：92～94
[80] 陈长征，王楠．遗传算法中交叉和变异概率选择的自适应方法及作用机理．控制理论与应用．2002，19(1)：41～43
[81] 孔锐睿，仇汝臣，周田惠．单纯形的加速算法．南京理工大学报．2003，27(2)：209～213
[82] 杨慧珠，杜祥，张世俊．小生境遗传算法在反演堤坝地震勘探数据中的应用．工程力学．2002，19(6)：16～21
[83] 王曙光，郭德志．Nelder-Mead单纯形法的推广及其在自动历史拟合中的应用．大庆石油地质与开发．1998，17(4)：22～24
[84] 周北岳，邓斌，郭观七．基于小生境技术的改进遗传算法研究．机械强度．2002，24(1)：13～16
[85] 冯建军，罗兴琦．小生境遗传算法在平面叶栅优化设计中的应用．西安理工大学学报．2002，18(3)：286～288
[86] 杨爱琴，郑勇．西安石油学院学报．一种改进的单纯形直接寻优法．1995，10(4)：60～64
[87] 彭伟，卢锡城．一种函数优化问题的混合遗传算法．软件学报．1999．10(8)：819～823
[88] 陈建生，费奇，陈学广．一种基于小生境遗传算法的规则提取算法．信息与控制．2001，30(4)：313～317
[89] 牛志华，李乃成．一种新的混合遗传算法及其性能分析．工程数学学报．2003，20(4)：54～58
[90] 刘智明，周激流，敖蔷．遗传算法交叉算子的分析．四川大学学报(自然科学版)．2002，39(5)：854～860
[91] 林焰，郝聚民，纪卓尚，戴寅生．隔离小生境遗传算法研究．系统工程学报．2000，15(1)：86～91
[92] M.K, Sen, Akhll Datta Gupta, P.L.Stoffa, L, W.Lake.Stochastic Reservoir Modeling Using Simulated Annealing and Genetic Algorithm. SPE 24754. 1992
[93] J.H. Fang, C. L. Karr and D.A. Stanley. Genetic Algorithm and Its Application to Petrophysics. SPE26208. 1992
[94] E.R. Martinez and W.J. Moreno. Application of Genetic Algorithm on the Distribution of Gas Lift Injection. SPE 26993.1994
[95]B.L. Beckner, X. Song. Field Development Planning Using Simulated Annealing OptimalEconomic Well Scheduling and Placement. SPE 30650. 1995
[96] S.I. Aanonsen, L. Holden. Optimizing Resetvoir Performance Under Uncertainty withApplication to Well Location. SPE 30710. 1995
[97] D. Seifert, J.J.M. Lewis, C.Y.Hem, N.C,T.Steel. Well Placement Optimisation and Riskingusing 3-D Stochastic Reservoir Modelling Techniques. SPE 35520. 1996
[98] Antonio C. Bittencourt, Roland N. Home. Reservoir Development and Design Optimization.SPE 38895. 1997
[99] G. Santellani, AGIP, B. Hansen, Norsk Agip, and T. Herring, Norsk Agip. "Survival of theFittest" an Optimised Well Location Algorithm for Reservoir Simulation. SPE 39754. 1998
[100] Yan Pan, SPE, Roland N. Home. Improved Methods for Multivariate Optimization ofField Development Scheduling and Well Placement Design. SPE 49055. 1998
[101] Yin Hongjun, and Zhai Yunfang. An Optimum Method of Early-Time Well TestAnalysis- Genetic Algorithm. SPE 50905. 1998
[102] R.F.Stoisits, K.D.Crawford, D.J.MacAllister, M.D.McCormack, A.S.Lawal, D.O.Ogbe.Production Optimization at the Kuparuk River Field Utilizing Neural Networks and GeneticAlgorithms. SPE 52177. 1999
[103] Daniel P. Fichter, Merak. Application of Genetic Algorithms in Portfolio Optimizationfor the Oil and Gas Industry. SPE 62970. 2000
[104] Baris Guyagiiler, Roland N. Home, Leah Rogers, Jacob J. Rosenzweig. Optimization ofWell Placement in a Gulf of Mexico Waterflooding Project. SPE 63221. 2000
[105] C.E. Romero, J.N. Carter, A.C. Gringarten, and R.W. Zimmerman. A Modified GeneticAlgorithm for Reservoir Characterisation. SPE 64765. 2000
[106] M. D. Sarich. Using Genetic Algorithms to Improve Investment Decision Making. SPE68725.2001
[107] Guillermo Montes, Fundacion Repsol, Pablo Bartolome, Angel.L Udias liscuela dcMinas de Madrid. The Use of Genetic Algorithms in Well Placement Optimization. SPE69439.2001
[108] Baris Giiyagiiler, Roland N. Home. Uncertainty Assessment of Well PlacementOptimization. SPE 71625. 2001
[109] Burak Yeten, Louis J. Durlofsky, Khalid Aziz. Optimization of Nonconventional WellType, Location and Trajectory. SPE 77565. 2002
[110] Ian Tribe, Gordon Holm, Stuart Harker, Christian Longis, Keith Milne, SimonStromberg; Rita Greiss, Kate Webb. Optimized horizontal Well Placement in the Otter Field,North Sea using New Formation Imaging While Drilling Technology. SPE 83968. 2003
[111] Badru, C.S. Kabir. Well Placement Optimization in Field Development. SPE 84191.2003
[112] R. D. Hazlett, D.K. Babu. Optimal Well Placement in Heterogeneous Reservoirs ViaSemi-Analytic Modeling. SPE 84281. 2003
[113] Oluwatoyin Badru. "Well Placement Optimization using the Quality Map Approach".M.E. Thesis. Stanford University. 2003.7
[114] Baris Guyagiiler. "Optimization Of Well Placement And Assessment Of Uncertainty".PH.D. Thesis. Stanford University. 2002.3
[115] R. Mark Balen, H-Z. Meng and Michael J. Economies, Applications of the Net PresentValue (NPV) in the Optimization of Hydraulic Fractures. SPE 18541. 1988
[116] R.D. Corrie, Inemaka, An Analytical Solution to Estimate the Optimum Number ofDevelopment Wells to Achieve Maximum Economical Return. SPE 71431. 2001
[2] 郑俊德，张洪亮主编．油气田开发与开采．北京：石油工业出版社，1997．8
[3] 何更生编．油层物理．北京：石油工业出版社，1994．11
[4] 潭浩强，田淑清编著．FORTRAN语言．北京：清华大学出版社，1995．2
[5] 郎兆新编著．油气地下渗流力学．东营：石油大学出版社，2001．11
[6] 李允主编．油藏模拟．东营：石油大学出版社，1998．10
[7] 袁亚湘著．非线性规划数值方法．上海：上海科学技术出版社，1993．8
[8] 张文修，梁怡编著．遗传算法的数学基础．西安：西安交通大学出版社，2000．5
[9] 李敏强，寇纪淞著．遗传算法的基本理论与应用．北京：科学出版社，2002．3
[10] 徐华．油气藏智能化计算机布井的理论、方法及应用研究．博士学位论文．西南石油学院．1987．9
[11] 徐建平．地层平均压力及单井控制有效半径的确定．油气井测试．1995，4(2)：31～35
[12] 李元觉，徐文，唐乐平．长庆气田开发方案优化设计．天然气工业．1998，18(5)：29～32
[13] 杨洪，姚远勤，俞晓林．稠油油藏水平井与直井组合布井方式数模式研究．特种油气藏．1966，3(3)：11～15
[14] 么世椿，洪冀春，徐明霞．大庆油田三元复合驱布井方式研究．大庆石油地质与开发．2001，20(1)：43～45
[15] 喻高明，李建雄，蒋明煊，冯绪波．底水油藏水平井和直井开采对比研究．江汉石油学院学报．1999，21(1)：51～53
[16] 冈秦麟．对气田开发基本规律的几点认识．天然气工业．1997，17(3)：30～35
[17] 李汉周，李志芬，徐苏欣，李升芳．巴东油田不同结构油井的产能预测．钻采工艺．2003，26(3)：32～38
[18] 宋洪才，张继芬，李传亮．东河1井生产特征动态预测．石油钻采工艺．1994，16(2)：77～82
[19] 张容义，陶诗平．高产气井评层选井方法探讨．钻采工艺．1997，20(3)：38～42
[20] 赵启双，陈刚，郑贺新，苏继红，邱沙．辽河油田L46块开发前期油藏工程研究．西安石油学院学报．1995，10(2)：11～13，31
[21] 陈鹏，陈福明，李伟．大庆油田特高含水井区聚合物驱潜力分析及布井方案优选．油气采收率技术．1999，6(2)：9～14
[22] 俞言祥，许忠淮．地应力信息在改善油田井网布局中的应用．石油勘探与开发．1997，24(4)：80～82
[23] 魏兆胜．二次加密后井网适应性研究．石油勘探与开发．1998，25(2)：53～56
[24] 张红玲，张琪，刘泽凯，李行船．樊128断块整体压裂改造布井方案研究．石油大学学报(自然科学版)．2002，26(1)：35～38
[25] 林立，麻成斗，冷延明，杨艳玲．高含水后期三次加密调整优化布井研究．大庆石油地质与开发．2002，21(1)：40～42
[26] 王勇，王宏，王彩丽，杨勇．靖边气田优化布井技术及其在产能建设中的应用．天然气工业．2002，22(6)：80～83
[27] 刘益兵，沙宗伦，辛宇宏．聚合物驱优化布井及其适应性研究．大庆石油地质与开发．2002，21(4)：71～73
[28] 秦志保，王大兴，于波．开发地震技术在榆林南区开发布井中的应用．天然气工业．2002，22(6)：74～76
[29] 李文魁，林平，刘长松，陈宗林．致密气藏的开采与工艺技术．钻采工艺．2002，25(1)：34～36
[30] 马立文，关云东，韩沛荣．裂缝性低渗透砂岩油田井网调整实践与认识．大庆石油地质与开发．2000，19(3)：11～14
[31] 陈友莲，张灯，刘义成，杨雅和．罗家寨飞仙关鲕滩气藏开发布井方式研究．天然气工业．2003，23(4)：77～79
[32] 林立，王春波，赵长庆．萨尔图油田北二区东部三次加密调整布井方法研究．大庆石油地质与开发．1998，17(6)：25～28
[33] 袁奕群，吴邕，庸宗华．三次加密井网精细数值模拟研究．大庆石油地质与开发．1998，17(1)：28～31
[34] 葛家理，王德民，曲德斌．水平井与直井联合面积柿井的开发理论研究(二)七点法面积井网．石油勘探与开发．1995，22(2)：47～50
[35] 曲德斌，葛家理，王德民．水平井与直井联合面积柿井的开发理论研究(一)一般的五点面积井网．石油勘探与开发．1995，22(1)：35～38
[36] 赵向宏．水驱小油藏合理采液速度、合理井网密度及布井方式研究．石油勘探与开发．1994，21(1)：76～79
[37] 刘月田，葛家理，周萍．海洋油田系统优化自动布井．中国海上油气(地质)．1997，11(3)：201～209
[38] 蒋先艺，王建华．CUSI网络与遗传算法结合计算油气储层物性参数．计算物理．1998，15(6)：761～767
[39] 邹长春，尉中良．利用遗传算法实现最优化测井解释．测井技术．1999，23(5)：361～365
[40] 刘铮，刘永红，祁连勇．利用遗传算法推断地层渗透率分布．油气井测试．2001，10(6)：11～15
[41] 刘红歧，彭仕宓，陈烨菲，王建伟，杨建勋．高含水期水淹层的定量识别．新疆石油学院学报．2003，15(2)：38～42
[42] 李汉兴，贺麦红，眭满仓．基于遗传算法的石油机械优化设计．石油机械．1999，27(3)：10～12
[43] 闫桂京，潘保芝．遗传算法在估计测井解释参数方面的应用．物探化探计算技术．2001，23(1)：43～46
[44] 刘建军，刘绍轩，裴桂红．遗传算法在油藏数值模拟中的应用．新疆石油学院学报．2003，15(2)：28～31
[45] 王光兰，贾永禄，柯益华，胡学姝．遗传算法在油田产量预报中的应用．西南石油学院学报．2000，22(2)：34～35
[46] 侯健，曲昌学，陈月明，王玉斗，周波．用基于实数编码的自适应遗传算法求解产量预测模型．石油大学学报(自然科学版)．2002，26(3)：55～58
[47] 盖英杰，范海军，陈月明．油田措施配置随机规划模型．石油大学学报(自然科学版)．2000，24(2)：58～60
[48] 冯国庆，陈军，张烈辉，冯异勇．最优化测井解释的遗传算法实现．天然气工业．2002，22(6)：48～51
[49] 董明，席裕庚．基于遗传算法的干扰试井解释方法．石油大学学报(自然科学版)．1997，21(4)：33～36
[50] 柳金旺，马绍仁，张金．复杂断块油田优化井网密度研究．断块油气田．2001，8(1)：27～29
[51] 马玉霞，崔连训，刘新福，曲玉线，贾玉培，周辉．稠油热采老区蒸汽吞吐井经济极限累积产量关系式研究．河南石油．2002．16(5)：16～18
[52] 张伦友．天然气储量经济界限指标研究．天然气工业．2002，22(增刊)：68～72
[53] 罗东坤．油气勘探投资经济评价方法．油气地质与采收率．2002，9(1)：21～23
[54] 任文先，舒锦，王仲利．油气田开发经济采收率与经济储量的确定方法和应用．天然气工业．2002，22(增刊)：78～79
[55] 魏立新，刘扬，肖乐媛，李长林，孙绪新．固定修复长度的埋地输油管道开挖方案．大庆石油学院学报．2002．26(3)：69～71
[56] 陈遵德，祝文亮，王卫华，朱广生．孔隙度预测中的地震特征优化方法及应用．石油学报．1999，20(1)：50～55
[57] 黎洪，彭苏萍，张德志．裂缝性油藏主渗透率及主裂缝方向识别方法．石油大学学报(自然科学版)．2002，26(2)：44～46
[58] 王福刚，曹剑锋．改进的遗传算法在地下水数值模拟中的应用．吉林大学学报(地球科学版)．2002，32(1)：64～68
[59] 陈民锋，郎兆新．应用改进灰色模型预测油田产量．新疆石油地质．2003，24(3)：246～248
[60] 张学庆，刘燕，肖慈王旬，刘争平，杨斌．在测井中用一种组合进化神经网络识别油水层．石油物探．2001，40(4)：119～124
[61] 王梦云，武孟宇．排列序编码的遗传算法性能分析及应用．太原理工大学学报．2003，34(3)：350～353
[62] 金聪．启发式遗传算法及其应用．数值计算与计算机应用．2003，3(1)：30～35
[63] 闻新超，周琳霞，牛凯．一种基于混合编码的遗传算法．电子技术．2003，1：60～63
[64] 胡小兵，吴树范，江驹．一种基于遗传算法的求代数方程组数值解的新方法．控制理论与应用．2002，19(4)：567～570
[65] 杨金明，吴捷，钟丹虹．多目标优化问题中一种改进的遗传算法．华南理工大学学报(自然科学版)．2001，29(12)：66～67
[66] 韩瑞峰，张永奎．改进遗传算法与其他算法的比较实验研究．电脑开发与应用．2002，15(11)：4～8
[67] 李茂军，童调生．单亲遗传算法的选择方式．系统工程与电了技术．2002，24(10)：87～89
[68] 王忠，柴贺军，刘浩吾．关于进化遗传算法的几点改进．电子科技大学学报．2002，32(1)：76～79
[69] 雷建平，沈成武，闻骥骏．货郎担问题与单亲遗传算法．武汉理工大学学报．2003，25(6)：80～83
[70] 宋朝红，罗强，纪昌明．基于下降搜索的混合遗传算法．武汉大学学报(工学版)．2003，36(1)：109～112
[71] 邹亮，汪国强．均匀试验设计在遗传算法中的应用．华南理工大学学报(自然科学版)．2003，31(5)：90～92
[72] 刘彬，陈大平．一类整数性目标规划的遗传算法．计算机工程与科学．2003，25(3)：63～65
[73] 石玉，于盛林．一种改进的遗传算法．合肥工业大学学报(自然科学版)．2002，25(3)：403～406
[74] 邓建军，徐立鸿，吴启迪．一种求解非线性函数优化问题的混合遗传算法．同济大学学报．2001，29(11)：1363～1367
[75] 何大阔，王福利．一种提高遗传算法全局收敛性的方法．东北大学学报(自然科学版)．2003，24(6)：511～514
[76] 徐璐，涂承宇．一种新的改进遗传算法及其性能分析．电子学报．2001，29(7)：902～904
[77] 徐哲，白焰．遗传编程．自动化仪表．2002，23(10)：1～7
[78] 戴晓晖，李敏强，寇纪淞．遗传算法的性能分析研究．软件学报．2001，12(5)：742～750
[79] 韩玉兵．遗传算法数学机理分析．河海大学学报．2001，29(3)：92～94
[80] 陈长征，王楠．遗传算法中交叉和变异概率选择的自适应方法及作用机理．控制理论与应用．2002，19(1)：41～43
[81] 孔锐睿，仇汝臣，周田惠．单纯形的加速算法．南京理工大学报．2003，27(2)：209～213
[82] 杨慧珠，杜祥，张世俊．小生境遗传算法在反演堤坝地震勘探数据中的应用．工程力学．2002，19(6)：16～21
[83] 王曙光，郭德志．Nelder-Mead单纯形法的推广及其在自动历史拟合中的应用．大庆石油地质与开发．1998，17(4)：22～24
[84] 周北岳，邓斌，郭观七．基于小生境技术的改进遗传算法研究．机械强度．2002，24(1)：13～16
[85] 冯建军，罗兴琦．小生境遗传算法在平面叶栅优化设计中的应用．西安理工大学学报．2002，18(3)：286～288
[86] 杨爱琴，郑勇．西安石油学院学报．一种改进的单纯形直接寻优法．1995，10(4)：60～64
[87] 彭伟，卢锡城．一种函数优化问题的混合遗传算法．软件学报．1999．10(8)：819～823
[88] 陈建生，费奇，陈学广．一种基于小生境遗传算法的规则提取算法．信息与控制．2001，30(4)：313～317
[89] 牛志华，李乃成．一种新的混合遗传算法及其性能分析．工程数学学报．2003，20(4)：54～58
[90] 刘智明，周激流，敖蔷．遗传算法交叉算子的分析．四川大学学报(自然科学版)．2002，39(5)：854～860
[91] 林焰，郝聚民，纪卓尚，戴寅生．隔离小生境遗传算法研究．系统工程学报．2000，15(1)：86～91
[92] M.K, Sen, Akhll Datta Gupta, P.L.Stoffa, L, W.Lake.Stochastic Reservoir Modeling Using Simulated Annealing and Genetic Algorithm. SPE 24754. 1992
[93] J.H. Fang, C. L. Karr and D.A. Stanley. Genetic Algorithm and Its Application to Petrophysics. SPE26208. 1992
[94] E.R. Martinez and W.J. Moreno. Application of Genetic Algorithm on the Distribution of Gas Lift Injection. SPE 26993.1994
[95]B.L. Beckner, X. Song. Field Development Planning Using Simulated Annealing OptimalEconomic Well Scheduling and Placement. SPE 30650. 1995
[96] S.I. Aanonsen, L. Holden. Optimizing Resetvoir Performance Under Uncertainty withApplication to Well Location. SPE 30710. 1995
[97] D. Seifert, J.J.M. Lewis, C.Y.Hem, N.C,T.Steel. Well Placement Optimisation and Riskingusing 3-D Stochastic Reservoir Modelling Techniques. SPE 35520. 1996
[98] Antonio C. Bittencourt, Roland N. Home. Reservoir Development and Design Optimization.SPE 38895. 1997
[99] G. Santellani, AGIP, B. Hansen, Norsk Agip, and T. Herring, Norsk Agip. "Survival of theFittest" an Optimised Well Location Algorithm for Reservoir Simulation. SPE 39754. 1998
[100] Yan Pan, SPE, Roland N. Home. Improved Methods for Multivariate Optimization ofField Development Scheduling and Well Placement Design. SPE 49055. 1998
[101] Yin Hongjun, and Zhai Yunfang. An Optimum Method of Early-Time Well TestAnalysis- Genetic Algorithm. SPE 50905. 1998
[102] R.F.Stoisits, K.D.Crawford, D.J.MacAllister, M.D.McCormack, A.S.Lawal, D.O.Ogbe.Production Optimization at the Kuparuk River Field Utilizing Neural Networks and GeneticAlgorithms. SPE 52177. 1999
[103] Daniel P. Fichter, Merak. Application of Genetic Algorithms in Portfolio Optimizationfor the Oil and Gas Industry. SPE 62970. 2000
[104] Baris Guyagiiler, Roland N. Home, Leah Rogers, Jacob J. Rosenzweig. Optimization ofWell Placement in a Gulf of Mexico Waterflooding Project. SPE 63221. 2000
[105] C.E. Romero, J.N. Carter, A.C. Gringarten, and R.W. Zimmerman. A Modified GeneticAlgorithm for Reservoir Characterisation. SPE 64765. 2000
[106] M. D. Sarich. Using Genetic Algorithms to Improve Investment Decision Making. SPE68725.2001
[107] Guillermo Montes, Fundacion Repsol, Pablo Bartolome, Angel.L Udias liscuela dcMinas de Madrid. The Use of Genetic Algorithms in Well Placement Optimization. SPE69439.2001
[108] Baris Giiyagiiler, Roland N. Home. Uncertainty Assessment of Well PlacementOptimization. SPE 71625. 2001
[109] Burak Yeten, Louis J. Durlofsky, Khalid Aziz. Optimization of Nonconventional WellType, Location and Trajectory. SPE 77565. 2002
[110] Ian Tribe, Gordon Holm, Stuart Harker, Christian Longis, Keith Milne, SimonStromberg; Rita Greiss, Kate Webb. Optimized horizontal Well Placement in the Otter Field,North Sea using New Formation Imaging While Drilling Technology. SPE 83968. 2003
[111] Badru, C.S. Kabir. Well Placement Optimization in Field Development. SPE 84191.2003
[112] R. D. Hazlett, D.K. Babu. Optimal Well Placement in Heterogeneous Reservoirs ViaSemi-Analytic Modeling. SPE 84281. 2003
[113] Oluwatoyin Badru. "Well Placement Optimization using the Quality Map Approach".M.E. Thesis. Stanford University. 2003.7
[114] Baris Guyagiiler. "Optimization Of Well Placement And Assessment Of Uncertainty".PH.D. Thesis. Stanford University. 2002.3
[115] R. Mark Balen, H-Z. Meng and Michael J. Economies, Applications of the Net PresentValue (NPV) in the Optimization of Hydraulic Fractures. SPE 18541. 1988
[116] R.D. Corrie, Inemaka, An Analytical Solution to Estimate the Optimum Number ofDevelopment Wells to Achieve Maximum Economical Return. SPE 71431. 2001