油田开发指标预测方法综述(转贴)
默认分类2007-09-29 21:53:39 阅读305 评论0 字号：大中小订阅
从渗流力学和控制论角度看，油层系统属于分布参数系统，描述其状态的最为根本的物理量是油层压力场和含水饱和度场(脱气或注气情况下还要有含气饱和度场，对于化学驱还要有注入化学剂浓度场)，但在通常情况下这些场描述起来繁杂，既不易获得，也不易使用。因此，在工程上人们常用能够计量和测试到的这些状态的某种输出或导出指标，如油水井地层压力、产油量、产液量、含水与采收率等量值对油层开采状态进行表征，这些量值就是人们通常所说的开发指标。一个油田开采状况的评价，油田开发规划，油田开发方案设计与调整等决策管理问题都是以油田开发指标变化特征作为重要依据的。因此，油田开发指标预测在油田开发工作中具有极其重要地位，预测方法研究是石油科学重点课题。可以说，从石油工业诞生那天起，油田开发指标预测工作就开始了，随着现代科学技术的发展和油田开发生产的实际需要，油田开发指标预测方法得到了长足的发展和完善，已成为油藏工程研究的一个重要内容
一、油田开发指标预测方法的发展历史及其多样性;
油田开发指标预测方法的发展过程与美、俄等主要产油国的石油工业历史、油田开发理论的发展与完善是密不可分的，大致可划分为如下4个阶段
(1)开始采油—1930年左右，主要研究产量与井网密度之间关系，此阶段预测方法缺乏理论依据，不成熟。
(2)1930—1940年前后，美国马斯盖特、前苏联巴利索夫发展油藏驱动能量学说，把地下流体力学理论用到油田开发指标研究上来，得到了一系列产油计算公式，薛尔绍斯建立了物质平衡方程式。
(3)1940—1950年前后，主要针对注水方式建立预测方法，如美国的贝克莱—列维莱特建立水驱油理论，前苏联的谢尔卡桥夫建立了多种布井条件下产量计算公式。
(4)1950年以后，美国学者道格拉斯和皮斯曼把计算数学和计算机技术引入到油田开发预测中来，建立了油藏数值模拟方法。
新中国成立以后，尤其是大庆油田投入开发以后，我国油田开发技术人员在积极引进国外方法的同时，也根据本国油田实际特点，建立了一系列油田开发指标预测方法，为丰富油田开发理论做出了贡献。
从已公开发表的结果看，油田开发指标预测方法不下百种，与其它预测问题相比，具有明显的多样性特点，这是由油田开发特点所决定的，其原因可以概括为：(1)油田开发预测问题的多样性。油田开发可行性论证、油田开发规划编制和油田开发方案设计、开发试验区设计等一系列工作都需要对开发指标进行预测，这些问题的不同要求需要使用不同特征的开发指标预测方法。
(2)即使同类问题，在油田开发不同阶段，对油层认识不同，数据资料的多少与可信度不同，也可能选用不同类型的方法。
(3)油田或区块的规模、地质开发条件的复杂难易程度的不同，应该使用不同的方法。
(4)不同开发方法，如天然能量开采、注水开采和三次采油具有不同的驱替机理，也应该选用不同的方法。
(5)石油科学本身的发展，尤其是渗流力学的出现和不断完善，为研究油田开发指标预测方法提供了基础，现代科学技术，尤其是近年来系统科学、计算数学和
计算机技术的高速发展，为研究各种各样的开发指标预测方法提供了技术上的支持。
(6)不同类型油田开发研究人员，偏好不同类型的预测方法。例如，矿场人员喜欢简单、方便的经验性的方法，而大专院校及研究院、所的科研人员则偏爱于理论上较强的方法，这也是油田开发指标预测方法多样性的一个原因。
二、油田开发指标预测方法分类及评述
对于种类繁多的开发指标预测方法，根据其基本原理可概括为5大类。
1，经验公式类
(1)采收率预测公式
根据大量油田实际参数进行统计回归，得到采收率与油层静态参数和井网密度等之间的经验统计关系用于预测最终采收率。
这类方法精度不高，主要用于开发前期的采收率(ER)或可采储量计算。其中影响较大的有以下3种：
①美国Arps J.J.等人由312个油藏数据统计出的API公式
ER=54.898〔Φ(1-Sw)/Boi〕0.042 2(kμw/μo)0.077×(Sw)-0.190 3(Pi/Pa)-0.215 9(1)
式中k——渗透率，×10-3μm2；Pi，Pa——初始地层压力和废弃地层压力，psi.(1psi=0.007MPa)；μw,μo——水、油地下粘度，mPa . s；Φ——油层孔隙度，小数；
Sw——束缚水饱和度，小数；Boi——原油体积系数。
②Guthric和Greenberger等人给出的公式
ER=0.217 9 log(k)+0.255 69 Sw-0.135 5×log(μo)-1.538Φ-0.000 348 8 h+ 0.114 03(2)
式中h——油层厚度，ft(1ft=0.304 8m)。
公式(1)、(2)主要适用于边水驱动油田，对注水开发油田误差较大。
③谢尔卡桥夫公式
ER=EDexp(-b/f)(3)
式中ED——极限驱油效率，小数；f——井网密度，井数/km2；b——常数。
(2)水驱特征曲线
水驱特征曲线的基本原理是开发中后期累积产油、累积产水、累积产液和含水等指标经过处理后成直线相关形式，
利用回归分析方法确定出直线方程，并依此预测产油、含水之间相对变化，进而预测油田可采储量或其它开发指标变化。
目前水驱曲线已有数十种类型，但最为常用的有如下3种形式
log(Wp)=a+bNp (4) log(WOR)=a+bNp(5) Lp/Np=a+bLp(6)
式中Wp、Np、Lp——累积产油、累积产水和累积产液，104t；WOR——水油比；a,b——常数。
生产实际表明，水驱特征曲线方法对于大多数油田开发中后期的开发指标预测比较有效，简单易行，深受矿场人员欢迎。大庆油田近年来建立的用于开发规划的开发指标预测方法实质上就是在水驱曲线的基础上发展起来的。
(3)产量递减(衰减)方程
产量递减方程通常是指美国学者Arps在递减率的概念上提出的以下3个方程-
指数递减方程qo(t)=qiexp(-Dit) (7)
调和递减方程qo(t)=qi/(1+Dit) (8)
双曲递减方程qo(t)=qi(1+nDit)-1/n (9)
式中qi——初期产油量；Di，n——初始递减率和递减指数，常数。
这些方程被认为是经验性的，后来笔者运用渗流理论证明了这些方程。生产实际表明，在不考虑重大措施情况下，
产量递减方程仅使用产量变化历史数据，操作简单，是预测产油量的一种有效方法，在美国、加拿大等
西方国家论证油田开发可行性方面比较受到重视。
此外，前苏联学者还提出了累积产量与时间倒数(有时加修正项)成直线关系的所谓衰减方程
Np(t)=a-b/t
(10)
(4)经验模式方法
这类方法在美国得到一些应用，其基本思想是把产油量概括几个阶段，由多个油田实际生产数据统计各阶段
一些经验特征数(如阶段采出程度)，在此基础上建立产油量变化模式。如Bush-Haland方法把产油量划分为初始响应、上升、递减3个阶段，在给定注水量基础上预测出每一阶段时间跨度及几个关键点处的产量(包括高峰期产量)，依此给出产量变化趋势。类似的还有Guerrero & Earlougher方法。该类方法使用数据较少，主要用于开发前期的开发指标预测。
由于这种方法经验性较强，是基于美国的开发模式、开发数据得到的，对我国不太适用，但其基本思想很值得借鉴。
2，水动力学公式类
这类方法较多，主要是建立渗流力学模型，从Stiles等人的活塞流、巴利索夫的等值渗流阻力法到以Buckley-Leverett方程为基础的Higgin & Leighton提出的非活塞流管法等都有较多的计算公式。
这类方法的特点是机理比较明确，但有时过于理想化，与实际差别较大。这类方法主要用于开发前期的开发指标变化趋势与开发机理研究、初步开发方案的对比与优选。由于水动力学公式比较繁杂，本文不再列出，可参考文献〔1，2〕。3，物质平衡方程类
物质平衡方程由美国薛尔绍斯建立，主要用于描述罐模型，即零维模型(一般为代数方程，有时也用常微分方程描述)。在忽略油层非均质性和压力分布差别的情况下可以使用，一般用于弹性驱动、溶解气驱动和水驱油田的宏观的开发指标变化趋势的预测或开发机理研究。这类方法机理比较明确，计算简单，但不能给出非均质油层的精细预测。
4，油藏数值模拟类
油藏数值模拟方法的主要原理是运用偏微分方程组描述油藏开采状态，通过计算机数值求解得到开发指标变化。
这种方法的优点不仅机理明确，可以考虑油层非均质性和复杂的边界条件，能够考虑粘滞力、重力和毛管力的综合影响，能够给出油层各处的饱和度分布和压力
分布及各井的开采指标。与其它方法相比，其局限性是需要很多的输入数据，计算工作量大，费用高。由于节点数、计算速度和输入数据的限制，目前还不能用于较大规模的或区块的整体预测，这种方法主要用于油田开发方案设计与调整过程中的开发指标预测、各种措施的机理分析与效果预测。水驱黑油模型、化学驱模型和热采模型等都有商品化软件。
尤其是黑油模型商品化程度较高，软件种类繁多。目前，油藏数值模拟技术在油藏工程中具有极其重要地位。
5，通用预测方法类
这类方法是在研究一般的经济、控制问题与人工智能等问题建立起来的通用性较强的一类方法，一些油田开发技术人员已尝试把这些方法借用到油田开发指标预测上来，比较常用的有：
(1)时间序列分析方法
时间序列预测是经济、气象、水文和地震等领域经常使用的一种通用的随机类方法，也是统计数学的一个分支。其基本思想可描述为“看看过去，观察现在，推测未来”。油田开发指标，如产油量、产水量都可以看成是时间序列，并可用通用的辨识技术进行建模和预测。这类方法不追求机理，建模要求数据量较大、准确，用于短期预测比较有效，这类方法在实际预测工作中使用较少，但一种发展趋势是一些时变预测模型中参数用时间序列分析方法计算。
(2)灰色预测方法
灰色预测方法是我国邓聚龙教授建立的，是处理数据不准确，即有一定灰度的一种通用预测方法。具有代表性的有GM(1，1)模型，
适用于数据量较少，很难使用概率统计方法建模的情形。同样，这种方法也不追求机理，目前在农业预测方面应用较多，在油田开发指标预测中虽有理论性文章，但还很少得到实际应用。
(3)神经网络方法
神经网络方法是近年来人工智能(AI)研究的一个重点问题，在预测方面主要使用前馈神经网络。首先利用BP算法进行学习，确定出网络的连接权重等参数，然后进行预测。神经网络模型可以模拟复杂的非线性函数，是通用性较强的一种方法。在石油工业中，用于根据测井曲线资料进行储层静态参数如孔隙度、渗透率识别效果较好。也有人用于开发动态指标预测，但这种方法也缺乏机理，还没有发现比其它方法更为独到的地方。笔者认为，对于复杂的、规律性较差难以用水驱曲线等方法进行研究的问题，用神经网络方法学习专家经验或油藏数值模拟结果，建立预测模型，可能是一个值得探索的问题。
4)功能模拟方法
功能模拟方法基本原理主要是考虑不同系统之间功能方面的相似性，从而用一已知系统的功能或行为方程模拟、类比另一系统的功能或行为。在油田开发指标预测方面，人们目前主要采用了Poisson旋回模拟产油量变化历程，用Logistic 方程(生长曲线)模拟含水上升规律。功能模拟方法预测油田开发指标的适用范围及一些技术问题还需进一步解决。
三、对油田开发指标预测方法发展趋势的几点看法
随着油田开发过程的不断深入，驱替方式的不断转变，油田开发系统日趋复杂化，对油田开发指标预测提出了更高的要求，而现在科学技术的发展和人们对油田开发实践知识的积累，为不断地发展和完善油田开发指标预测方法以更好地满足油田生产实际需要提供了技术上的支持，因此，人们还应该进一步重视、完善
开发指标预测方法体系。关于其发展趋势，笔者提出以下几种看法：
(1)油田开发过程的复杂化决定了油田开发指标预测不仅是一门科学，而且还是一门艺术，既依赖于科学的理论与方法和可靠的数据，还依赖于预测者的经验、学识和判断力。因此，在进一步预测方法研究中，应充分注意预测数学模型和油田开发专家经验相结合，建立和发展智能预测技术。
(2)各种预测方法都存在一定的优点和局限性。近年来预测科学中出现一种倾向，即将多种方法综合集成。油田开发系统是一个复杂系统，因此，今后应该在解剖各种预测方法基础上，发展组合预测技术。
(3)油藏数值模拟在今后油田开发指标预测体系中仍然占有重要地位，对于水驱黑油模型，继续开展与完善并行算法研究，增加计算速度和扩大模拟节点数从而实现精细模拟和精细预测也将是油田开发指标预测技术的一个重要发展方面。对化学驱、混相驱模型在建模、求解及软件研制方面进一步改进。
(4)除发展三次采油数值模拟外，进一步结合三次采油矿场实际、油藏数值模拟结果与机理分析，发展一套完善、简单、灵活、适用的三次采油开发指标预测方法也应是油田开发人员努力攻关的一个方向。
作者简介计秉玉，男，1963年生，1983年长春地质学院水文地质专业毕业，1991年大庆石油学院油藏工程专业硕士研究生毕业，高级工程师，现从事油藏工程研究工作。地址：(163712)黑龙江省大庆市让胡路区。
作者单位：大庆石油管理局勘探开发研究院
国内物流需求预测方法文献综述 (河北工程大学管理科学与工程阮俊虎） 物流需求是指一定时期内社会经济活动对生产、流通、消费领域的原材料、半成品和成品、商品以及废旧物品、废旧材料等的配置作用而产生的对物在空间、时间和费用方面的要求，涉及运输、库存、包装、装卸搬运、流通加工以及与之相关的信息需求等物流活动的诸方面[1]。物流需求的度量可以采用价值量和实物量两种度量体系。实物量意义上的物流需求主要表现为不同环节和功能的具体作业量，如货运量、库存量、加工量、配送量等；价值量意义上的物流需求是所有物流环节全部服务价值构成的综合反映，如物流成本、物流收入、供应链增值等[2]。 物流需求预测是根据物流市场过去和现在的需求状况，以及影响物流市场需求变化的因素之间的关系，利用一定的判断、技术方法和模型，对物流需求的变化及发展趋势进行预测。国内外许多专家和学者都对物流需求的预测进行了研究，提出不同的预测方法和手段。物流预测方法可以分为定性预测方法（如德尔菲法和业务人员评估法等）和定量预测方法，但多数是定量预测方法，因此，本文主要是对国内物流需求定量预测方法进行综述，归为时间序列预测方法、因果关系预测方法、组合预测方法等三类。 1．时间序列预测方法综述 时间序列预测方法是依据从历史数据组成的时间序列中找出预测对象的发展变化规律，以此作为预测依据。常用的时间序列预测模型有增长率法、移动平均法、指数平滑法、随机时间序列模型、灰色模型、以及在经济领域已经被广泛应用的混沌与分形等。 增长率法指根据预测对象在过去的统计期内的平均增长率，类推未来某期预测值的一种简便算法。该预测方法一般用于增长率变化不大，或预计过去的增长趋势在预测期内仍将继续的场合。刘劲等[3]（2002）在利用增长率系数法对百色地区港口货运量进行了逐一分析。 移动平均法是用一组最近的实际数据值来预测未来一期或几期内产品的需求量的一种常用方法。当产品需求既不快速增长也不快速下降，且不存在季节性因素时，移动平均法能有效地消除预测中的随机波动。根据预测时使用的各元素的权重不同，移动平均法可以分为：简单移动平均和加权移动平均。杨荣英等[4]（2001）在讨论移动平均值的基础上，提出了移动平均线方法，并介绍了运用移动平均线进行物流预测的方法。李海建等[5]（2003）利用二次移动平均线模型对芜湖市物流业发展的规模进行了预测。 指数平滑法是在移动平均法基础上发展起来的一种时间序列分析预测法，它是通过计算指数平滑值，配合一定的时间序列预测模型对现象的未来进行预测。其原理是任一期的指数平滑值都是本期实际观察值与前一期指数平滑值的加权平均。移动平均法则不考虑较远期的数据，并在加权移动平均法中给予近期资料更大的权重；而指数平滑法则兼容了全期平均和移动平均所长，不舍弃过去的数据，但是仅给予逐渐减弱的影响程度，即随着数据的远离，赋予逐渐收敛为零的权数。韦司滢等[6]（1999）将指数平滑法等其他多种方法应用在三峡移民工程建材配送决策支持系统中。黄荣富等[7]（2003）、
油田开发要紧工艺技术指标计算方法 （征求意见稿） 一、机械采油指标的确定及计算方法 通过研究分析石油行业、集团公司、油田公司的相关标准、规范及要求，经论证优选，打算以石油行业标准《抽油机和电动潜油泵油井生产指标统计方法》（SY/T 6126-1995）为基础，参考其他相关标准及规范，确定出采油工艺指标12项：油井利用率、采油时率、泵效、检泵周期、抽油机井系统效率、平衡度、冲程、冲次、抽油泵径、泵挂深度、动液面、沉没度、动态操纵图上图率，具体见下表。 机械采油指标论证确定结果表
1、油井利用率 油井利用率指油井实际开井数与油井应开井数的比值。 %100?-= y z x c n n n K (1) 式中：K c ——油井利用率，%； n x ——开井数，口； n z ——总井数，口； n y ——打算关井数，口。 注： ① 开井数指当月累积产油达到1吨以上（含1吨）的油井（含在册捞油井），或当月累积伴生气达到1千立方米以上（含1千立方米）的油井，为采油开井。 ② 打算关井包括测压或钻井关井，方案或试验关井，油田内季节性关井或压产关井。 ③ 油井利用率按月度统计，季度油井利用率按季度最后一个月（即3月、6月、9月、12月）的油井利用率为准，半年油井利用率以6月的油井利用率为准，年度油井利用率以12月的油井利用率为准。
2、采油时率 采油时率指开井生产井统计期内生产时刻之和与日历时刻之和的比值。 % 100?-= ∑∑∑r w r r D D D f …………… (2) 24 ∑∑= L w T D ………… (3) 式中：f r ——采油时率，%； ∑r D ——统计期内统计井的日历天数之和，d ； ∑w D ——统计期内统计井的无效生产天数之和，d ； ∑L T ——开井生产井累计停产时刻，h 。 注： ①采油时率统计基数为所有开井生产井，其中新投产井在投产第一个月不予统计。 ②开井生产井累计停产时刻包括停电、洗井、停抽、维修保养等时刻，不包括测压停产、措施、大修等正常安排的停井时刻。 ③间开井等待液面上升的时刻应计入生产时刻内（即间开井应按照正常生产井来计算采油时率）。
中国证券市场股票价格预测模型综述 王 浩 (洛阳理工学院工程管理系,洛阳 471023)* 摘 要:中国金融市场的证券价格存在着可预测成分。现有的各种统计预测方法基本都可以归纳为时间关系模型和因果关系模型两大类,详细分析了各种模型的实现方法并总结了其特点。 关键词:预测;股票价格;统计模型;综述do:i 10.3969/j .issn .1000-5757.2009.07.058 中图分类号:F830191 文献标志码:A 文章编号:1000-5757(2009)07-0058-03 一、证券市场可预测性 有效市场理论指出,证券价格呈现随机游走特征,因此技术分析和掷骰子选出的股票,最终表现相差无几。大量分析却发现中国股票价格波动具有长期记忆性,拒绝了随机游走假设,即股市涨跌存在自身的规律,无论长期和短期都存在着可预测的成分,因而技术分析是有用的,通过采用 相应策略,投资者可以获得超常利润。[1] 中国证券市场呈 现弱有效性的原因可能在于,作为一个新兴市场,法制、监管等因素造成市场信息传递效率低下,投资者在博弈中存在严重的信息和资金实力不对称,而且这种不对称状态并不能在市场中迅速消除,因此F a m a 所描述的概率上的/瞬时性0还无法达到,而这种市场结构的特点,使得某些/技术分析0成为信息挖掘的成本。 由于股票指数序列呈现高度的非线性,经典计量经济模型和时间序列模型的有效性受到了挑战。现代预测理论和统计学、信息技术、优化算法紧密结合,向复杂化和智能化方向发展。至少目前在我国,各种预测技术方兴未艾,投资者按照自己的经验采用各不相同的指标作为决策依据,在市场上低买高卖,获得了成功,也经历过失败。 二、主要预测模型1.神经网络模型 神经网络是一种大规模并行处理系统,具有良好的自学习能力、抗干扰能力和强大的非线性映射能力,能够从大量历史数据中进行聚类和学习,自动提取样本隐含的特征和规则,进而找到某些行为变化规律,可以实现任何复杂的因果关系。BP (反向传播)和RBF (径向基函数)神经网络是最常见的股市预测模型。崔建福等发现BP 模型普遍显著优于 GARCH (广义自回归条件异方差)模型,从而认为对股票价格这样波动频繁的时间序列,从非线性系统角度建模略胜于 从非平稳时间序列角度建模。[2] 由于传统算法收敛速度慢且 全局寻优能力差,更多研究将精力放在对神经网络结构和参数的改进上。丁雪梅等发现改进后BP 算法的预测结果比 回归预测、指数平滑预测和灰色预测都要好。 [3]神经网络预测方法的应用有两个明显特点。一方面,统计模式识别和数字信号处理等领域的特征选择和提取方法,如小波包最优分解方法、混沌吸引子理论、K a l m an 滤波算法、主成分分析、灰色系统理论,广泛用于神经网络输入参数的甄别。另一方面,新的网络模型不断被应用于证券预测实践以提高映射效率,如模糊神经网络和小波神经网络。预测结果明显优于普通神经网络模型。 神经网络的缺陷在于,网络结构只能事先指定或应用启发式算法在训练过程中寻找,需要在充分了解待解决问题的基础上,主要依靠个人经验来确定,没有统一的规范,往往需要通过反复改进和试验,最终才能选出一个相对较好的设计方案,并且网络训练过程易陷入局部极小点。不过,神经网络最致命缺点在于,无法表达和分析预测系统的输入输出之间的关系,难以解释系统输出结果。 2.灰色系统和随机过程模型 灰色预测普遍采用灰色系统模型,经由累加过程削弱原始数据的随机干扰,突出系统所蕴涵的内在规律,然后建立动态预测模型。马尔可夫过程是无后效性的随机过程,是一种应用极为广泛的传统方法。灰色系统GM (1,1)模型的解为指数型曲线,几何图形较为平滑,比较适用于具有增长趋势的问题,而对随机性波动较大的数据进行预测,会 58 第25卷 第7期V o.l 25 四川教育学院学报 J OURNAL OF S I CHUAN C O LLEG E OF EDU CAT I ON 2009年7月 Ju.l 2009 * 收稿日期:2009-02-23 作者简介:王浩(1973)),男,河南西峡人,副教授,硕士,研究方向:区域经济发展理论与数量分析。
油田开发生产动态分析的内容 A、注水状况分析 1）分析注水量、吸水能力变化及其对油田生产形势的影响，提出改善注水状况的有效措施。 2）分析分层配注的合理性，不断提高分层注水合格率。 3）搞清见水层位、来水方向。分析注水见效情况，不断改善注水效果。 B、油层压力状况分析 1）分析油层压力、流动压力、总压降变化趋势及其对生产的影响。 2）分析油层压力与注水量、注采比的关系，不断调整注水量，使油层压力维持在较高水平上。 3）搞清各类油层压力水平，减小层间压力差异，使各类油层充分发挥作用。 C、含水率变化分析 1）分析综合含水、产水量变化趋势及变化原因，提高控制含水上升的有效措施。 2）分析含水上升与注采比、采油速度、总压降等关系、确定其合理界限。 3）分析注入水单层突进、平面舌进、边水指进、底水锥进对含水上升的影响、提出解决办法。 D、油田生产能力变化分析 1）分析采油指数、采液指数变化及其变化原因。 2）分析油井利用率、生产时率变化及其对油田生产能力的影响。 3）分析自然递减变化及其对油田生产能力的影响。 4）分析增产措施效果变化及其对油田生产能力的影响。 5）分析新投产区块及调整区块效果变化及其对油田生产能力的影响。 油藏工程名词解释 地质储量 original oil in place 在地层原始状态下，油(气)藏中油(气)的总储藏量。地质储量按开采价值划分为表内储量和表外储量。表内储量是指在现有技术经济条件下具有工业开采价值并能获得经济效益的地质储量。表外储量是在现有技术经济条件下开采不能获得经济效益的地质储量，但当原油(气)价格提高、工艺技术改进后，某些表外储量可以转为表内储量。 探明储量 proved reserve 探明储量是在油(气)田评价钻探阶段完成或基本完成后计算的地质储量，在现代技术 和经济条件下可提供开采并能获得经济效益的可靠储量。探明储量是编制油田开发方案、进行油(气)田开发建设投资决策和油(气)田开发分析的依据。 动用储量 draw up on reserves 已钻采油井投入开采的地质储量。 水驱储量 water flooding reserves 能受到天然边底水或人工注入水驱动效果的地质储量。 损失储量 loss reserves 在目前确定的注采系统条件下，只存在注水井或采油井暂未射孔的那部分地质储量。 单井控制储量 controllable reserves per well 采油井单井控制面积内的地质储量。 可采储量 recoverable reserves 在现有技术和经济条件下能从储油(气)层中采出的那一部分油(气)储量。 剩余可采储量 remaining recoverable reserves
实用标准文案 油田开发指标定义计算方法、油田各主要开发指标的概念教学 内容：1 、油田各主要开发指标的计算公式2 、油田各主要开发指标的计算方法3 、掌握油田各主要开发指标的概念教学目的：1 、掌握油田各主要开发指标的计算公式2 、能熟练地应用计算公式计算油田各主要开发指标3 、油田各主要开发指标的概念教学重点：1 、油田各主要开发指标的计算公式2 、灵活应用计算公式计算油田各主要开发指标教学难点：1 多媒体讲授教学方式：分钟教学时数：45 授课提纲：油田开发指标是指根据油田开发过程中实际生产资料，统计出一系列能够评价油田开发效果的数据，常规油田开发指标注水开发油田的主要指标有：原油产量、油田注水、地层压力。下面主要讲解原油产量、油田注水等主要的开发指标。、采油速度1 分为折算采油速度和实际采油速度。年产油量与其相应动用地质储量之比。1）定义：）计算公式：2 =（十二月份的日产油水平×365/动用地质储量）×100%折算采油速度/动用地质储量×100%实际采油速度= 实际年产油量3）应用：①计算年产油量②计算动用的地质储量③配合其它资料计算含水上升率年实际采0678.5016×10t，求，实际生产原油：江汉油田06年动用石油地质储量10196.5×10t1例44油速度？动用地质储量×100%=实际年产油量/解：实际采油速度）×100%/（10196.5×1078.5016×10=44=0.77% 。年实际采油速度0.77%答：06 、采出程度2表示从投入开发以来，已经从地下采出的地质储量，1）定义：累计产油量与其相应动用地质储量之比。 R。符号为）计算公式：2 动用地质储量×100%=累计产油量/）采出程度（R，求2982.35×10t年，截止0612底累计产油t：江汉油田例206年动用石油地质储量10196.5×1044底采出程度？06截止年12 /动用地质储量×100%=解：采出程度（R）累计产油量（10196.5×10）×100%/2982.35×10=44=29.25% 精彩文档． 实用标准文案 。底采出程度29.25%答：截止06年12 、综合含水率3）定义：是指月产水量与月产液量的比值，是反映油田原油含水高低（出水或水淹程度）的重要标志，符1，用百分数表示。号为fw ：2）计算公式/月产液量×100%fw）=月产水量综合含水率（ 137 11183.井口月产油水平2170 t，井口月产水：江汉油田06年12月井口月产液水平13353m, 例33 12月综合含水率？m，求06年3 /月产液量×100%）=月产水量解：综合含水率（fw =11183.137/13353×100%=83.75% 83.75%。年12月综合含水率答：06 4、含水上升速度含水量将随采出程度的增加而上升，其上升的快慢是衡量油田注水效果好坏的重定义：油田见了水后，1）含水上升速度是指要标志。可以按月、季或年计算含水上升速度，也可以计算某一时期的含水上升速度。单位时间内含水上升的数值，与采油速度无关。：2）计算公式）-上年末综合含水率fw 年含水上升速度=（本年末综合含水率fw21 /12上年末综合含水率fw）月含水上升速度=（本年末综合含水率fw-21 /12=年含水上升速度年含水上升06，求该油田82.68%,06年12月综合含水率83.75%例4：某油田05年12月综合含水率速度及月含水上升速度？）上年末综合含水率fw=（本年末综合含水率fw-解：年含水上升速度21=83.75%-82.68% =1.07% /12 =年含水上升速度月含水上升速度=1.07%/12 =0.09% 0.09%。06年含水上升速度1.07%，月含水上升速度答：该油田5、含水上升率1%地质储量含水上升的百分数。（现场一般不用百分数表示）1）定义：指每采出）计算公式：2）（R- R=（fw- fw）/含水上升率2211；——报告末期
第一条综述 为调动公司软件研发人员的工作积极性，提高软件的开发质量和开发效率，促进研发人员深入市场，及时跟踪软件产品的使用情况，在公司现有绩效考评制度基础上制定此制度。 第二条管理办法 公司软件项目实行目标管理。 第三条执行范围 1）本制度适用于从事软件项目开发的人员。 2）本制度适用于软件项目开发运行全生命周期，即需求调研、软件设计、软件开发及测试、软件运行维护。 第四条整体考核目标 1）品质 2）工期详见《软件项目立项申请表》。 第五条奖金成立
1、部门主管根据市场需求，填写《软件项目立项申请表》并经需求提出项目主管、技术总监、技术副总、董事长签字同意。 2、技术副总、董事长认为可立项软件，下发《软件项目立项申请表》填写，经技术总监、项目负责人确认工期及缺陷数目。 第六条奖金构成 1、基础奖金总额： 1）合同类项目：项目奖金的发放额度在项目合同签订后确定，原则上不得超过所研发的软件合同金额的8％，不低于合同金额的5％，具体额度由部门经理、总工程师、技术总监协商，董事长最终确定。 2）投入类项目：由公司直接投入项目，在明确项目内容后，部门经理、总工程师、技术总监计算项目人员工时，核算投入金额报技术副总、财务总监、董事长确认项目总投入额。原则上以软件投入总金额的10％作为项目开发奖金。 3）当发生大市场变化，需要重新确定奖金发放额度时，可由部门经理提出，经过技术总监、主任工程师、技术副总、总经理重新协商后，董事长最终确定。 2、奖金构成：
1）项目承担部门奖励（奖励1） 奖金总金额的60%为工期奖金；发放对象：项目设计、开发、测试参与人员。 奖金总金额的40%为品质奖金；发放对象：项目设计、开发、测试参与人员。 2）应用奖金（奖励2） 应用奖金（奖励2）=奖励1的5%-8%。发放对象：应用部参与人员。 3）维护奖金（奖励3） 维护奖金（奖励3）=奖励1的5%-8%。发放对象：运维部参与人员。 4）特殊奖励（奖励4） 特殊奖励（奖励4）=最高为奖金总金额的10%为特殊奖励； 第七条奖金浮动 1、工期奖金： 项目提前完成时，按比例增加奖金发放额度，滞后时按比例减少发放额度。增减上限为奖金基础数额的50%。比例计算方法为：浮动比例＝（计
油田开发指标定义计算方法 教学内容：1、油田各主要开发指标的概念 2、油田各主要开发指标的计算公式 3、油田各主要开发指标的计算方法 教学目的：1、掌握油田各主要开发指标的概念 2、掌握油田各主要开发指标的计算公式 3、能熟练地应用计算公式计算油田各主要开发指标 教学重点：1、油田各主要开发指标的概念 2、油田各主要开发指标的计算公式 教学难点：1、灵活应用计算公式计算油田各主要开发指标 教学方式：多媒体讲授 教学时数：45分钟 授课提纲： 油田开发指标 油田开发指标是指根据油田开发过程中实际生产资料，统计出一系列能够评价油田开发效果的数据，常规注水开发油田的主要指标有：原油产量、油田注水、地层压力。下面主要讲解原油产量、油田注水等主要的开发指标。 1、采油速度 1）定义：年产油量与其相应动用地质储量之比。分为折算采油速度和实际采油速度。 2）计算公式： 折算采油速度=（十二月份的日产油水平×365/动用地质储量）×100% 实际采油速度= 实际年产油量/动用地质储量×100% 3）应用： ①计算年产油量 ②计算动用的地质储量 ③配合其它资料计算含水上升率 例1：江汉油田06年动用石油地质储量10196.5×104t，实际生产原油78.5016×104t，求06年实际采油速度？解：实际采油速度=实际年产油量/动用地质储量×100% =78.5016×104/（10196.5×104）×100% =0.77% 答：06年实际采油速度0.77%。 2、采出程度 1）定义：累计产油量与其相应动用地质储量之比。表示从投入开发以来，已经从地下采出的地质储量，符号为R。 2）计算公式： 采出程度（R）=累计产油量/动用地质储量×100% 例2：江汉油田06年动用石油地质储量10196.5×104t，截止06年12底累计产油2982.35×104t，求截止06年12底采出程度？ 解：采出程度（R）=累计产油量/动用地质储量×100% =2982.35×104/（10196.5×104）×100% =29.25% 答：截止06年12底采出程度29.25%。 3、综合含水率
第1章软件开发过程概述 1.1 软件开发过程概述 1.1.1 软件的概念 软件（Software）简单的说就是那些在计算机中能看的着，但摸不着的东西，概念性的说软件也称为“软设备”，广义地说软件是指系统中的程序以及开发、使用程序所需要的所有文档的集合软件分为系统软件和应用软件。 软件并不只是包括可以在计算机上运行的程序，与这些程序相关的文件一般也被认为是软件的一部分。 软件被应用于世界的各个领域，对人们的生活和工作都产生了深远的影响。 1. 系统软件 系统软件是负责管理计算机系统中各种独立的硬件，使得它们可以协调工作。系统软件使得计算机使用者和其他软件将计算机当作一个整体而不需要顾及到底层每个硬件是如何工作的。 一般来讲，系统软件包括操作系统和一系列基本的工具（比如编译器，数据库管理，存储器格式化，文件系统管理，用户身份验证，驱动管理，网络连接等方面的工具）。 2. 应用软件 应用软件是为了某种特定的用途而被开发的软件。它可以是一个特定的程序，比如一个图像浏览器。也可以是一组功能联系紧密，可以互相协作的程序的集合，比如微软的Office软件。也可以是一个由众多独立程序组成的庞大的软件系统，比如数据库管理系统。较常见的有：文字处理软件如WPS、Word等；信息管理软件；辅助设计软件如AutoCAD ；实时控制软件；教育与娱乐软件。 1.1.2 编程与软件开发 软件开发的内容是：需求、设计、编程和测试。 （1）需求：不仅仅是用户需求，应该是开发中遇到的所有的需求。比如，你首先要知道做这个项目是为了解决什么问题；测试案例中应该输入什么数据......为了清楚地知道这些需求，你经常要和客户、项目经理等交流。 （2）设计：编码前，肯定有个计划告诉你要做什么，结构是怎样等等。你一定要按照这个来做，否则可能会一团糟。 （3）编程：如果在项目截止日，你的程序不能跑起来或达不到客户的要求，你就拿不到钱。
用水量预测方法综述 摘要：本文阐述了研究用水量预测方法的目的和意义，简要的介绍了六种目前常用的预测方法，并指出了每种方法的优缺点, 最后对不同情况水量预测方法的择优进行了分析和探讨。 关键词: 用水量预测人工神经网络预测方法择优 一、引言 水是人类赖以生存的基础，没有水，就没有生命。 随着经济建设的发展、产业和人口的增加，我国城市、工业、农业各方面用水量都在迅速增长，缺水城市和地区的范围日益扩大。全国640个城市中有333个城市缺水，其中严重缺水的有108个[1]。同时，水污染是我国面临的又一严峻的问题。缺水、水污染己经对我国的经济建设构成了严重的威胁[2]。因此，水资源规划和供水系统的优化调度变得越来越重要，作为供水管理前提和基础的用水量预测方法的研究也得到了快速的发展。 二、研究用水量预测方法的目的和意义 水量预测工作是水资源管理中掌握未来发展趋势的关键。而合理预测城镇规划期限内的用水量，使其与城镇发展实际相接近，对城镇今后的建设和发展具有极其重要的意义。通过预测未来的用水量，一方面，我们可以大致估计城市和农村的缺水量，着手寻找解决方案，减少经济损失。另一方面，用水量预测是水资源管理规划的重要内容。我国水资源开发利用分好几个部门，如不做好预测工作，就难以制定中长期水资源开发利用的总体规划和供水规划，就会影响国民经济计划的实现。所以预测用水量，无论在经济效益上还是宏观调控上都有重要意义。 三、用水量预测分类以及相应预测方法 用水量的预测方法按用水部门性质可分为生活用水预测、工业用水预测、农业灌溉用水预测、渔业用水预测等几方面。生活用水量的预测方法有综合分析定额法、趋势法和分类分析权重估算法，在预测时，可根据实际情况选用一种为主，其他亏法进行检验、校核。趋势预测法、分块预测法、相关法、分行业重复利用率提高法等是较为常见的工业需水量预测方法. 四、几种常用的用水量预测方法[3] a)自回归移动平均模型ARMA法 ARMA模型是自回归模型和移动平均模型的综合，它通过对相应数学模型的分析研究，能更本质地认识动态数据的内在结构和复杂特性。ARMA模型将预测对象时间序列加工成一个白噪声序列进行处理，所以它可对任何一个用水过程进行模拟，且预测速度快，能得到较高的预测精度。然而，ARMA模型具有预测周期短、所用数据单一的缺点，只能给出下一周期用水量的预测值，且无法剖析形成这一预测值的原因及合理的
第2章油田开发效果评价方法研究 油田开发效果评价贯穿于油田开发的全过程，正确、客观、科学的综合评价油田开发效果，是油田开发方案调整，实施有效、高效挖潜措施，达到高效合理开发的基础。目前评价油田开发效果的指标众多，根据各评价指标的性质和实际涵义，大体上可将其划分为三大类，即开发技术指标、生产管理指标和经济效益指标。开发技术指标是描述油田开发过程动态变化的参数指标，用来评价管理单元的开发动态状况，主要包括注采井网完善状况、含水变化状况、产量变化状况、储采开发状况、注水开发效果、开采程度指标等;生产管理指标主要包括措施效果评价、工作量完成情况以及油水井和地面设备的使用状况和动态监测状况；经济效益指标主要用来评价管理单元经济效益的，主要包括操作成本、新钻井经济极限初产、老井经济极限生产指标以及各项措施的经济指标。油田开发作为一个有机的整体，各项指标有着密切的联系，其中开发指标是油田开发状况的反映，是油田开发效果好坏的直接指标，在三类指标中占主导地位；生产管理指标是实现开发技术指标的基础和保障；经济效益指标是油田效益好坏的表现，是油田是否经济、有效开发的最终体现；开发技术指标和生产管理指标都是为实现经济效益指标服务的。由于课题来源于海外参股项目，中方为非作业者，对措施的实施以及经济评价没有决策权，因此，主要从开发技术指标方面对油田开发效果进行正确的、客观的、科学的综合评价，从而指导油田的下一步开发调整。 2.1开发效果评价指标的筛选与计算方法研究 开发技术指标大体上可分为6个大的方面，但在实际计算应用中，又进一步细分为多个指标，如反映注采井网完善状况的指标可进一步细分为水驱储量控制程度、水驱储量动用程度、注采对应率、注采井数比、井网密度、单井控制地质储量等；注水状况评价指标可进一步细分为注采比、注水量、存水率、水驱指数、耗水比、地层压力保持水平等；含水变化状况指标可细分为含水率、含水上升率、含水上升速度等；产量变化指标可细分为地质储量采油速度、无因次采油速度、自然递减、综合递减、总递减、采油指数、采液速度、采液指数等；储采状况指标可细分为储采平衡系数、储采比、剩余可采储量采油速度等；开采程度指标细分为地质储量采出程度、可采储量采出程度、采收率等。为了能够应用较少量的
蛋白质结构预测方法综述 卜东波陈翔王志勇 《计算机不能做什么？》是一本好书，其中文版序言也堪称佳构。在这篇十余页的短文中，马希文教授总结了使用计算机解决实际问题的三步曲，即首先进行形式化，将领域相关的实际问题抽象转化成一个数学问题；然后分析问题的可计算性；最后进行算法设计，分析算法的时间和空间复杂度，寻找最优算法。 蛋白质空间结构预测是很有生物学意义的问题，迄今亦有很多的工作。有意思的是，其中一些典型工作恰恰是上述三步曲的绝好示例，本文即沿着这一路线作一总结，介绍于后。 1 背景知识 生物细胞种有许多蛋白质（由20余种氨基酸所形成的长链），这些大分子对于完成生物功能是至关重要的。蛋白质的空间结构往往决定了其功能，因此，如何揭示蛋白质的结构是非常重要的工作。 生物学界常常将蛋白质的结构分为4个层次：一级结构，也就是组成蛋白质的氨基酸序列；二级结构，即骨架原子间的相互作用形成的局部结构，比如alpha螺旋,beta片层和loop区等；三级结构，即二级结构在更大范围内的堆积形成的空间结构；四级结构主要描述不同亚基之间的相互作用。 经过多年努力，结构测定的实验方法得到了很好的发展，比较常用的有核磁共振和X光晶体衍射两种。然而由于实验测定比较耗时和昂贵，对于某些不易结晶的蛋白质来说不适用。相比之下，测定蛋白质氨基酸序列则比较容易。因此如果能够从一级序列推断出空间结构则是非常有意义的工作。这也就是下面的蛋白质折叠问题： 1蛋白质折叠问题（Protein Folding Problem） 输入: 蛋白质的氨基酸序列
输出: 蛋白质的空间结构 蛋白质结构预测的可行性是有坚实依据的。因为一般而言，蛋白质的空间结构是由其一级结构确定的。生化实验表明：如果在体外无任何其他物质存在的条件下，使得蛋白质去折叠，然后复性，蛋白质将立刻重新折叠回原来的空间结构，整个过程在不到1秒种内即可完成。因此有理由认为对于大部分蛋白质而言，其空间结构信息已经完全蕴涵于氨基酸序列中。从物理学的角度讲，系统的稳定状态通常是能量最小的状态，这也是蛋白质预测工作的理论基础。 2 蛋白质结构预测方法 蛋白质结构预测的方法可以分为三种： 同源性（Homology ）方法：这类方法的理论依据是如果两个蛋白质的序列比较相似，则其结构也有很大可能比较相似。有工作表明，如果序列相似性高于75％，则可以使用这种方法进行粗略的预测。这类方法的优点是准确度高，缺点是只能处理和模板库中蛋白质序列相似性较高的情况。 从头计算（Ab initio ） 方法：这类方法的依据是热力学理论，即求蛋白质能量最小的状态。生物学家和物理学家等认为从原理上讲这是影响蛋白质结构的本质因素。然而由于巨大的计算量，这种方法并不实用，目前只能计算几个氨基酸形成的结构。IBM 开发的Blue Gene 超级计算机，就是要解决这个问题。 穿线法(Threading )方法：由于Ab Initio 方法目前只有理论上的意义，Homology 方法受限于待求蛋白质必需和已知模板库中某个蛋白质有较高的序列相似性，对于其他大部分蛋白质来说，有必要寻求新的方法。Threading 就此应运而生。 以上三种方法中，Ab Initio 方法不依赖于已知结构，其余两种则需要已知结构的协助。通常将蛋白质序列和其真实三级结构组织成模板库，待预测三级结构的蛋白质序列，则称之为查询序列(query sequence)。 3 蛋白质结构预测的Threading 方法 Threading 方法有三个代表性的工作：Eisenburg 基于环境串的工作、Xu Ying 的Prospetor 和Xu Jinbo 、Li Ming 的RAPTOR 。 Threading 的方法：首先取出一条模版和查询序列作序列比对(Alignment)，并将模版蛋白质与查询序列匹配上的残基的空间坐标赋给查询序列上相应的残基。比对的过程是在我们设计的一个能量函数指导下进行的。根据比对结果和得到的查询序列的空间坐标，通过我们设计的能量函数，得到一个能量值。将这个操作应用到所有的模版上，取能量值最低的那条模版产生的查询序列的空间坐标为我们的预测结果。 需要指出的是，此处的能量函数却不再是热力学意义上的能量函数。它实质上是概率的负对数，即 ，我们用统计意义上的能量来代替真实的分子能量，这两者有大致相同的形式。 p E log ?=如果沿着马希文教授的观点看上述工作 ，则更有意思：Eisenburg 指出如果仅仅停留在简单地使用每个原子的空间坐标(x,y,z)来形式化表示蛋白质空间结构，则难以进一步深入研究。Eisenburg 创造性地使用环境串表示结构，从而将结构预测问题转化成序列串和环境串之间的比对问题；其后，Xu Ying 作了进一步发展，将蛋白质序列表示成一系列核（core ）组成的序列，Core 和Core 之间存在相互作用。因此结构就表示成Core 的空间坐标，以及Core 之间的相互作用。在这种表示方法的基础上，Xu Ying 开发了一种求最优匹配的动态规划算法，得到了很好的结果。但是由于其较高的复杂度，在Prospetor2上不得不作了一些简化；Xu Jinbo 和Li Ming 很漂亮地解决了这个问题，将求最优匹配的过程表示成一个整数规划问题，并且证明了一些常用
、产油量：日产油量；年产油量. 表示油田实际产量地大小，有日产油量、月产油量、年产油量等. 日产油（液）水平：指月产油（液）与当月日历天数地比值，.是衡量原油产量高低和分析产量变化地指标；个人收集整理勿做商业用途 日产油（液能）力：指月产油（液）量与实际生产天数地比值，. 平均单井日产油（液）水平：指油田日产油（液）水平与当月油井开井数地比值.开井数是指当月连续生产一天以上并有一定油气产量地井.个人收集整理勿做商业用途 折算年产油量＝日产油量*或＝月产油量* 、含水率. 含水率：指日产水量与日产液量地比值. 包括单井含水率、综合含水率、见水井平均含水率等 、含水上升率、含水上升速度. 含水上升率：指每采出地地质储量地含水上升百分数（公式推导）. 含水上升速度：单位时间内含水率上升幅度. 、采油（液）速度、采出程度. 采油（液）速度：指所产油（液）量与动用地质储量地比值，是衡量油田开发速度快慢地指标. 折算采油速度：用于计算当月地采油速度，是衡量当月油田开发速度快慢地指标.＝（当月平均日产油水平*）动用地质储量*.个人收集整理勿做商业用途 采出程度：是累积采油量与动用地质储量地比值，反映油田储量地采出情况. 、采油（液、水）指数：生产压差每增加时，所增加地日产（液、水）油量.表示油井生产能力地大小.＝日产油量（静压流压）；个人收集整理勿做商业用途 当静压低于饱和压力时：采油指数＝日产油量（静压流压） ：渗滤特性指数或采油指示曲线指数. 、比采油（液、水）指数：生产压差每增加时，每米有效厚度所增加地日产油（液、水）量.表示每米有效厚度地日产能力个人收集整理勿做商业用途 、采油强度：单位油层有效厚度地日产油量. 、产量递减，自然递减率，综合递减率 产量递减：指单位时间地产量变化率，或单位时间内产量递减百分数.其大小反映了油田稳产形势地好坏. 递减幅度：是表示油田产量下降速度地一个指标，指下一阶段产量与上一阶段产量相比地百分数.如下月产量与上月产量之比叫月产量地月递减幅度；下月未地日产量与上月未地日产量相比叫日产量地月递减幅度；下年年产量与上年年产量之比叫年产量递减幅度.＝*，式中：递减幅度；：上阶段产量；：下阶段产量.个人收集整理勿做商业用途 综合递减率：反映油田老井采取增产措施地情况下地产量递减速度. 自然递减率：反映油田老井在未采取措施地情况下地产量递减速度，递减率大说明产量下降快. 、综合生产油气比 综合生产油气比：指每采出吨原油伴随产生出地天然气量.数值上等于月产气量（方）月产油量（吨）.月产气量不包括气井地产气量.个人收集整理勿做商业用途 、原油计量系统误差 原油计量系统误差：指井口产油量与核实产量之差与井口产量之比. 、注水量： 单位时间内往油层中注入水量地多少，有日注水量、月注水量、年注水量、累注量等. 、注水强度：单位有效厚度地日注水量. 、注采比 注采比：指注主入剂所占地下体积与采出物所占在下体积之比，它表示注采关系是否达到平衡.分为月注采比、累积注采比.个人收集整理勿做商业用途 注采比＝注入水体积（产出水体积采油量*原油体积系数原油密度） 、地下亏空 地下亏空：指累积注入量所占地下体积与采出物所占地下体积之比. 地下亏空＝注入水体积（产出水体积采油量*原油体积系数原油密度） 、吸水指数： 单位压差下地日注水量＝日注水量（注水井流压注水井静压） 、地层系数：油层有效厚度与有效渗透率地积. 、流动系数：是地层系数与地下原油粘度地比值. 、流度：有效渗透率与地下流体粘度地比值. 、流度比：不同流体地流度比值 、油水粘度比：地下原油粘度与水地粘度地比值. 、水驱指数：指每采出吨油在地下地存水量，指数越大表示采出吨油需要地注水量越多.＝（累注水量累产水量）累产油量.个人收集整理勿做商业用途 、存水率：保存在地下地注入水体积与累积注水量地比值. ＝（累积注水量累积产水量）累积注水量 、水淹厚度系数：水层水淹厚度占见水层有效厚度地百分数.它表示油层在纵向上水淹程度，其大小反映驱油状况地好坏，层内矛盾地大小.＝见水层水淹厚度见水层有效厚度个人收集整理勿做商业用途 、扫油面积：注水开发时，井组某单层被水淹地面积与井组控制地该层面积地比值. 、单层突井系数：多油层井内渗透率最高地油层地渗透率与全井射开厚度地权衡平均渗透率地比值，它反映层间矛盾地大小.个人收集整理勿做商业用途 、水驱油效率：被水淹层体积内采出地油量与原始含油量地比值，表示水洗油地程度. 、平面突进系数：边水或注入水舌进时最大地水线推进距离与平均水线推进距离之比.反映平面渗透性地差异.越大则平面矛盾越突出，扫油面积越小，最终采收率也越低个人收集整理勿做商业用
交通流预测模型综述 摘要： 随着社会的发展，交通事故、交通堵塞、环境污染和能源消耗等问题日趋严重。为了缓解交通压力，交通专家也提出了各种不同的方法。在交通网络越来越复杂的今天，交通流预测在智能交通系统中是个热门的研究领域，因为正确的交通流预测，可以进行实时交通信号控制，交通分配、路径诱导、自动导航，事故检测等。本文从交通流短期预测模型出发，分析常见预测模型的优缺点，得出综合模型进行预测将是交通流预测领域的发展趋势。 关键字：交通流预测，智能交通系统，综合模型 Traffic flow predictive models review Abstract: With the development of society, traffic accidents, traffic jams, environmental pollution and energy consumption problems become more and more serious. In order to alleviate traffic pressure, traffic experts also puts forward all kinds of different methods. In the traffic network is more and more complex today, traffic flow predictive in intelligent transportation system is a hot research fields, because the correct traffic flow predictive, can real-time traffic signal control, traffic distribution, route guidance, automatic navigation, accident detection, etc. This article from short-term prediction model of traffic flow, analyzes the advantages and disadvantages of common prediction model, it is concluded that predict comprehensive model will be traffic flow predictive areas of development trend. Keywords:Traffic flow predictive, Intelligent transportation system, integrated model 引言 目前，有关交通流预测方面的研究已取得大量的成果，建立了多种实时交通量预测的方法，其预测精度也达到了较高水平。本文先是通过研究分析不同交通流短期预测模型的优缺点，然后对具有优势的基于神经网络的综合模型进行模型的构建。 一、交通流预测概述 （一）交通流预测的必要性 随着人们生活水平的提高，私家车的数量、人们出行的次数等越来越多，使得交通事故、交通堵塞、环境污染和能源消耗等问题日趋严重。很多城市也陷入了“拥有最宽阔的马路，也拥有最宽阔的…停车场?”的困境，严重影响了城市的运转效率，客观上阻碍了社会、经济的快速发展。多年来，世界各国的城市交通专家提出各种不同的方法，试图通过先进的智能交通手段来缓解交通拥堵问题。而实现这些系统或方法的关键，不仅要有实时的道路检测数据，更重要的是，要获得实时、可靠、准确的预测信息。再利用动态路径诱导和交通信息系统为出行者提供实时有效的道路信息，实现动态路径诱导，达到节约出行者旅行时间，缓解道路拥堵，减少污染、节省能源等的目的。因此，准确、可靠的交通预测信息是动态路径诱导系统的基础和关键。
人力资源需求预测方法概述摘要:由于经济全球化及信息技术的飞速发展,当今企业面临的内外部环境日趋复杂。当今企业在进行人力资源需求预测时，考虑的往往不是单个因素的影响，而是多种因素的共同作用和相互影响。人力资源需求预测方法总体上分为定性和定量两大类。通过对目前流行的各种需求预测方法进行归纳总结，理论联系实践，理论应用于实践，为企业人力资源规划提供了有用的建议和相应的指导。 关键词：人力资源需求预测定性方法定量方法 一、人力资源需求预测的内容 所谓预测，是指利用预测对象本身历史和现状的信息，采用科学的方法和手段，对预测对象尚未发生的未来发展演变规律预先作出科学的判断。信息的不确定性注定了预测的困难及其不完美性。企业的人力资源预测可以分为人力资源需求预测和人力资源供给预测。人力资源需求包括总量需求和个量需求，也包括数量、质量和结构等方面的需求。 人力资源需求预测是指对企业未来一段时间内人力资源需求的总量、人力资源的年龄结构、专业结构、学历层次结构、专业技术职务结构与技能结构等进行事先估计。 二、影响人力资源需求预测的因素 企业的人力资源需求预测不仅受到企业内部经营状况和已有人力资源状况等诸多内部因素的影响，还要受到政治、经济、文化、科技、教育等诸多不可控的企业外部因素的影响。使得企业在进行人力资源规划、人力资源需要预测时更为复杂。另外在企业人力资源需要预测中还必须注意到企业人力资源发展的规律和特点，人力资源发展中企业发展中的地位、作用，以及两者之间的关系，分析影响人力资源发展的相关因素，揭示人力资源发展的总体趋势。此外，在人力资源需求预测时，还要掌握预测中的定性、定量、时间和概率四个基本要素，以及他们之间的相互关系。 人力资源需求预测的定性要素是指在预测之前，必须对企业人力资源发展的性质进行叙述性的、非定量的描述，对企业人力资源发展的大致方向和
国内物流需求预测方法文献综述 （河北工程大学管理科学与工程阮俊虎）物流需求是指一定时期内社会经济活动对生产、流通、消费领域的原材料、半成品和成品、商品以及废旧物品、废旧材料等的配置作用而产生的对物在空间、时间和费用方面的要求，涉及运输、库存、包装、装卸搬运、流通加工以及与之相关的信息需求等物流活动的诸方面[1]。物流需求的度量可以采用价值量和实物量两种度量体系。实物量意义上的物流需求主要表现为不同环节和功能的具体作业量，如货运量、库存量、加工量、配送量等；价值量意义上的物流需求是所有物流环节全部服务价值构成的综合反映，如物流成本、物流收入、供应链增值等[2]。 物流需求预测是根据物流市场过去和现在的需求状况，以及影响物流市场需求变化的因素之间的关系，利用一定的判断、技术方法和模型，对物流需求的变化及发展趋势进行预测。国内外许多专家和学者都对物流需求的预测进行了研究，提出不同的预测方法和手段。物流预测方法可以分为定性预测方法（如德尔菲法和业务人员评估法等）和定量预测方法，但多数是定量预测方法，因此，本文主要是对国内物流需求定量预测方法进行综述，归为时间序列预测方法、因果关系预测方法、组合预测方法等三类。 1．时间序列预测方法综述时间序列预测方法是依据从历史数据组成的时间序列中找出预测对象的发展变化规律，以此作为预测依据。常用的时间序列预测模型有增长率法、移动平均法、指数平滑法、随机时间序列模型、灰色模型、以及在经济领域已经被广泛应用的混沌与分形等。 增长率法指根据预测对象在过去的统计期内的平均增长率，类推未来某期预测值的一种简便算法。该预测方法一般用于增长率变化不大，或预计过去的增长趋势在预测期内仍将继续的场合。刘劲等[3]（2002）在利用增长率系数法对百色地区港口货运量进行了逐一分析。 移动平均法是用一组最近的实际数据值来预测未来一期或几期内产品的需求量的一种常用方法。当产品需求既不快速增长也不快速下降，且不存在季节性因素时，移动平均法能有效地消除预测中的随机波动。根据预测时使用的各元素的权重不同，移动平均法可以分为：简单移动平均和加权移动平均。杨荣英等[4]（2001）在讨论移动平均值的基础上，提出了移动平均线方法，并介绍了运用移动平均线进行物流预测的方法。李海建等[5]（2003）利用二次移动平均线模型对芜湖市物流业发展的规模进行了预测。 指数平滑法是在移动平均法基础上发展起来的一种时间序列分析预测法，它是通过计算指数平滑值，配合一定的时间序列预测模型对现象的未来进行预测。其原理是任一期的指数平滑值都是本期实际观察值与前一期指数平滑值的加权平均。移动平均法则不考虑较远期的数据，并在加权移动平均法中给予近期资料更大的权重；而指数平滑法则兼容了全期平均和移动平均所长，不舍弃过去的数据，但是仅给予逐渐减弱的影响程度，即随着数据的远离，赋予逐渐收敛为零的权数。韦司滢等[6]（ 1999）将指数平滑法等其他多种方法应用在三峡移民工程建材配送决策支持系统中。黄荣富等[7（] 2003）、张云康等［8］（2008）在进行指数平滑法预测的基础上进行了物流需求多种方法组合预测。 随机时间序列模型就是指在所研究对象的一组实测时间序列的基础上，通过