Коэффициент мобильности: Коэффициенты финансовой устойчивости — Контур.Эксперт — СКБ Контур

Коэффициент мобильности активов: определение, нормативное значение, формула

← Вернуться в Финансовый словарь

Определение:

Коэффициент, отражающий мобильность активов, рассчитывают, сравнивая оборотные и необоротные активы. Мобильность при этом понимают, как возможность активов переходить из одного типа в другой. При высокой мобильности предприятие в кратчайшие сроки может изменить структуру своих активов. Мобильность напрямую связана с показателем ликвидности, то есть со способностью быстро конвертироваться в деньги, не теряя своей стоимости. Только вот ликвидность демонстрирует возможность предприятия платить по своим обязательствам, а коэффициент мобильности свидетельствует о возможностях компании быстро подстраиваться под требования рынка и проводить гибкую политику.

К примеру, у производителя автомобилей, большую долю активов занимают именно основные средства, а потому он не сможет быстро перейти на изготовление чего-то другого, например, станков. Для достижения этой цели сначала будет необходимо реализовать оборудование, находящее в эксплуатации, и закупить новое. Быстро этого можно достичь только при продаже его ниже рыночной стоимости. А вот торговое предприятие, для которого большая часть активов – это товарные, при необходимости перейти в иную сферу, имеет возможность их быстрой реализации по цене себестоимости. Поэтому, маневренность активов торгового предприятия выше, производства. Возможность быстро отвечать вызовам рынка свидетельствует об эффективности управления и устойчивости предприятия.

Нормативное значение коэффициента мобильности активов:

Нормы для данного коэффициента не существует. У промышленных производителей он останется низким, а в торговле коэффициент будет в разы больше. Так что для исследования позиции предприятия на рынке, необходимо сравнивать его показатель с основными конкурентами.

Как решить проблему при показателе коэффициента вне нормы?

Увеличить коэффициент мобильности активов даст возможность оптимизация их структуры. Продажа неиспользуемых основных средств, отказ от неэффективных инвестиций даст возможность увеличить значение показателя. Тем не менее, при осуществлении этих шагов стоит изучить их целесообразность. Коэффициент мобильности активов нельзя считать целевым.

Формула расчета коэффициента мобильности активов:

Коэффициент мобильности активов = Оборотные активы / Внеоборотные активы

КУБ – самый простой и удобный способ вести финансовую аналитику

С КУБом вы узнаете:

• Куда уходят ваши деньги.
• Как снизить расходы без потерь.
• Сколько вы заработали в прошлом месяце.
• Что приносит вам прибыль, а что убытки.
• Насколько эффективны ваши сотрудники.
• Какие из ваших клиентов самые надежные.

Нужна помощь по заполнению документов или консультация?

Получите помощь экспертов бухгалтеров по подготовке документов

НАПИШИТЕ ЭКСПЕРТУ

Загрузка…

Оценка финансовой устойчивости предприятия на основе коэффициентного метода

Статья посвящена изучению оценки финансовой устойчивости предприятия. Рассматривается оценка финансовой устойчивости на основе коэффициентного метода. Проводится анализ при помощи ряда коэффициентных показателей.

Одна из важнейших характеристик финансового состояния предприятия — стабильность его деятельности в свете долгосрочной перспективы. Она связана с общей финансовой структурой предприятия, степенью его зависимости от кредиторов и инвесторов.

Особую актуальность проблема обеспечения устойчивости предприятий приобретает при резких изменениях условий хозяйствования, колебаниях конъюнктуры и т.п. Решение управленческих задач по поддержанию устойчивости развития предприятий требует создания специального инструментария оценки ее состояния, включая определение комплекса показателей, критериев и параметров, характеризующих устойчивость их развития. Одно из основных методологических требований к разработке данного инструментария заключается в том, чтобы используемые оценочные показатели, параметры, критерии были взаимоувязаны и максимально приближены к показателям статистического наблюдения [3].

Основным методом оценки финансовой устойчивости является коэффициентный метод.

Коэффициентный метод финансовой устойчивости представляет собой систему показателей, характеризующих структуру используемого капитала предприятия с позиции степени финансового риска, а так же стабильности развития в будущем [5].

Представленный метод предполагает расчет следующих коэффициентов:

Коэффициент автономии показывает долю активов организации, которые покрываются за счёт собственного капитала, т.е. обеспечиваются собственными источниками. Оставшаяся доля активов покрывается за счёт заёмных средств. Рекомендуемые значения ≥ 0,5.

Кавт = СК / ВБ (1)

где СК – собственный капитал;

ВБ – валюта баланса.

Коэффициент соотношения заёмного и собственного капитала (леверидж). Значение этого коэффициента не должно превышать 1. Он характеризует степень риска инвестирования финансовых ресурсов в данную организацию. Если значение данного коэффициента более 1, то это показывает неблагоприятную ситуацию для инвесторов. Организация может быть заинтересована в большем привлечении заёмных средств в том случае, когда прибыль от оборота заёмных средств превышает плату за ресурсы [2].

Кфл = ЗК / СК (2)

где ЗК – заемный капитал.

Коэффициент обеспеченности собственными оборотными средствами.

Рассчитывается по формуле:

К обесп. СОС = (СК + ДО — ВА) / ОА ₍₃₎

_{где ДО — долгосрочные обязательства;}

_{ВА – внеоборотные активы;}

_{ОА – оборотные активы.}

Индекс постоянного актива характеризует долю основных средств и внеоборотных активов в источниках собственных средств

Рассчитывается по формуле:

И пост.сост. = ВА / СК ₍₄₎

Коэффициент покрытия инвестиций (долгосрочной финансовой независимости) – показывает, какая часть активов финансируется за счет устойчивых источников — собственных средств и долгосрочных кредитов. Рассчитывается по формуле:

К покр.инв. = (СК + ДО) / ВБ ₍₅₎

Коэффициент манёвренности. Он показывает, какая часть собственных средств организации используется для финансирования текущей деятельности, т.е. вложена в оборотные средства, находится в мобильной форме и этими средствами можно относительно свободно маневрировать. Высокое значение данного коэффициента положительно характеризует финансовое положение организации [4].

Рассчитывается по формуле:

К м = (СК + ДО — ВА) / СК ₍₆₎

Коэффициент мобильности имущества – характеризует отраслевую специфику организации. Показывает долю оборотных активов в общей величине активов предприятия. Рассчитывается по формуле:

К м.и. = ОА / ВБ ₍₇₎

Коэффициент мобильности оборотных средств рассчитывается по формуле:

Км.СОС = (ДС + КФВ) / ОА ₍₈₎

где ДС – денежные средства;

КФВ – краткосрочные финансовые вложения.

Коэффициент обеспеченности запасов – показывает, в какой степени материальные запасы покрыты собственными средствами или нуждаются в привлечении заемных. Рассчитывается по формуле:

К обесп. Зап. = (СК + ДО — ВА) / З ₍₉₎

где З – запасы.

Коэффициент краткосрочной задолженности – показывает долю краткосрочных обязательств предприятия в общей сумме внешних обязательств (какая доля в общей сумме задолженности требует краткосрочного погашения). Рассчитывается по формуле:

К к.з. = КО / ЗК ₍₁₀₎

где КО – краткосрочные обязательства [1].

Практическое применение коэффициентного метода рассмотрим на примере СПК «Ленинский», расположенного в Мечетлинском районе РБ.

Основным видом деятельности данного предприятия является производство и реализация продукция сельского хозяйства.

Таблица 1 Показатели финансовой устойчивости организации

Показатель	Значение показателя			Изменение показателя	Нормативное значение
	2011 г.	2012 г.	2013 г.
Коэффициент автономии	0,70	0,69	0,67	-0,03	Нормальное значение: 0,5 (оптимальное 0,6-0,7).
Коэффициент финансового левериджа	0,43	0,46	0,50	0,06	Нормальное значение: 1 и менее (оптимальное 0,43-0,67).
Коэффициент обеспеченности собственными оборотными средствами	0,44	0,41	0,38	-0,06	Нормальное значение: 0,1 и более.
Индекс постоянного актива	0,66	0,68	0,69	0,04	Отношение стоимости внеоборотных активов к величине собственного капитала организации.
Коэффициент покрытия инвестиций	0,85	0,88	0,85	0,00	Нормальное значение для данной отрасли: не менее 0,75.
Коэффициент маневренности собственного капитала	0,34	0,32	0,31	-0,04	Нормальное значение: не менее 0,05.
Коэффициент мобильности имущества	0,54	0,53	0,54	0,00	Нормальное значение: 0,1
Коэффициент мобильности оборотных средств	0,00	0,00	0,00	0,00	Нормальное значение: 0,2-0,5
Коэффициент обеспеченности запасов	0,47	0,43	0,42	-0,05	Нормальное значение: не менее 0,5.
Коэффициент краткосрочной задолженности	0,51	0,40	0,45	-0,06	Нормальное значение: более 0,5

Коэффициент автономии организации на последний день анализируемого периода (31.12.2013) составил 0,67. Полученное значение говорит об оптимальной величине собственного капитала (67% в общем капитале организации). Коэффициент автономии за рассматриваемый период (31.12.11–31.12.13) слабо снизился (-0,03).

Финансовый леверидж вырос за три года на 0,06 ед. и составил 0,5, что указывает на ухудшение финансового положения.

На 31 декабря 2013 г. коэффициент обеспеченности собственными оборотными средствами составил 0,38, что на 0,06 меньше, чем по состоянию на 31.12.2011. На 31 декабря 2013 г. значение коэффициента можно характеризовать как очень хорошее. Значения коэффициента обеспеченности собственными оборотными средствами в течение всего рассматриваемого периода соответствовали нормативным.

Индекс постоянного актива вырос за три года и показывает, что к 2013 г. доля внеоборотных активов в собственном капитале выросла и составила 69%.

За два последних года наблюдалось незначительное повышение коэффициента покрытия инвестиций до 0,85. Значение коэффициента на 31.12.2013 соответствует нормативному значению (доля собственного капитала и долгосрочных обязательств в общей сумме капитала организации составляет 69%).

Показатель маневренности собственного капитала сократился на 0,04 ед. и составил 0,31 ед., что является отрицательной динамикой и указывает на низкий уровень финансирования производственной деятельности за счет собственных источников.

Доля активов, непосредственно участвующих в производстве не изменилась и составила 54%, о чем говорит показатель мобильности имущества.

Доля денежных средств в составе оборотных активов очень мала, о чем говорит показатель мобильности оборотных средств.

На 31.12.2013 коэффициент обеспеченности материальных запасов составил 0,42. За два года коэффициент обеспеченности материальных запасов заметно уменьшился (-0,05). Коэффициент сохранял значение, не соответствующие нормативному, в течение всего рассматриваемого периода. По состоянию на 31.12.2013 значение коэффициента обеспеченности материальных запасов соответствует норме.

Коэффициент краткосрочной задолженности сократился на 0,06 ед. и указывает на их невысокую величину. Следовательно, основная масса заемного капитала приходится на долгосрочные обязательства.

В целом предприятие следует признать финансово неустойчивым, так как основная масса показателей находится за пределами нормы.

Для улучшения финансовой устойчивости предприятия необходимо увеличение прибыли собственного капитала за счет сокращения затрат.

Коэффициенты финансового левериджа (коэффициенты платежеспособности)

Финансовый Леверидж – иначе платежеспособность – способность предприятия в срок и в полном объеме исполнять свои финансовые обязательства. Предприятие считается платежеспособным при превышающей величине общих активов над внешними обязательствами.  Прибегая к помощи коэффициентов финансового левериджа, оценивают степень платежеспособности компании, а также уровень риска. Для оценки платежеспособности используют следующие показатели (расчет коэффициентов левериджа производится по нижеследующим формулам).

Коэффициент автономии

Отражает отношение собственного капитала к валюте баланса.

Формула коэффициента автономии

СК/ВБ

Данный коэффициент показывает долю собственных средств в пассивах компании. Принято считать, что доля собственных средств должна превышать долю заемных.

Высокое значение коэффициента автономии говорит о пониженных финансовых рисках и о возможности привлечения дополнительного капитала. Слишком высокое значение говорит о нерациональной структуре капитала (невозможности привлечения средств из внешних источников). Рекомендуемое значение – 0,5 (50%).

---

Коэффициент мобильности средств

Отражает долю собственных средств в обороте.

Формула коэффициента мобильности средств

СК-ДА/СК

Коэффициент выражает долю собственных средств в мобильной форме. Высокое значение коэффициента говорит о высокой мобильности – наличии возможности оперативно вмешаться в бизнес процессы (изменить ассортимент, увеличить или снизить остатки на складах). Считается оптимальной величина на уровне 0,5 (50%).

---

Коэффициент обеспеченности собственными оборотными средствами

Отражает обеспеченность собственными ОА.

Формула коэффициента обеспеченности собственными оборотными средствами

СК-ДА/ОА

Выражает степень достаточности собственных оборотных средств. Предпочтительная величина не менее 0,1 (10%).

Версия для печати

Теория социальной мобильности

Понятие социальной мобильности

Теорию социальной мобильности разработал П.А. Сорокин.

Согласно ученому, теория социальной мобильности представляет общество как особое социальное пространство, в котором индивид является элементарной структурной частицей. Положение человека в обществе предопределено:

• отношением его к социальным группам, с которыми установлены взаимодействия;
• отношением внутри популяции групп друг к другу;
• отношением данной популяции к другим человеческим популяциям.

Индивиды могут внутри социального пространства перемещаться. В зависимости от возможности перемещений внутри социального пространства выделяют следующие типы социальных структур:

• закрытые – перемещения затруднены или невозможны из-за кастового или сословного характера социальной структуры общества;
• открытые – свободное перемещение индивидов в открытых социальных структурах, связанное с изменение их социального статуса, или социальная мобильность.

Замечание 1

Социальная мобильность – это перемещение индивида или группы вверх, вниз или по горизонтали. Она характеризуется разновидностью, направлением и дистанцией перемещений людей.

В соответствии с теорией социальной мобильности в обществе с высоким уровнем развития наблюдается постоянное перемещение отдельных индивидов и групп из одного страта в другой. При этом перемещения могут быть:

• восходящие;
• нисходящие;
• горизонтальные.

Социальная мобильность показывает уровень цивилизованности общества, его открытость или закрытость, степень свободы и демократии, что, в свою очередь, определяет степень развития его культуры.

Показатели социальной мобильности

Социальную мобильность можно измерить, используя две системы показателей, в которых единицами счета выступают индивид и статус.

Показатели мобильности индивида:

1. Объем мобильности. Это число индивидов, переместившихся по социальной лестнице за определенный промежуток времени в вертикальном направлении. Абсолютный объем исчисляется числом переместившихся индивидов, относительный объем мобильности исчисляется отношением количества индивидов ко всему населению (указывается в процентах).
2. Масштаб мобильности, или совокупный объем показывает количество перемещений по всем стратам.
3. Дифференцированный объем определяет количество перемещений по отдельным, классам, слоям, стратам.
4. Коэффициент мобильности выхода из социального слоя.
5. Коэффициент мобильности входа в социальный слой, показывает социальное происхождение людей.
6. Степень мобильности определяется диапазоном мобильности и условиями, обеспечивающими перемещения людей в обществе.
7. Диапазон мобильности характеризует конкретное общество, находится в зависимости от того, сколько разных статусов в нем существует.

Показателем социальной мобильности является исторический тип стратификации. На изменение социального статуса, ограничение социальной мобильности серьезные ограничения накладывают сословные или кастовые общества.

Система показателей мобильности с единицей счета – статус:

1. Объем мобильности – количество людей, которые изменили свой прежний статус на другой в направлении вверх, вниз и по горизонтали (направление мобильности).
2. Мера мобильности определяется объемом и шагом социальных перемещений.
3. Дистанция мобильности – число статусов (ступенек) на которые поднялся или с которых спустился индивид. Большинство перемещений происходит на 1-2 ступени в направлении вверх или вниз. Это считается нормальной дистанцией. Ненормальная дистанция – это внезапный взлет на социальную лестницу или падение с нее.
4. Шаг перемещений – единица дистанции мобильности. Шаг может измеряться в поколениях, статусах.

Коэффициент мобильности имущества: формула. Анализ финансового состояния

Ни для кого не секрет, что стабильность финансовых показателей любого предприятия зависит в первую очередь от грамотности и целесообразности инвестирования финансовых ресурсов в активы. Именно поэтому для качественной оценки нужно изучить структуру имущества, а также источники его формирования и причины их изменения. Кстати, более детально, как правило, рассматриваются причины, негативно влияющие на финансовое состояние структуры.

Произведение оценки

Первоначально по данным баланса целесообразно определить суммарную стоимость имущества структуры на конкретную отчетную дату. На этом же этапе необходимо выявить отклонения по каждому виду имущества посредством сравнения информации на конец и начало отчетного периода. Следует отметить, что для подробного изучения изменений в структуре нужно дополнительно рассчитать удельный вес каждого из видов имущества в общей валюте, представленной в балансе, а также изучить причины структурных изменений в имуществе.

Следующий шаг

Далее логично рассмотреть соотношение динамики оборотных и необоротных активов, а также рассчитать коэффициент мобильности имущества. На основании данных подсчетов целесообразным будет сформировать такие выводы:

• В случае увеличения оборотных средств и уменьшения необоротных активов в структуре можно наблюдать тенденцию ускорения оборотности имущественного комплекса. При таком раскладе результатом, как правило, является высвобождение конкретной части средств и краткосрочных инвестиций (конечно же, если процент по представленным статьям увеличился).
• Для того чтобы грамотно охарактеризовать имущество, необходимо рассчитать коэффициент мобильности имущества. Он представляется как отношение стоимости основных оборотных активов к стоимости имущества. На практике это выглядит так: Кми = ОА / ВБ (коэффициент мобильности имущества). Формула, как можно заметить, достаточно простая.

Что же еще?

Конечным шагом первого этапа является расчет Кмоа. Коэффициент мобильности оборотных средств представляется как отношение максимально мобильной их составляющей (не только средств, но и финансовых инвестиций) к суммарной стоимости ОА. Важно отметить, что увеличение представленных выше коэффициентов является отличным подтверждением ускорения оборотности имущественного комплекса структуры.

Коэффициент мобильности оборотных средств находится следующим образом: Кмоа = (ДС + КФИ) / ОА.

Нужно заметить, что низкий уровень мобильности ОА – не всегда негативный фактор. В случае высокого показателя рентабельности продукта структуры, как правило, адресуют свободные ресурсы на то, чтобы расширить и укрепить производство.

Анализ производственного потенциала

Ни для кого не секрет, что финансовое состояние любой структуры обусловлено его производственной деятельностью. Именно поэтому при его анализе необходимо грамотно оценить производственный потенциал, куда следует отнести:

• Основные средства.
• Незавершенное производство.
• Имущество производственного назначения.
• Расходы будущих периодов.

Важен тот факт, что представленные статьи содержат в своей структуре лишь реальные активы. Именно они характеризуют мощность структуры в производственном плане (обеспеченность запасов и т. д.).

Характеристика производственного потенциала

Для того чтобы грамотно представить производственный потенциал, применяют следующие показатели:

• Движение, а также удельный вес активов производственного назначения в общей стоимости имущества.
• Движение, а также удельный вес ОС в общей стоимости имущества предприятия.
• Коэффициент износа ОС.
• Норма амортизации в усредненном значении.
• Наличие, динамика, а также удельный вес капитальных инвестиций, их соотношение с финансовыми.

Выводы

Увеличение доли активов производственного назначения на конец года и больший удельных вес соответствующих активов в общей сумме средств структуры говорит обычно о существенном повышении производственных возможностей. Важно заметить, что данный показатель не должен быть ниже 50 процентов (для сравнения за основу, как правило, берут отраслевые показатели в стандартном отношении). Удельный вес стоимости основных фондов в суммарной стоимости средств структуры рассчитывается как отношение остаточной стоимости ОС к валюте баланса. Подобный расчет производится обычно на начало и на конец отчетного периода. Абсолютные показатели, которые отражаются в процессе анализа, сравниваются со стандартными (уместными для всех структур той или иной отрасли).

После расчета коэффициента износа (другими словами, амортизации) формируется качественная характеристика его изменений. Для того чтобы грамотно оценить интенсивность амортизации ОС, применяется показатель средней нормы амортизации (отношение суммы амортизационных отчислений к изначальной стоимости ОС).

Анализ состава и динамики мобильных средств

На основании анализа структуры мобильных средств (см. коэффициент мобильности имущества выше) целесообразно рассмотреть изменения, состоявшиеся в составе ОС в общем плане, после чего – в разрезе конкретных статей. Целесообразным будет рассмотреть основные причины изменения оборотных средств:

• Прибыль (после того как уплачены все налоги).
• Амортизационные отчисления.
• Прирост собственных средств предприятия.
• Повышение задолженности по кредитам или ссудам.
• Повышение обязательств в отношении кредиторской задолженности.

Уменьшение оборотных средств

Основными причинами уменьшения оборотных средств являются следующие пункты:

• Некие расходы, покрываемые за счет прибыли, оставшейся в распоряжении той или иной структуры.
• Вложения капитального характера.
• Финансовые инвестиции долгосрочного характера.
• Значительное уменьшение кредиторской задолженности.

Необходимо отметить, что после того, как были выявлены абсолютные показатели и произведена общая оценка, нужно рассчитать значения эффективного использования имущества.

Коэффициент долгосрочной финансовой независимости

Как отмечалось выше, для оценки потенциала роста применяется ряд показателей. Коэффициент мобильности имущества, рассмотренный выше, характеризует отраслевую специфику структуры. Но в экономике существует еще ряд коэффициентов, применяемый в анализе производства. Так, отношение суммы собственного капитала и обязательств долгосрочного характера к валюте баланса отражает долю собственных средств в общей сумме финансовых источников. Важно отметить, что рекомендуемым значением в данном случае является 0,8-0,9. Коэффициент устойчивости – научное название этого отношения. В соответствии с бухгалтерской отчетностью Российской Федерации показатель рассчитывается следующим образом:

(СК + ДО) / ВБ = (стр. 1300, форма 1 + Стр. 1400, форма 1) / стр. 1700, форма 1.

Анализ показателя

Коэффициент устойчивости обычно анализируется в динамике. Таким образом, повышающая тенденция может охарактеризовать рост деловой активности структуры, расширение ее производственных мощностей, а также эффективности процесса управления. Логично, что снижение данного коэффициента отражает уменьшение оборачиваемости, соответственно, снижение темпов развития структуры. Важно отметить, что максимального уровня экономического роста предприятие может достичь лишь в том случае, если полученная прибыль реинвестируется (то есть вкладывается).

Коэффициент прогноза банкротства

В случае преждевременного выявления ухудшения финансового состояния структуры и предупреждения возникновения неплатежеспособности, конечно же, можно предотвратить крах бизнеса. Именно для такого случая и применяется коэффициент прогноза банкротства. Данный метод используется обычно аналитиками для оценки платежеспособности и общего благосостояния той или иной компании.

Что же следует понимать под словом банкротство? В соответствии с понятием, выдвинутым арбитражным судом, термин определяется как один из видов финансового состояния заемщика, когда тот не располагает возможностью удовлетворять требованиям кредиторов или же не может рассчитаться по платежам обязательного характера.

Процесс банкротства выполняет две ключевые задачи: устранение задолженности перед кредиторами и полное восстановление, а также последующее укрепление деятельности компании. Как правило, экономисты руководствуются тремя подходами, которые способны помочь выявить возможное снижение платежеспособности юридического лица. Среди них расчет коэффициента кредитоспособности, прогнозирование коэффициентов платежеспособности, а также применение системы критериев неформатного характера. Данные способы позволяют выявить возможные отклонения еще на ранних стадиях, а значит, ускорить нейтрализацию существующей угрозы. Они составляют специфическую систему управления компанией в целях предотвращения кризиса, включающую:

• Мониторинг экономического состояния, производимый непрерывным образом.
• Анализ некоторых отклонений от стандартного хода деятельности компании, а также оценка масштабов ухудшения.
• Определение факторов, которые негативно влияют на ситуацию.
• Выявление вариантов восстановления финансовой работы предприятия.

Необходимо отметить, что одним из первичных признаков экономической несостоятельности юридического лица является нежелание исполнения кредиторских требований на срок в три месяца с момента теоретического выполнения обязательств.

Заключение

На финансовое состояние юридического лица могут оказывать влияние факторы как объективного, так и субъективного характера. Их важно учитывать для того, чтобы преждевременно произвести оценку опасности возникновения неплатежеспособности. Так, к субъективным факторам необходимо отнести анти-увеличенный оборот в процессе торговли, снижение соотношения «цена-качество», низкий уровень рентабельности, увеличение расходной статьи, а также нарастание обязательств. Объективными же факторами считаются неполные или недостоверные отчеты, их задержка, увеличение соотношения задолженности по дебету к активам, некоторые неровности в балансе актива и пассива, а также нарастание неликвидности (пусть даже и постепенно).

НОУ ИНТУИТ | Лекция | Анализ технического развития и организации производства. Анализ финансового состояния. Анализ структуры долгосрочных инвестиций и источников их финансирования

Анализ технического развития и организации производства

intuit.ru/2010/edi»>Организационно-технический уровень во многом определяет эффективность производственной деятельности предприятия, выражающейся в совершенствовании орудий труда и технологии, средств и методов организации и управления производством, повышении качества выпускаемой продукции.

Повышение уровня технического развития и организации производства направлено на обеспечение роста производительности труда, экономное расходование материальных и топливно-энергетических ресурсов и в конечном счете увеличение выпуска продукции и снижение ее себестоимости, рост прибыли.

Основные направления совершенствования организационно-технического уровня производства включают:

• разработку новых и совершенствование изготавливаемых на предприятии видов продукции, повышение их качества и экономичности. Это направление находит отражение при изучении качества продукции;
• улучшение применяемой и внедрение более прогрессивной техники и технологии, внедрение передовых методов организации труда и производства, а также управления.

В задачи анализа организационно-технического уровня производства входит оценка:

• достигнутого уровня материально-технической базы производства;
• прогрессивности и качества выпускаемой продукции;
• эффективности принятых направлений совершенствования техники и технологии производства, форм и методов воспроизводства основных фондов;
• соответствия существующих форм и методов организации и управления производством современной материально-технической базе производства;
• влияния организационно-технического уровня производства на технико-экономические показатели деятельности предприятия.

Основными источниками анализа организационно-технического уровня производства являются бизнес-план и оперативно-техническая отчетность, в которых содержится информация о выполнении плана развития и внедрения новой техники и технологии, о затратах на проведение научно-технических исследований и их эффективности, о мероприятиях по совершенствованию организации производства и управления.

Для характеристики организационно-технического уровня производства в планировании, учете и анализе используется система показателей.

Показатели технического уровня производства можно объединить в четыре группы: уровня техники, уровня технологии, фондовооруженности труда, уровня механизации и автоматизации производства и труда.

Уровень применяемой на предприятии техники характеризуется показателями ее обновления и износа, возрастным составом оборудования. Коэффициент обновления основных фондов определяется отношением стоимости вновь введенных в эксплуатацию основных фондов за отчетный период к их первоначальной (восстановительной) стоимости на конец периода. Он показывает, насколько интенсивно идет процесс «омоложения» техники.

Степень износа характеризует техническое состояние основных фондов. Коэффициент физического износа определяется отношением суммы начисленной амортизации за весь период использования основных фондов к их первоначальной либо восстановительной стоимости.

Уровень технического состояния основных фондов, позволяющий в значительной мере судить о возможности их использования и необходимости замены, характеризуется возрастным составом рабочих машин и оборудования.

Для анализа возрастного состава оборудования его группируют по видам и срокам службы, определяют удельный вес каждой возрастной группы в общем количестве единиц действующего оборудования. Фактически сроки службы нужно сопоставить с нормативными по важнейшим видам оборудования, что позволит сделать вывод об уровне морального износа оборудования и основных направлениях его снижения.

Важным показателем технического уровня производства является удельный вес прогрессивного оборудования в общем его количестве и стоимости. Повышение доли нового высокопроизводительного оборудования способствует росту производительности труда, увеличению объема продукции и снижению ее себестоимости.

Технический уровень предприятия характеризуется степенью механизации и автоматизации производства и труда. Анализ ведется в трех направлениях: по охвату рабочих механизированным трудом, по уровню механизации труда и уровню механизации и автоматизации производства.

Степень охвата рабочих механизированным трудом характеризует удельный вес рабочих, занятых механизированным трудом, в общей их численности.

Коэффициент механизации труда определяется отношением рабочего времени, затраченного на механизированные работы, ко всему отработанному времени на данный объем продукции или работ.

Коэффициент механизации работ определяется отношением объема продукции или работ, произведенных механизированным способом, к общему их объему.

Для анализа процесса автоматизации производства используются показатели динамики удельного веса автоматических машин и оборудования в общей стоимости рабочих машин и оборудования, а также коэффициенты автоматизации работ и труда, исчисленные аналогично коэффициентам механизации.

Все указанные показатели могут быть исчислены не только в целом по предприятию, но и отдельно по основному и вспомогательному производству, по цехам и производственным процессам. Сравнение показателей (коэффициентов) в динамике за несколько лет показывает, как осуществляется механизация и автоматизация процесса производства, а сравнение плановых и отчетных коэффициентов необходимо для оценки выполнения плана технического развития.

При анализе технического уровня производства следует определить влияние его изменения на производительность труда, фондоотдачу, оборачиваемость оборотных средств. С этой целью изучается динамика фондовооруженности работников предприятия.

Между фондовооруженностью работников, фондоотдачей основных фондов и производительностью труда существует тесная взаимосвязь, которую можно выразить следующей формулой:

(2.1)

где		—	среднегодовая выработка продукции на одного работника;
	R	—	среднесписочная численность работников;
	F	—	среднегодовая стоимость основных фондов (средств).

Таким образом, основными условиями роста производительности труда и увеличения объема продукции являются повышение фондоотдачи основных фондов и фондовооруженности работников. Пользуясь приведенной формулой, можно сопоставить динамику по всем входящим в нее показателям и исчислить влияние фондоотдачи и фондовооруженности работников на производительность труда.

Анализ уровня технологии производства может осуществляться по предприятию в целом, по отдельным производствам и технологическим процессам, по отдельным изделиям или группам изделий, агрегатов, узлов, деталей.

Анализ целесообразно проводить в такой последовательности:

• оценка основных показателей уровня технологии с целью определения степени ее прогрессивности и экономичности;
• разработка основных направлений совершенствования технологии производства на ближайший и отдаленный периоды.

Важными показателями уровня технологии являются удельный вес продукции, изготовленной по прогрессивной технологии, в общем объеме продукции и удельный вес работ, выполненных по прогрессивной технологии.

Показателем технологического уровня является также удельный вес машинного времени в технологической трудоемкости. Анализ должен выявлять наряду с резервами сокращения машинного времени и резервы экономии подготовительно-заключительного и вспомогательного времени на основе совершенствования организации производства, внедрения передовых приемов и методов труда.

Эффективность совершенствования технологии проявляется в первую очередь в снижении трудоемкости, материалоемкости и себестоимости продукции. Данные для анализа снижения технологической трудоемкости и материалоемкости продукции приводятся в технологических картах, плановых и отчетных калькуляциях. Сравнивая фактические затраты времени и материалов за отчетный период с установленными нормами расхода и базисным уровнем, можно установить степень прогрессивности действующих норм и принять меры к внедрению более прогрессивной технологии.

Для оценки организационного уровня производства используется система показателей. Важнейшим из них является коэффициент непрерывности производства, определяемый отношением средней продолжительности технологического цикла (технологическая трудоемкость отдельных изделий, взвешенная на долю выпуска каждого изделия с учетом процента выполнения норм) к общей длительности производственного цикла.

Степень непрерывности производства в значительной мере зависит от внедрения поточных методов, характеризуемых коэффициентом поточности. Он исчисляется отношением к трудоемкости деталей, обрабатываемых на поточных линиях, общей трудоемкости по соответствующей производственной единице.

Коэффициент поточности по предприятию в целом определяется путем взвешивания коэффициентов по его подразделениям на удельный вес каждого из них в совокупной трудоемкости.

Показатели непрерывности производства можно сравнивать в динамике в разрезе предприятия, производств, цехов, участков, используя данные бизнес-плана и оперативно-технического учета.

К числу показателей организационного уровня производства относится коэффициент специализации, т. е. удельный вес продукции, соответствующей производственному профилю предприятия, в общем объеме выпуска. Рост уровня специализации производства способствует повышению производительности труда и снижению себестоимости продукции.

Организационный уровень производства характеризуют также ритмичность выпуска продукции, уровень потерь от брака, доплаты рабочим за отступления от установленной технологии, сверхплановые потери рабочего времени и др.

Анализ уровня управления характеризует деятельность управляющей системы, ее соответствие объекту управления, способность выбора обоснованных управленческих решений. Эти качества управляющей системы выступают важным фактором интенсификации производства, эффективности его текущего и перспективного развития.

Показателями, характеризующими состояние органов управления, являются коэффициент обеспеченности предприятия управленческими кадрами в целом и по отдельным функциональным группам, удельный вес работников управления в общей численности работающих, их средняя численность и доля в цехах и на участках.

Уровень управления характеризует также широта использования в управленческой деятельности электронно-вычислительной техники и новых методов управления, основанных на расширении границ самостоятельности производственных подразделений, усиление экономических рычагов.

Анализ начинают с оценки количественных и качественных характеристик техники, применяемой в управлении, уровня ее совершенства. Показателями для такой оценки служат стоимость электронно-вычислительной техники и ее доля в стоимости основных производственных фондов, мощность информационно-вычислительного центра, объем информации, обрабатываемой с использованием вычислительной техники.

Уровень технической оснащенности определяет степень механизации и автоматизации управленческого труда. Ее характеризуют уровень комплексной механизации и автоматизации процесса обработки информации и подготовки управленческих решений. Механизация и автоматизация управленческой деятельности создает основу для рассмотрения альтернативных путей развития предприятия и принятия наиболее оптимальных управленческих решений.

Международные студенты | Статистика студентов по странам

Статистика согласно UNESCO (United Nations Educational, Scientific, Cultural Organization), OECD (Organisation for Economic Co-operation and Development) и GeoNames

Основные тенденции развития образования в современном мире

В связи с ростом спроса на образование за рубежом, «мобильные студенты» начинают исследовать новые направления для получения высшего образования за границей.
Количество студентов, обучающихся за рубежом по-прежнему растет, так как высшие учебные заведения по всему миру борются за лучшие и самые яркие умы. Но также отслеживается растущая конкуренция среди студентов из развивающихся стран, в которых предлагаются более доступные и культурно-соответствующие программы обучения.
Рост в сегменте международных мобильных студентов отражает растущее число заявок на обучение и зачислений в университеты по всему миру. В 2012 году, по крайней мере, 4 миллиона студентов отправились на учебу за границу, по сравнению с 2 млн в 2000 году, что составляет 1,8% всех учащихся в высших учебных заведениях или в соотношении 2/100 — по всему миру.
Центральная Азия, где проживает самое мобильное молодое население, показывает устойчивый рост числа студентов, обучающихся за рубежом. Эта группа выросла с 67.300 студентов в 2003 году до 156.600 в 2012 году, с превосходящим коэффициентом мобильности более чем вдвое с 3,5% до 7,5%. Эти цифры свидетельствуют о том, что местные высшие учебные заведения не поспевают за растущим спросом на высшее образование. Три региона имеют относительно низкие коэффициенты исходящей мобильности: Южная и Западная Азия, где всего 1,0% студентов учились за границей, Латинская Америка и страны Карибского бассейна (0,9%), а также Северная Америка (1,4%).
В то время как традиционные страны для получения высшего образования, такие как Соединенные Штаты, по-прежнему являются сильными магнитами для студентов, ищущих качественное образование, новые страны «для обучения» и региональные центры конкурируют между собой за долю доходов и интеллектуального капитала международных мобильных студентов.
В 2012 году пять «принимающих» стран составили почти половину от общего объема мобильных студентов: Соединенные Штаты (приняли 18% междунар.студентов), Соединенное Королевство (11%), Франция (7%), Австралия(6%), Германия (5%). Наряду с этим наблюдается спад регистрации международных студентов с 55% в 2000 году до 47% в 2012 году.
Австралия и Япония, традиционные направления в Восточной Азии и Тихого океана, соперничали с «новопроходцами», такими как Китай, Малайзия, Корея, Сингапур и Новая Зеландия, которые привлекли 6% от глобальной доли мобильных студентов в 2012 году.
В арабских государствах, Египте, Саудовской Аравии и Объединенных Арабских Эмиратах прилагают усилия по набору студентов из-за рубежа. Эти три страны приняли 4% глобальной доли мобильных студентов.

Статистика международных студентов в мире

Страна	Население в стране	Студентов обучающихся в стране	Студентов обучающихся за границей	Иностранных студентов принято
United States	317579000	11748263	60242	740482
United Kingdom	63181775	3582166	27377	427686
Australia	23365337	1088366	11650	249588
France	65806000	2616643	84059	239344
Germany	80548000	2645504	119123	206986
Russia	143548980	3070235	50642	173627
Japan	127253075	3670435	32332	150617
Canada	35158300	1015000	45813	120960
China	1351000000	52829775	712157	88979
Italy	59685227	2780343	47998	77732
Netherlands	16819595	812690	13035	68943
South Korea	50219669	1932570	116942	59472
Austria	8501502	284000	15632	58056
Spain	46704314	1256402	28640	55759
Turkey	76667864	600000	44964	54000
Ukraine	44854065	650000	39670	49686
Singapore	5399200	1353000	22578	48938
Switzerland	8014000	235000	11868	47142
Saudi Arabia	29195895	1334951	73548	46566
South Africa	52981991	2776178	6723	42180
New Zealand	4479250	255548	5370	41353
Czech Republic	10513209	390000	12520	40138
Chile	17556815	1058240	8937	30001
Denmark	5602536	240000	5254	29480
Greece	10815197	360000	34029	29012
India	1210193422	51671417	181872	28335
Poland	38186860	1661522	23044	27770
Mexico	118395054	4333589	8020	27118
Hong Kong	7234800	87000	31825	26731
Sweden	9633490	313000	17685	25437
Finland	5454444	364801	8261	21859
Hungary	9908798	530253	8515	20694
Brazil	201032714	5000000	32051	15221
Portugal	10487289	411238	9525	14541
Ireland	6399115	196000	16302	11100
Cyprus	1117000	33000	26233	7454
Indonesia	237424363	9275438	39098	7235
Israel	8051200	300000	14732	4506
Luxembourg	537853	24050	8950	2468
Slovenia	2055496	93674	2695	2463
Iceland	321857	26153	2834	1186

Количество студентов в стране — Высшее образование

Country\Year	1999	2003	2008	2010	2012
China	22 528 701	28 604 613	. .	50 794 264	52 829 775
India	16 176 874	33 614 907	..	..	51 671 417
United States	10 219 856	10 911 610	11 838 025	11 701 279	11 748 263
Brazil	7 621 046	9 584 585	10 820 738	10 711 381	10 788 549
Indonesia	4 778 925	5 941 787	..	8 179 071	9 275 438
Turkey	2 525 047	3 314 812	3 245 322	4 240 139	4 756 286
Mexico	2 805 534	3 295 272	3 830 042	4 054 709	4 333 589
Japan	4 557 790	4 244 886	3 706 691	3 656 537	3 670 435
United Kingdom	5 841 906	6 921 037	3 392 090	3 471 916	3 582 166
Russia	3 093 700	4 335 616	3 557 941	2 836 038	3 070 235
Italy	2 627 346	2 690 469	2 847 785	2 848 592	2 780 343
South Africa	..	..	..	..	2 776 178
Germany	2 677 071	2 781 965	2 921 267	2 746 649	2 645 504
France	2 648 922	2 583 587	2 683 453	2 624 260	2 616 643
Canada	1 357 598	..	1 991 221	2 010 209	2 000 810
Korea	2 269 302	1 780 327	1 917 924	1 973 746	1 932 570
Argentina	1 306 404	1 575 141	..	1 584 785	1 670 466
Poland	2 675 649	2 174 698	1 875 523	1 770 013	1 661 522
Saudi Arabia	..	..	..	..	1 476 693
Colombia	..	..	..	..	1 334 951
Spain	1 401 010	1 080 821	1 107 563	1 173 671	1 256 402
Australia	1 238 133	1 294 149	1 258 835	990 951	1 088 366
Chile	848 936	1 049 462	1 127 041	1 112 958	1 058 240
Belgium	677 542	758 016	888 151	863 605	853 766
Netherlands	615 708	624 646	715 656	736 470	812 690
Sweden	618 095	526 944	528 710	545 996	540 154
Hungary	499 513	525 777	540 313	542 371	530 253
Czech Republic	388 154	490 189	483 262	469 908	422 654
Portugal	407 464	372 499	426 302	483 982	411 238
Austria	369 377	371 534	389 218	382 915	371 659
Greece	393 401	372 802	346 551	364 053	370 357
Finland	276 513	302 688	359 286	369 676	364 801
Israel	330 007	356 404	362 176	341 406	348 578
Switzerland	268 920	269 663	303 730	315 548	321 945
Denmark	213 336	222 003	263 230	284 030	308 251
New Zealand	206 748	242 264	262 116	263 081	255 548
Slovak Republic	302 185	288 941	290 863	278 656	251 464
Norway	222 253	209 888	238 722	243 210	241 523
Ireland	157 209	145 250	148 993	158 694	153 725
Slovenia	. .	..	104 006	96 845	93 674
Estonia	..	..	57 638	53 315	47 111
Iceland	20 414	21 362	25 090	26 364	26 153
Luxembourg	16 662	17 874	20 967	22 675	24 050

Количество студентов в стране — Среднее образование

Country\Year	1999	2003	2008	2010	2012
India	34 817 464	47 624 760	..	..	62 056 450
China	54 907 566	68 747 213	..	55 012 788	51 324 532
Brazil	6 783 789	17 204 625	16 647 896	16 194 449	15 386 341
United States	12 224 976	12 942 848	12 854 863	12 491 507	12 374 174
Indonesia	7 600 093	9 930 748	..	11 796 845	12 170 358
Mexico	5 916 192	6 892 913	7 614 013	7 626 821	7 805 657
Russia	11 422 800	9 614 812	6 529 066	6 387 468	6 095 017
Germany	5 508 075	5 664 594	5 008 352	4 939 876	4 768 983
Turkey	..	..	..	..	4 549 752
Japan	4 400 909	3 886 331	3 648 987	3 639 793	3 617 999
Colombia	..	..	..	..	3 568 511
France	3 306 573	3 275 540	3 232 425	3 248 843	3 303 573
Argentina	2 249 444	2 401 473	..	2 632 134	2 674 547
United Kingdom	2 250 366	2 345 939	2 451 138	2 597 973	2 492 083
South Africa	. .	..	..	..	2 067 622
Spain	1 898 459	1 971 841	1 961 758	2 011 337	2 039 727
Korea	1 907 478	1 865 290	2 049 542	1 985 705	1 860 557
Italy	1 822 666	1 837 831	1 756 003	1 813 865	1 826 483
Saudi Arabia	..	..	..	3 036 438	1 579 399
Australia	1 253 271	1 274 642	1 279 550	1 291 470	1 288 962
Poland	..	1 720 469	1 473 309	1 346 112	1 236 163
Netherlands	735 711	790 524	769 810	765 122	805 669
Canada	1 207 365	..	836 603	828 995	777 696
Chile	485 303	626 723	583 049	540 344	516 916
Portugal	440 052	393 673	527 314	503 695	437 713
Hungary	507 033	504 202	450 095	420 341	395 638
Israel	239 401	246 917	252 535	366 934	384 523
Czech Republic	540 313	510 305	432 987	379 231	365 592
Austria	378 304	392 892	381 574	360 794	342 708
Belgium	355 942	418 356	333 697	339 170	337 807
Sweden	345 823	391 034	398 431	365 249	330 613
Greece	377 482	341 048	342 880	352 548	327 426
Switzerland	275 513	285 842	295 227	289 636	284 217
Slovak Republic	372 220	380 637	310 315	280 867	266 904
New Zealand	230 153	261 428	252 447	249 114	245 919
Denmark	209 063	223 302	246 230	248 114	245 881
Norway	155 387	175 121	189 004	191 875	191 023
Ireland	189 107	175 370	173 293	182 773	189 924
Finland	203 369	194 146	202 540	195 273	184 437
Latvia	. .	..	..	..	56 913
Slovenia	..	..	66 988	56 211	54 307
Estonia	..	..	48 455	42 016	38 072
Luxembourg	15 851	16 842	19 618	21 050	21 528
Iceland	12 066	13 225	13 896	13 361	12 978

Статистика граждан России обучающихся за границей

Страна	2016	2012	2016 %	2012 %
Всего	56,328	50,642	100%	100%
Germany	9,953	9,480	17.7%	18.7%
Czechia	5,305	3,455	9.4%	6.8%
United States	5,203	4,688	9.2%	9.3%
United Kingdom	3,933	3,604	7%	7.1%
France	3,599	3,643	6.4%	7.2%
Finland	2,799	2,206	5%	4.4%
Italy	2,178	1,737	3.9%	3.4%
Belarus	1,953	2,061	3.5%	4.1%
Ukraine	1,814	2,878	3.2%	5.7%
Kyrgyzstan	1,377	927	2.4%	1.8%
Turkey	1,158	—	2.1%	—
Armenia	1,140	903	2%	1.8%
Canada	1,140	483	2%	1%
Austria	1,128	1,004	2%	2%
Kazakhstan	1,097	1,315	1.9%	2.6%
Switzerland	1,011	594	1.8%	1.2%
Australia	880	968	1.6%	1.9%
Netherlands	794	556	1. 4%	1.1%
Poland	754	585	1.3%	1.2%
Israel	750	—	1.3%	—
Spain	733	2,152	1.3%	4.2%
Saudi Arabia	572	520	1%	1%
Norway	550	624	1%	1.2%
Latvia	509	387	0.9%	0.8%
United Arab Emirates	414	458	0.7%	0.9%
Sweden	364	420	0.6%	0.8%
Korea, Rep.	349	330	0.6%	0.7%
Japan	336	366	0.6%	0.7%
New Zealand	320	325	0.6%	0.6%
Bulgaria	288	255	0.5%	0.5%
Azerbaijan	270	177	0.5%	0.3%
Mongolia	254	287	0.5%	0.6%
Estonia	230	—	0.4%	—
Belgium	213	273	0.4%	0.5%
Egypt	210	231	0.4%	0.5%
Denmark	195	187	0.3%	0.4%
Lithuania	182	236	0.3%	0.5%
Cyprus	166	174	0.3%	0.3%
Georgia	157	—	0.3%	—

Статистика граждан Казахстана обучающихся за границей

Направление	Студентов
Всего	48,875
Russian Federation	35,106
Kyrgyzstan	4,357
United States	1,884
United Kingdom	1,725
Czech Republic	1,174
Germany	695
Malaysia	645
Poland	401
United Arab Emirates	361
France	346
Saudi Arabia	252
Korea, Rep.	175
Belarus	151
Australia	142
Tajikistan	130
Canada	126
Latvia	116
Italy	110
Austria	102
Bulgaria	77
Japan	67
Egypt	54
Uzbekistan	47
New Zealand	43
Ireland	42
Lithuania	41
Netherlands	40
Hungary	39
Finland	39
Spain	39
Norway	33
Belgium	33
Sweden	27
India	27
Mongolia	26
Greece	25
Oman	25
Armenia	20
Azerbaijan	17
Slovakia	16
Georgia	15
Switzerland	13
Slovenia	11
Turkey	10
Thailand	8
Portugal	7
Denmark	6
Romania	6
Cyprus	5

Статистика граждан Украины обучающихся за границей

Направление	Студентов
Всего	39,6702
Russian Federation	9,586
Poland	9,485
Germany	5,444
Czech Republic	1,876
Italy	1,780
United States	1,426
Hungary	1,269
France	1,128
Austria	1,013
United Kingdom	893
Spain	678
Greece	472
Bulgaria	429
Canada	348
Switzerland	315
Netherlands	287
Turkey	266
Slovakia	237
Romania	226
Belarus	226
Sweden	207
Lithuania	194
Latvia	188
Norway	187
Portugal	177
Republic of Moldova	165
Finland	161
Denmark	133
Belgium	120
Australia	105
Cyprus	88
Japan	70
United Arab Emirates	68
Korea, Rep.	44
Estonia	34
Armenia	33
Slovenia	27
New Zealand	25
Saudi Arabia	23
Kyrgyzstan	18
Kazakhstan	18
Israel	18
Ireland	16
Thailand	15
South Africa	15
Luxembourg	14
Jordan	13
Azerbaijan	12
Viet Nam	11
Iceland	11
Malta	7
Georgia	7
Malaysia	7
Ecuador	6
Bosnia/Herzegovina	5
Qatar	5
Brazil	5
India	5

Статистика граждан Кыргызстана обучающихся за границей

Направление	Студентов
Всего	5,885
Russian Federation	3,215
Germany	494
Kazakhstan	434
Saudi Arabia	312
United States	250
Tajikistan	141
Egypt	109
France	89
Czech Republic	87
Japan	83
Canada	81
Austria	79
United Kingdom	78
Korea, Rep.	74
Malaysia	67
Spain	26
United Arab Emirates	23
Italy	19
Netherlands	17
Bulgaria	17
Belgium	16
Hungary	16
Poland	15
Norway	13
Australia	12
Sweden	12
Uzbekistan	11
Switzerland	10
Belarus	10
Finland	8
Georgia	8
Slovakia	7
Iran, Islamic Rep.	6
Lithuania	6
Latvia	6
India	5

Статистика граждан Таджикистана обучающихся за границей

Направление	Студентов
Всего	9,749
Russian Federation	6,458
Kyrgyzstan	885
Kazakhstan	588
Turkey	364
Saudi Arabia	333
United States	299
Egypt	215
Germany	109
Belarus	57
India	43
Malaysia	41
Iran, Islamic Rep.	35
Korea, Rep.	33
United Arab Emirates	32
United Kingdom	31
Japan	26
Poland	23
Latvia	18
Bulgaria	17
France	16
Czech Republic	14
Austria	13
Canada	12
Uzbekistan	8
Lithuania	8
Switzerland	8
Sweden	7
Norway	7

Statistics & Sources

Связанные статьи

Влияние коэффициента подвижности для вытеснения воды и нефти

[1]. Подвижность любой жидкости определяется как:

, где k — абсолютная проницаемость, а k _r — относительная проницаемость.

Способ, которым вода вытесняет нефть, показан на Рисунке 4-14 как для идеального, так и для неидеального линейного горизонтального заводнения.

Рисунок 4-14: Распределение водонасыщенности в зависимости от расстояния между нагнетательной и добывающей скважинами для (а) идеального или поршневого вытеснения и (б) неидеального вытеснения

В идеальном случае существует резкая граница раздела между маслом и водой. Впереди нефть течет в присутствии связанной воды, тогда как за границей раздела только вода течет в присутствии остаточной нефти. Этот благоприятный тип смещения будет иметь место только в том случае, если соотношение

Где M известно как коэффициент подвижности конечной точки, и, поскольку оба значения: k ^‘ _ro и k ^‘ _rw являются относительной проницаемостью конечной точки, является константой.

Если M ≤ 1, это означает, что при заданном перепаде давления масло способно двигаться со скоростью, равной или большей скорости воды.Поскольку это вода выталкивает масло, нет тенденции к обходу масла, что приводит к резкой границе раздела между жидкостями.

Смещение, показанное на Рисунке 4-14 (a), по очевидным причинам называется «поршневым смещением ». Его наиболее привлекательная особенность заключается в том, что общий объем нефти, который может быть извлечен из линейного блока коллектора, будет получен путем закачки того же объема воды. Это называется подвижным объемом масла, где:

Неидеальное смещение, изображенное на Рисунке 4-14 (b), которое, к сожалению, более распространено в природе, происходит, когда M > 1.В этом случае вода может двигаться быстрее, чем масло, и, поскольку вода проталкивает масло через резервуар, последний будет обходиться. Водные языки или пальцы развиваются, что приводит к неблагоприятному профилю водонасыщенности.

Впереди водного фронта нефть снова течет в присутствии связанной воды. За этим во многих случаях следует фронт заводнения или фронт ударной волны, в котором наблюдается скачок водонасыщенности. Затем происходит постепенный переход между насыщением фронта ударной волны и максимальным насыщением S _w = 1 — S _или .Пунктирная линия на Рисунке 4-14 (b) изображает распределение насыщения во время прорыва. В отличие от поршневого смещения, не все подвижное масло будет восстановлено в это время. По мере закачивания большего количества воды плоскость максимальной водонасыщенности ( S _w = 1 — S _или ) будет медленно перемещаться через пласт, пока не достигнет добывающей скважины, когда подвижный объем нефти будет извлечен. К сожалению, в типичных случаях может потребоваться пять или шесть MOV закачанной воды, чтобы вытеснить один MOV нефти.При постоянной скорости закачки воды тот факт, что в неблагоприятном случае необходимо закачать гораздо больше воды, увеличивает временной масштаб, связанный с добычей нефти, а это экономически невыгодно. Кроме того, образуются карманы байпасного масла, которое никогда не может быть восстановлено.

Еще более важным параметром для характеристики стабильности смещения Бакли-Леверетта является коэффициент подвижности передней части амортизатора, M _s , , определяемый как:

, в котором относительные проницаемости в числителе оцениваются для водонасыщенности фронта ударной волны, S _wƒ .Хагоорт [2] показал, используя теоретический аргумент, подкрепленный экспериментом, что смещение Бакли-Леверетта можно рассматривать как стабильное для менее ограничивающего условия, что M _s <1. Если это условие не выполняется, будет серьезное вязкое прохождение воды через нефть и прорыв произойдет даже раньше, чем это предсказывалось с использованием метода Велге.

Рисунок 4-15: (a) Микроскопическое вытеснение (b) Остаточная нефть, остающаяся после наводнения

Пример 4-2 [3]
Тонкая зона коллектора (толщиной 8 футов) должна быть открыта в нескольких скважинах для добычи.Ожидается, что нефть из этой зоны будет иметь вязкость 2,36 сП при пластовой температуре. Поскольку нефть по существу мертвая, необходимо будет пополнить запасы энергии пласта для добычи нефти с экономичными расходами. Рассматривается возможность заводнения. Данные относительной проницаемости из соседнего интервала коррелировали с водонасыщенностью с помощью уравнений (4‑49) и (4‑50). Логарифмические расчеты показывают, что начальная водонасыщенность должна составлять 0,136. Остаточная нефтенасыщенность 0,325 была получена по керну из геологически аналогичного интервала.

Где,

• Рассчитайте восстановление заводнения (PV), когда насыщение на торцевой поверхности равно 0,54. Вязкость воды при пластовой температуре составляет 0,63 сП.
• Рассчитайте нефтеотдачу при соотношении воды и нефти (WOR) = 27,57.
• Расчет эффективности после прорыва

Решение
Первым шагом является построение кривой ƒ _w — S _w согласно уравнению. (4‑7). Уравнения (4‑49) и (4‑50) используются для нахождения данных относительной проницаемости, которые необходимы для расчетов ƒ _w :

S w	S wD	к ro	к rw	ƒ w	S w	S wD	к ro	к rw	ƒ w
0.1500	0,0260	0,7058	0,0000	0,0000	0,4500	0,5826	0,0577	0,0663	0,8115
0,2000	0,1187	0,4322	0,0000	0,0003	0,5000	0,6753	0,0331	0,1063	0,9232
0,2500	0,2115	0,2943	0.0007	0,0086	0,5500	0,7681	0,0163	0,1528	0,9724
0,3000	0,3043	0,2035	0,0044	0,0746	0,6000	0,8609	0,0058	0,2034	0,9924
0,3500	0,3970	0,1391	0,0150	0,2876	0,6500	0. 9536	0,0008	0,2558	0,9992
0,4000	0,4898	0,0921	0,0354	0,5905	0,6750	1,0000	0,0000	0,2821	1,0000

Рис. 4-16: (a) Кривые относительной проницаемости, (b) Кривая фракционного потока

Рисунок 4-17: Графическое определение фронтальной насыщенности и фракционного расхода воды

Чтобы найти водонасыщенность на фронте и среднюю водонасыщенность во время прорыва, проводится касательная от начальной точки водонасыщения ( S _wi , 0) = (0.15, 0) к кривой ( ƒ _w по сравнению с S _w ). Линия касается кривой в передней точке насыщения. Согласно рисунку 4-17, координация передней точки: ( S _wƒ , ƒ _wƒ ) = (0,46, 0,85).

Среднее водонасыщение во время прорыва можно найти, продолжив касательную до линии ƒ _w = 1. Согласно рисунку 4-17 средняя водонасыщенность во время прорыва составляет: S _wbt = 0.516 .

Объем пор, закачанный водой (PVI) до времени прорыва, равный добытой нефти до этого времени (предполагается, что флюиды несжимаемы), может быть рассчитан с использованием любого уравнения. (4‑40) или (4‑44):

Разница между двумя результатами (из уравнений (4‑52) и (4‑53)) является результатом графического считывания фронтальной насыщенности и фракционного расхода. Таким образом, восстановление заводнения во время прорыва составляет около 37%.

Для расчета нефтеотдачи после прорыва время при добыче WOR, используя следующее уравнение для преобразования WOR в fw:

Согласно уравнению Клина, мы должны провести касательную через кривую ( ƒ _w — S _w ) в точке S _w = 0.54, ƒ _w = 0,965, см. Рисунок 4-18.

Рисунок 4-18: Долевой расход воды в зависимости от водонасыщенности

Касательная линия пересекает ƒ _w = 1 линию на S _w = 0,578, что является средним насыщением в среде, когда S _w на производящей (торцевой) поверхности составляет 0,54. N _pd можно найти с помощью ур. (4‑53):

Следующие расчеты выполняются для определения производительности после прорыва:

Используя кривую дробного потока и эти уравнения, следующая таблица создана для насыщения выше, чем переднее насыщение ( S _wƒ = 0.46):

S ср	ƒ ср	dƒ w / dS w	ПВИ	S w	N pd	WOR
0,47	0,8668	2.1854	0,4576	0,5310	0,3810	6,5050
0,49	0,9073	1,6538	0.6047	0,5460	0,3960	9,7918
0,52	0,9480	1.0440	0,9578	0,5698	0,4198	18,2301
0,55	0,9724	0,6232	1,6046	0.5943	0,4443	35.1883
0,57	0,9827	0,4275	2,3390	0,6105	0,4605	56,8196
0,59	0,9898	0,2856	3,5012	0,6257	0,4757	97.0241
0,62	0,9962	0,1471	6,7995	0,6458	0. 4958	262,0579
0,65	0,9992	0,0615	16,2719	0,6631	0,5131	1239.4319

Рисунок 4-19: Безразмерный поровый объем извлечения нефти в сравнении с безразмерным поровым объемом Закачка воды

Пример 4-3 [1]
Нефть вытесняется водой в горизонтальном прямом линейном приводе в условиях диффузного потока. Функции относительной проницаемости породы для воды и нефти перечислены в следующей таблице:

S w	к rw	к ro	S w	к rw	к ro
0.20	0,000	0,800	0,55	0,100	0,120
0,25	0,002	0,610	0,60	0,132	0,081
0,30	0,009	0,470	0,65	0,170	0,050
0,35	0,020	0,370	0,70	0,208	0,027
0.40	0,033	0,285	0,75	0,251	0,010
0,45	0,051	0,220	0,80	0,300	0,000
0,50	0,075	0,163

Давление поддерживается на исходном значении, для которого:

Сравните значения продуктивной обводненности (при поверхностных условиях) и накопленной нефтеотдачи при прорыве для следующих комбинаций флюидов.

Корпус	Вязкость масла (сП)	Вязкость воды (сП)
1	50	0,5
2	5	0,5
3	0,4	1,0

Предположим, что данные относительной проницаемости и PVT актуальны для всех трех случаев.

Раствор
1) Для горизонтального потока доля потока в пласте составляет

В то время как продуктивная обводненность на поверхности, ƒ _ws , составляет

Где ставки выражены в руб / сутки .Объединение двух приведенных выше уравнений приводит к выражению для поверхностной обводненности как:

Долевой расход в резервуаре для трех случаев можно рассчитать следующим образом:

					Дробный поток (ƒ w )
					Корпус 1	Корпус 2	Корпус 3
S w	к rw	к ro	k ro / k rw	μ w / μ o = 0.01	μ w / μ o = 0,1	μ w / μ o = 2,5
0,20	0,000	0,800	∞	0	0	0
0,25	0,002	0,610	305,000		0,247	0,032	0,001
0. 30	0,009	0,470	52,222		0,657	0,161	0,008
0,35	0,020	0,370	18,500		0,844	0,351	0,021
0,40	0,033	0,285	8,636		0,921	0,537	0,044
0,45	0.051	0,220	4,314		0,959	0,699	0,085
0,50	0,075	0,163	2,173		0,979	0,821	0,155
0,55	0,100	0,120	1 200		0,988	0,893	0,250
0,60	0,132	0.081	0,614		0,994	0,942	0,394
0,65	0,170	0,050	0,294		0,997	0,971	0,576
0,70	0,208	0,027	0,130		0,999	0,987	0,755
0,75	0,251	0,010	0.040		0,999	0,996	0,909
0,80	0,300	0,000	0,000		1.000	1.000	1.000

Рисунок 4-20: Графики фракционного расхода для различных соотношений вязкости нефть-вода

Графики фракционного расхода для трех случаев показаны на рис. 4‑20, а результаты, полученные с применением графической техники Велге при прорыве, перечислены в следующей таблице:

Корпус	S ВБТ	ƒ wbt (конд. )	ƒ wbt (Поверхность)	S ВБТ	N pdbt
1	0,297	0,65	0,71	0,35	0,15
2	0,45	0,85	0,88	0,55	0,35
3	0,80	1.00	1,00	0,80	0,60

Результаты показывают прирост резкого увеличения нефтеотдачи процесса закачки воды за счет увеличения отношения вязкости вода-нефть ( μ _w / μ _или ).

Значения M и M _s для трех случаев перечислены ниже. Используя эти данные:

Корпус	μ o / μ S	S wƒ	(k rw ) S wƒ	(k ro ) S wƒ	M S	м
1	100	0.297	0,006	0,520	1,40	37,50
2	10	0,45	0,051	0,220	0,91	3,75
3	0,4	0,80	0,300	0,000	0,15	0,15

Эффективность извлечения при закачке воды увеличивается за счет увеличения отношения вязкости воды к нефти, Рисунок 4‑21.

Рис. 4-21: (a) Распределение водонасыщенности в системах для различных соотношений вязкости нефть / вода (b) Эффективность охвата площади при прорыве, пятиточечная диаграмма (Craig, 1980)

Типичные конфигурации нагнетательных / добывающих скважин и связанные с ними схемы заводнения показаны на 4-22, включая схему из пяти точек, использованную для результатов, показанных на 4-21.

Рисунок 4-22: Типовые конфигурации нагнетательных / добывающих скважин и связанные с ними схемы заводнения

Список литературы

[1] «Основы разработки месторождений», Л.П.Дэйк, 1978.

[2] «Стабильность вытеснения водных приводов в водоносных коллекторах с влажной связанной водой», Хагоорт, Дж., 1974. Soc.Pet.Eng.J., февраль: 63-74. Пер. AI ME.

[3] «Повышение нефтеотдачи», Дон, В. Грин, Г. Пол Уилхайт, 1998 г.

Вопросы?

Если у Вас есть какие-либо вопросы, пожалуйста, обращайтесь по телефону , задавайте ПЕРМЬ ! Мы здесь, чтобы помочь сообществу.

Этот сайт использует файлы cookie для повышения производительности.Если ваш браузер не принимает файлы cookie, вы не можете просматривать этот сайт.

---

Настройка вашего браузера на прием файлов cookie

Существует множество причин, по которым cookie не может быть установлен правильно. Ниже приведены наиболее частые причины:

• В вашем браузере отключены файлы cookie. Вам необходимо сбросить настройки своего браузера, чтобы он принимал файлы cookie, или чтобы спросить вас, хотите ли вы принимать файлы cookie.
• Ваш браузер спрашивает вас, хотите ли вы принимать файлы cookie, и вы отказались.Чтобы принять файлы cookie с этого сайта, нажмите кнопку «Назад» и примите файлы cookie.
• Ваш браузер не поддерживает файлы cookie. Если вы подозреваете это, попробуйте другой браузер.
• Дата на вашем компьютере в прошлом. Если часы вашего компьютера показывают дату до 1 января 1970 г., браузер автоматически забудет файл cookie. Чтобы исправить это, установите правильное время и дату на своем компьютере.
• Вы установили приложение, которое отслеживает или блокирует установку файлов cookie. Вы должны отключить приложение при входе в систему или проконсультироваться с системным администратором.

---

Почему этому сайту требуются файлы cookie?

Этот сайт использует файлы cookie для повышения производительности, запоминая, что вы вошли в систему, когда переходите со страницы на страницу. Чтобы предоставить доступ без файлов cookie потребует, чтобы сайт создавал новый сеанс для каждой посещаемой страницы, что замедляет работу системы до неприемлемого уровня.

---

Что сохраняется в файле cookie?

Этот сайт не хранит ничего, кроме автоматически сгенерированного идентификатора сеанса в cookie; никакая другая информация не фиксируется.

Как правило, в файлах cookie может храниться только информация, которую вы предоставляете, или выбор, который вы делаете при посещении веб-сайта. Например, сайт не может определить ваше имя электронной почты, пока вы не введете его. Разрешение веб-сайту создавать файлы cookie не дает этому или любому другому сайту доступа к остальной части вашего компьютера, и только сайт, который создал файл cookie, может его прочитать.

Влияние изменения проницаемости и коэффициента подвижности на пятиточечные расчеты нефтеотдачи пластов (Конференция)

Крейг-младший, Ф. Влияние изменения проницаемости и коэффициента подвижности на расчет нефтеотдачи по пяти точкам . США: Н. П., 1969. Интернет.

Крейг, младший, Ф. Влияние изменения проницаемости и коэффициента подвижности на расчеты показателей нефтеотдачи по пяти точкам . Соединенные Штаты.

Крейг-младший, Ф.Мы б . «Влияние изменения проницаемости и коэффициента подвижности на расчеты показателей нефтеотдачи по пяти точкам». Соединенные Штаты.

@article {osti_5376114,
title = {Влияние изменения проницаемости и коэффициента подвижности на расчет нефтеотдачи по пяти точкам},
author = {Craig, Jr, F F},
abstractNote = {Доступны корреляции для прогнозирования приемистости и эффективности захвата площади для схем заводнения с однородной проницаемостью как функции отношения подвижности между закачиваемой жидкостью и нефтью.В настоящем исследовании это было расширено для изучения влияния коэффициента подвижности как на приемистость, так и на размах стратифицированных 5-точечных структур. Результаты показывают, что для любой стратификации проницаемости коэффициент подвижности оказывает заметное влияние на нефтеотдачу при прорыве закачиваемого флюида при коэффициентах подвижности от 0,10 до 10. Однако имеется пониженное влияние коэффициента подвижности на добычу через прорыв как выше, так и ниже этого диапазона. Это указывает на то, что уменьшение подвижности закачиваемой жидкости (воды), как ожидается, будет иметь небольшое влияние на вытеснение при прорыве, если коэффициент подвижности при обычном заводнении ниже примерно 0.1. Однако частая закачка жидкостей с повышенной вязкостью может улучшить эффективность вытеснения нефти из вытесненной части коллектора. При прогнозировании показателей нефтеотдачи при операциях закачки флюида часто предполагается, что пласт состоит из ряда горизонтальных слоев, каждый из которых имеет одинаковые свойства, непрерывен от скважины к скважине и изолирован от поперечного потока между слоями. (11 исх.)},
doi = {},
url = {https: // www.osti.gov/biblio/5376114}, journal = {Soc. Домашний питомец. Англ. AIME, Pap .; (США)},
число =,
объем = SPE2652,
place = {United States},
год = {1969},
месяц = ​​{1}
}

Анализ влияния относительной проницаемости и коэффициента подвижности на ошибку потери неоднородности при апскейлинге геологических моделей | Нефтегазовая наука и технологии

Нефтегазовая наука и технологии — Rev. IFP Energies nouvelles 75 , 53 (2020)

Обычная статья

Анализ влияния относительной проницаемости и коэффициента подвижности на ошибку потери неоднородности во время апскейлинга геологических моделей

Амене Дарбан, Моджтаба Гаеди ^* и Джафар Каджар

Кафедра нефтяной инженерии, Школа химической и нефтяной инженерии, Ширазский университет, 71946-84471 Шираз, Иран

^* Автор, ответственный за переписку: м[email protected]

Поступило: 29 апрель 2020 г.
Принято: 17 июнь 2020 г.

Аннотация

Подробные геологические мелкие сетки масштабируются для создания грубых имитационных моделей надежного размера для более эффективного решения уравнений потока. Любой процесс масштабирования приводит к потере точности и увеличению ошибок. Числовая дисперсия, потеря неоднородности и искажение связности ответственны за ошибки апскейлинга. Распознавание источника каждой ошибки и поведения влияющих факторов посредством процесса апскейлинга может обеспечить оптимальный уровень апскейлинга и оценку точности методов апскейлинга.Несмотря на важность ошибки апскейлинга, этому вопросу уделялось мало внимания. Эта статья представляет собой строгий анализ поведения потери неоднородности, связанной с относительным контрастом проницаемости и коэффициентом подвижности в процессе заводнения. С этой целью гетерогенные модели с мелкой сеткой строятся с помощью процесса дробного броуновского движения. Масштабирование моделей повышается с помощью трех коэффициентов увеличения. Достигнутые модели реализованы, чтобы исключить влияние числовой ошибки среди ошибок апскейлинга, чтобы сосредоточиться строго на потере неоднородности.Затем выполняется моделирование вытеснения вода-нефть на точных и соответствующих уточненных моделях с повышенным масштабом при трех различных соотношениях относительной проницаемости и подвижности. На следующем этапе связь между ошибкой производительности потока и потерей неоднородности исследуется с помощью графика потерь из-за неоднородности. Наклон этого графика позволяет инженеру-разработчику оценить эффективность методов апскейлинга и поведение факторов, влияющих на ошибки апскейлинга. Кроме того, с помощью графика потерь неоднородности для каждого отношения представлен предел огрубления.Судя по результатам, на ошибку потери неоднородности больше влияет контраст коэффициента подвижности, чем разница относительной проницаемости. Также показано, что смоченные водой пласты с легкой нефтью более чувствительны к уровню апскейлинга.

© A. Darban et al., Опубликовано IFP Energies nouvelles, 2020

Это статья в открытом доступе, распространяемая в соответствии с условиями лицензии Creative Commons Attribution License (http://creativecommons.org/licenses/by/4.0), что разрешает неограниченное использование, распространение и воспроизведение на любом носителе при условии правильного цитирования оригинальной работы.

1 Введение

Стремление к процессам моделирования проистекает из важности оставшейся нефти на месторождении и необходимости точного прогнозирования характеристик нефтегазовых пластов при различных сценариях добычи, а также снижения неопределенностей и рисков отказа дорогостоящих операций (Stedinger и др. , 1984).Моделирование может спрогнозировать вытеснение нефти, газа и любых флюидов в коллекторах и, следовательно, дает инженеру-разработчику возможность выбрать лучшие сценарии для вторичной и третичной добычи (повышенная нефтеотдача [EOR]) на основе условий коллектора и флюидов. , объекты и т. д., направленные на производство наиболее экономически эффективной продукции (Чен, 2007; Эртекин и др. , 2001). Для моделирования необходимо сначала иметь подходящую модель. Модель, используемая в процессах моделирования, должна отражать поведение и свойства реального коллектора.В образцах керна свойства измеряются в сантиметрах (Pickup и др. , 1995). Следовательно, геологические модели обычно содержат 10 ⁷ –10 ⁸ блоков сетки или более, что слишком велико для проведения моделирования потока с использованием традиционных методов (Durlofsky, 2003; Thiele et al. , 1996). Технический анализ должен многократно прогнозировать поведение потока при различных сценариях и операциях. Существует небольшая тенденция к выполнению расчетов на детальных геологических моделях, потому что моделирование на этих моделях со значительным количеством блоков сетки, помимо того, что требует высоких аппаратных возможностей, также требует очень много времени (Christie, 1996).Следовательно, количество блоков сетки должно быть уменьшено за счет масштабирования, которое преобразует геологическую модель в симуляционную. Процесс апскейлинга снижает точность, поскольку экономит время, поэтому его необходимо выполнять таким образом, чтобы балансировать между этими двумя (Ganjeh-Ghazvini et al. , 2015a; Misaghian et al. , 2018).

До сих пор большинство исследований в области апскейлинга были сосредоточены на анализе и разработке методов апскейлинга (Aarnes и др. , 2005; Audigane and Blunt, 2004; Barker and Thibeau, 1997; Chen and Durlofsky, 2006; Christie и др., 2007; Darman et al. , 2002; Дурлофски, 2005; Холден и Нильсен, 2000; Карими-Фард и Дурлофски, 2016; Кайт и Берри, 1975; Liao et al. , 2019; Маттай и Ник, 2009 г .; Миротворец, 1997; Zhang et al. , 2005). В этих исследованиях были предприняты попытки определить эквивалентную проницаемость гетерогенной пористой среды (Renard and de Marsily, 1997; Sanchez-vila et al. , 2006). Например, Colecchio et al. (2020) изучили подходящую шкалу укрупнения для выражения эффективной гидравлической проводимости.Они разработали полезную числовую оценку эффективной гидравлической проводимости в 2D-средах.

Среди существующих методов апскейлинга большое внимание уделяется подходам перенормировки из-за их надежности и небольших вычислительных затрат. Кроме того, перенормировка также может быть изменена для обнаружения предпочтительных путей потока (Gautier and Noetinger, 1997).

Существует относительно немного исследований в области ошибок апскейлинга, которые не были изучены подробно. Три типа ошибок, которые могут быть вызваны апскейлингом, — это числовая дисперсия, потеря неоднородности и искажение связности (Ganjeh-Ghazvini, 2019; Ganjeh-Ghazvini et al. , 2015a). Последнее чаще всего происходит при вытеснении нефти и газа. Из-за низкой вязкости газа небольшое изменение путей потока приводит к большим ошибкам (Ganjeh-Ghazvini и др. , 2015b). Preux et al. (2016) выполнил анализ связности на основе кратчайших путей, соединяющих скважины как для закачки воды, так и для процесса закачки газа, чтобы найти подходящую грубую модель.Дискретное решение уравнений потока приводит к численной ошибке, поскольку только первые несколько членов разложения в ряд Тейлора сохраняются для аппроксимации производных выражений, а остальными пренебрегают. Эта ошибка существует как в точной, так и в грубой моделях, но ее основным признаком будет увеличение масштаба модели и увеличение размеров блоков сетки. Таким образом, эта ошибка сильно зависит от размера блока. В некоторых источниках эта классификация сделана иначе; ошибка дискретизации (числовая дисперсия), ошибка потери неоднородности и общая ошибка апскейлинга, которые не являются интуитивно понятной комбинацией двух других (Preux, 2016; Sablok and Aziz, 2008).

Неоднородность показывает интенсивность изменения свойств коллектора в зависимости от местоположения. Существует широкий спектр инструментов для создания численных моделей неоднородностей коллектора с высоким разрешением в нефтяной промышленности (Deutsch and Journel, 1998). Это произошло из-за существенного влияния неоднородности, позволяющей получить надежные прогнозы добычи углеводородов (Dutton et al. , 2003). Неоднородность может быть результатом процессов осаждения и / или процессов после осаждения, например, диагенетического, растворения, разрушения и т. Д.Как следствие высоких вариаций проницаемости и ее роли в управлении текучей средой; транспортные свойства контролируются распределением проницаемости и их корреляциями (Hewett, 1986). Следовательно, понимание структуры неоднородности имеет решающее значение для характеристики связанных пор и потока в недрах (Alabert и Modot, 1992; Eaton, 2006). Гомогенизация — это результат апскейлинга. Во время преобразования мелкой модели в грубую теряются такие детали, как неоднородности.Ошибка, установленная из-за гомогенизации, называется ошибкой потери неоднородности (Sablok, Aziz, 2008).

Ganjeh-Ghazvini et al. (2015a) изучали взаимосвязь между потерей неоднородности и ошибкой характеристик потока для масштабированных моделей с различными коэффициентами масштабирования. Они заявили, что потеря неоднородности геологических моделей зависит как от общего распределения значений проницаемости, так и от их расположения.

Чтобы выполнить надежное моделирование потока, важно исследовать параметры, которые оказывают значительное влияние на поведение потока.Относительная проницаемость и соотношение подвижности играют жизненно важную роль в распределении жидкости. Относительная проницаемость является краеугольным камнем при моделировании многофазного потока, и знание о гистерезисе и влиянии его контраста на поведение потока имеет важное значение для моделирования трехфазного и двухфазного потока в процессах с чередованием воды и газа (WAG), секвестрация CO ₂ и др. (Хуанес и др. , 2006; Спитери, Хуанес, 2006). Многие исследователи также заявили, что эффективность развертки очень зависит от коэффициента подвижности (Aronofsky, 1952; Dyes et al., 1954 г .; Маскат, 1938). Стабильное или нестабильное поведение процесса вытеснения воды и нефти зависит также от неоднородности пористой среды (Durlofsky, 1998; Noetinger et al. , 2004). Для получения дополнительной информации об аспектах апскейлинга воды и нефти, пожалуйста, обратитесь к Artus and Noetinger (2004).

До сих пор в существующей литературе по ошибке апскейлинга основное внимание уделялось определению методов расчета потерь информации в процессе апскейлинга и их развитию. Чтобы определить ошибку из-за апскейлинга, некоторые из этих методов учитывают только количество ячеек в моделях с мелкой и крупной сеткой; коэффициент апскейлинга (Gautier et al., 1999) и параметр протяженности апскейлинга (Dasheng, 2010), другие методы учитывают значения проницаемости, например индикатор диапазона данных (Qi and Hesketh, 2004), индикатор дисперсии (Preux, 2011), индикатор Cardwell and Parsons (Preux, 2016) и график QQ (Sablok and Aziz, 2008). Preux (2016) исследовал потенциал всех упомянутых показателей качества для оценки потери информации. Ganjeh-Ghazvini et al. (2015a) представил кластерный метод определения потерь неоднородности из-за апскейлинга.Преимущество этой процедуры заключалось в учете общего распределения значений проницаемости и их пространственного расположения, тогда как в предыдущем методе они не учитывались. Ganjeh-Ghazvini et al. (2015b) исследовал искажение информации о подключении во время процесса апскейлинга в проекте закачки газа. И, наконец, есть только одно исследование, которое касается прямого влияния свойств жидкости на поведение ошибок (Ganjeh-Ghazvini, 2019). Автор исследовал влияние контраста вязкости на ошибку потери неоднородности в процессе апскейлинга.

В этой статье изучается влияние двух очень важных параметров , т. Е. , относительной разницы проницаемости и коэффициента подвижности на ошибку потерь неоднородности. Этот анализ разделен на два этапа, включая исследование влияния относительной проницаемости и коэффициента подвижности на характеристики потока.

В этом исследовании первая серия анализа моделирования исследовала контраст относительной проницаемости и поведение ошибок при этих условиях. Затем, зная влияние коэффициентов вязкости и относительной проницаемости по отдельности, исследуется их одновременное влияние на коэффициент подвижности.Для учета контраста относительной проницаемости отношение относительной проницаемости ( R _p ) определяется как: (1) где и представляют относительную проницаемость вытесняемой и вытесняющей жидкости на фронте, соответственно. Подвижность жидкости определяется как относительная проницаемость жидкости, деленная на ее вязкость. Коэффициент подвижности ( M ) на фронте паводка описывается как: (2) (3) где μ _d и μ _D — значения вязкости смещенной и смещенной фаз. , соответственно, и R _v — коэффициент вязкости, определяемый как: (4)

Коэффициент масштабирования (уровень укрупнения сетки) является критическим параметром в процессе моделирования.Чем выше коэффициент масштабирования, тем более мелкие детали могут быть потеряны. Если этот коэффициент слишком мал, моделирование требует очень много времени и его недостаточно для реализации различных сценариев и реализаций коллектора. Принимая во внимание контраст относительной проницаемости и подвижности, одной попыткой может быть оценка оптимального уровня укрупнения сетки по отношению к заранее определенному приемлемому значению ошибки апскейлинга.

В этой статье рассматривается вопрос о том, как ведет себя ошибка потерь неоднородности при различных значениях M и R _p во время апскейлинга.Другими словами, до какой степени точная модель может быть огрублена, чтобы иметь возможность воспроизводить поведение точной модели относительно точно при определенных условиях. Чтобы уловить эффекты гомогенизации грубых моделей, эталонные точные модели должны быть очень разнородными. Для этого реализован процесс дробного броуновского движения (fBm). Затем реализации масштабируются на три коэффициента масштабирования с использованием метода перенормировки. На следующем этапе грубые модели уточняются до количества блоков сетки точных моделей, чтобы отделить эффект потери неоднородности от числовой дисперсии.Ошибка потери неоднородности как точных, так и грубых моделей определяется кластерным методом (Ganjeh-Ghazvini et al. , 2015a). Реализации и соответствующие уточненные модели моделируются при заводнении при трех различных коэффициентах относительной проницаемости и подвижности. Погрешность характеристик потока затем получается путем сравнения карт насыщения точной и грубой моделей. Наконец, исследуется связь между ошибкой характеристик потока и потерей неоднородности, и на основе этого рекомендуется верхний предел огрубления для каждого анализа, за пределами которого теряется слишком много деталей.

2 Методология

Этот раздел предназначен для представления имитационной модели и методологии. Его можно проиллюстрировать четырьмя этапами: построение точной сетки, процесс апскейлинга, расчет потерь неоднородности на основе метода кластеризации и процесс моделирования. На рисунке 1 показаны шаги, используемые для анализа ошибок неоднородных потерь.

Рис. 1 Иллюстрация шагов, используемых для анализа погрешности потерь неоднородности.

2.1 Конструкция с мелкой сеткой

Первым шагом и предварительным условием любой процедуры моделирования является наличие надлежащей модели. Чтобы получить потерю неоднородности геологических карт, подходящей моделью для этого исследования является модель с высокой степенью неоднородности, которая позволяет нам точно измерить потерю неоднородности после процесса масштабирования.

Как уже упоминалось, неоднородность определяется различиями в значениях проницаемости. Для построения моделей на мелкой сетке используется двумерный метод fBm.С помощью дискретного преобразования Фурье можно создавать модели с мелкой сеткой; более подробную информацию о процедурах можно найти в (Ganjeh-Ghazvini et al. , 2015b; Hardy and Beier, 1994). FBm характеризуется спектром мощности карты, которая приведена ниже (Hardy and Beier, 1994; Rasaei and Sahimi, 2009): (5) где S ( ω ) — спектр мощности, a ( d ) — размерно-зависимая константа, ω _x и ω _y представляют угловую частоту в направлениях x и y соответственно. Значение H известно как показатель Херста или показатель перемежаемости. Когда H меньше 0,5, это подразумевает отрицательную корреляцию, что означает, что блоки с высокой и низкой проницаемостью находятся рядом друг с другом. В этой статье показатель степени был установлен на 0,2, чтобы создать очень неоднородную карту. Дисперсия — это еще один параметр, с помощью которого можно построить модель с высокой степенью неоднородности, поскольку по мере увеличения дисперсии также увеличивается разброс значений проницаемости и ее диапазон.Для построения карты с указанными свойствами использовалось нормальное логарифмическое распределение проницаемости со средним значением и дисперсией.

2.2 Процесс апскейлинга

Следовательно, чтобы преобразовать геологическую модель в имитационную, количество блоков сетки должно быть уменьшено путем «апскейлинга». Кинг (1989) описал технику перенормировки в реальном пространстве, основанную на электрической аналогии для расчета эффективной проницаемости гетерогенной среды. Алгоритм этого метода начинается с 2 ^nD блоков сетки.Где n и D определены как натуральные числа и размеры реализаций соответственно. Затем количество блоков сетки уменьшается до 2 ^{( n -1) D} блоков сетки. Эффективная проницаемость каждого нового перенормированного блока рассчитывается по формуле: (6) где: (7)

Процесс может повторяться до тех пор, пока не будет достигнуто желаемое количество блоков, в конечном итоге будет достигнут один единственный блок, как показано на рисунке 2.

Инжир.2 Алгоритм метода перенормировки.

2.3 Расчет потерь неоднородности на основе метода кластеризации

Числовая дисперсия и потеря неоднородности являются ошибками апскейлинга в этой модели. Чтобы отдельно исследовать потерю неоднородности, необходимо устранить числовую ошибку. Для этого блоки грубой сетки можно разделить на большее количество номеров (Sablok, Aziz, 2008). Ganjeh-Ghazvini et al. (2015a) представила модель Refined Upscaled (RU), в которой модель RU имеет тот же размер и количество блоков мелкой сетки, тогда как свойства этой модели берутся непосредственно из исходной грубой модели.Структура и свойства модели RU показаны на рисунке 3.

Ganjeh-Ghazvini et al. (2015a) представил кластерный метод расчета уровня потери неоднородности, называемый числом неоднородности. В основе этого метода лежит расположение и распределение значений проницаемости на карте. Далее следует краткое объяснение того, как определяется число неоднородности. Прежде всего, методом k -means значения проницаемости разделены на несколько подынтервалов, каждый из которых соответствует типу породы.В этом исследовании количество типов горных пород для любой реализации определялось из диаграммы Винланда (Tavakoli, 2018). Кластеры создаются из ряда соседних блоков сетки одного и того же типа породы. Два блока сетки являются соседями, если у них общий край или сторона в 2D или 3D пространстве соответственно. После определения кластеров коэффициент вариации каждого кластера определяется следующим образом: (8) где σ и μ — стандартное отклонение и среднее значение проницаемости, принадлежащих кластеру C _i .Число внутрикластерной неоднородности ( H _ac ) измеряет, насколько разные блоки сетки кластера, и определяется как: (9) где, A — это площадь модели. Различие между блоками сетки двух соседних кластеров характеризуется как межкластерная неоднородность. Интегрированный коэффициент вариации CV ( C _i , C _j ) определяется как: (10) где σ и μ — стандартное отклонение и среднее значение проницаемости. значения, принадлежащие набору.Число межкластерной неоднородности ( H _ec ) рассчитывается как: (11) где N — общее количество кластеров.

Число неоднородности ( Ht ) представляет собой сумму H _ac и H _ec : (12)

2.4 Процесс моделирования

Процесс закачки, который рассматривался в этом исследовании, представлял собой заводнение, выполняемое обычным коммерческим симулятором коллектора (Geoquest, 2010) и применяемое как к точным, так и к грубым моделям в одно и то же дискретное время.В процессе заводнения вода вытесняется, а нефть является вытесненной фазой.

Реализации были смоделированы в рамках двух различных и различных анализов:

1. Изучить влияние трех различных коэффициентов относительной проницаемости , т.е. 0,5, 1 и 2 на ошибку потери неоднородности.

2. Изучите влияние трех различных коэффициентов подвижности , т. Е. 0,1, 1 и 10, на ошибку потери неоднородности.

Карты насыщения для каждого анализа были подготовлены, затем ошибка насыщения была рассчитана путем обнаружения различий между эталонным распределением насыщенности и соответствующими картами распределения насыщенности для уточненных случаев в те же дискретные моменты времени.Среднеквадратичная ошибка (RMSE) — это параметр, который рассчитал эту разницу между двумя упомянутыми картами насыщенности: (13) где и — нефтенасыщенность в точной модели и уточненной модели с повышенным масштабом, соответственно. — общее количество блоков сетки в точной модели. Погрешность производительности потока определяется нормализованным среднеквадратичным отклонением (NRMSE) как Ganjeh-Ghazvini et al. (2015a) 🙁 14) где и S _wc представляют собой ожидаемую по объему среднюю нефтенасыщенность всех блоков сетки и сопряженную водонасыщенность, соответственно.

3 Имитационная модель

Для целей моделирования с помощью процесса fBm было создано 10 реализаций, которые были похожи по среднему значению и дисперсии, и различались по распределению и диапазону проницаемостей. Каждый из них содержал блоки сетки 320 × 320 × 1 размером 3,125 × 3,125 × 5 футов в x , y и z -направлениях соответственно. Нагнетательная и добывающая скважины с режимом скважины с постоянным дебитом были расположены в первом (северо-запад модели) и последнем блоках сетки (юго-восток модели) соответственно.Соотношение Кори использовалось для определения значений относительной проницаемости для нефти и воды (Corey, 1954): (15) (16)

Жидкости были несжимаемыми, и капиллярное давление считалось нулевым. Другие переменные, используемые при моделировании вытеснения нефть-вода, перечислены в таблице 1. На основе уравнений (15) и (16) и параметров, приведенных в таблице 1, кривая относительной проницаемости построена, как показано на рисунке 4.

Рис. 4 Кривая относительной проницаемости вода – нефть.

Таблица 1

Входные параметры для процесса моделирования.

Эталонные карты проницаемости были увеличены до различных коэффициентов апскейлинга , то есть , 4 (80 × 80), 8 (40 × 40) и 32 (10 × 10). На рисунке 5 показано распределение проницаемости для реализации с мелкой сеткой и соответствующая ей модель с крупной сеткой, созданная перенормировкой. После этого были подготовлены уточненные масштабированные модели для процесса моделирования и анализа потерь из-за неоднородности.Моделирование вытеснения нефть-вода было выполнено для моделей, и все они были смоделированы в течение указанного и равного количества дней, чтобы иметь приемлемое и точное сравнение. Количество дней определялось на основе времени прорыва реализаций, когда R _p и M равны 1. Количество дней моделирования коллектора не должно быть слишком маленьким, чтобы не произошло прорыва. модель с мелкой сеткой и не слишком высокая, чтобы вода поступала в эксплуатационную скважину уже давно.Карта нефтенасыщенности в моделях Fine и RU для одной из реализаций представлена ​​на Рисунке 6.

Рис. 5 Карта распределения проницаемости одной реализации в логарифмическом масштабе; (а) модель с мелкой сеткой 320 × 320; (б) грубая модель 80 × 80; (в) грубая модель 40 × 40; и (d) грубая модель 10 × 10.

Рис. 6 Карты распределения нефтенасыщенности тонкой и соответствующей уточненной масштабированной модели для одной из реализаций в день прорыва; Модель с мелкой сеткой 320 × 320 (а), (б) RU 80 × 80 , (в) RU 40 × 40 , (г) RU 10 × 10 .

4 Результаты и обсуждения

Как упоминалось ранее, существует тесная взаимосвязь между распределением жидкости в пористой среде и относительной проницаемостью и соотношением подвижности. В этом исследовании мы попытались изучить влияние различий относительной проницаемости, а затем одновременное влияние вязкости и относительной проницаемости, которые проявляются в соотношении подвижностей, на ошибку потери неоднородности во время процесса апскейлинга. Независимо от того, превышает ли коэффициент подвижности 1 или нет, ошибка потери неоднородности приводит к задержке времени прорыва воды (Muggeridge et al., 1991). Наиболее благоприятный режим вытеснения вытесненной фазы за счет вытеснения жидкости — это когда коэффициент подвижности меньше единицы ( M <1). Потому что в этом случае вода не может двигаться быстрее, чем масло, и перемещение осуществляется в стабильном и желательном поршневом режиме. Принимая во внимание, что если подвижность вытесняющей фазы больше, чем вытесненная ( M > 1), тогда вода движется быстрее, чем нефть, и, создавая каналы на пути потока, что называется аппликатурой, снижает эффективность вытеснения процесса заводнения относительно в поршневое состояние (Allen, Boger, 1988).В этом случае процесс затопления нестабилен и неоднородность усугубляет это явление. Из-за гомогенизации грубой модели, которая может сделать пальцы более гладкими и, как следствие, переднее отслеживание будет с некоторыми ошибками. Вязкая аппликатура подчеркивается наличием неоднородностей, например микроскопическая неоднородность (продольная дисперсия) и, в частности, макроскопическая неоднородность (трещины, образование каналов) (Tan and Homsy, 1992).

Следует отметить, что ошибка производительности потока (NRMSE) рассчитывается по картам насыщения после моделирования заводнения.Однако потеря неоднородности определяется на основании абсолютного несоответствия проницаемости между блоками и их соседями и / или кластерами. Можно сделать вывод, что NRMSE вычисляет динамическую ошибку, потому что она меняется со временем, в то время как значение ошибки потери неоднородности зависит только от карт распределения проницаемости в статическом положении, независимо от влияния этого распределения на поведение потока. Потери неоднородности могут быть рассчитаны в любой момент, когда составляется карта проницаемости (созданная с помощью процесса fBm).Однако NRMSE рассчитывается после процессов моделирования.

Анализ потери неоднородности приводит к представлению взаимосвязи между ошибкой производительности потока (NRMSE) и потерей неоднородности из-за апскейлинга на диаграмме, наклон которой представляет величину ошибки гомогенизации (Ganjeh-Ghazvini et al. , 2015a). Более точная грубая модель приводит к меньшей погрешности потерь неоднородности и меньшему наклону. Этот наклон дает нам представление о преимуществах метода апскейлинга для сохранения неоднородности по сравнению с другими методами.Кроме того, он также показывает, как этот метод ведет себя в различных условиях, включая свойства флюидов, такие как разница вязкости в вытесненной и вытесняющей фазах, и различные сценарии повышения нефтеотдачи, такие как полимерное заводнение, WAG и т. Д. модель, деленная на число неоднородностей уточненной масштабированной модели. Расчет этих чисел неоднородности объяснялся ранее.

4.1 Относительный коэффициент проницаемости

Относительный контраст проницаемости имеет большое влияние на распределение жидкости и направление жидкости к добывающим скважинам (Juanes et al., 2006). Разные величины были присвоены максимальным относительным проницаемостям (и), чтобы получить желаемый контраст относительной проницаемости, , то есть R _p . На основании уравнений (15) и (16) максимальная относительная проницаемость способствует получению значений относительной проницаемости. Если R _p > 1, это означает, что проницаемость для воды больше, чем для нефти, и, следовательно, проникновение воды распространяется в систему и обходит нефть для достижения эксплуатационной скважины.Для случая R _p <1, что означает, что водопроницаемость меньше, чем у нефти, и, следовательно, нефть вытесняется водой с благоприятным коэффициентом относительной проницаемости. В этом состоянии наблюдаемые фронты должны быть почти плоскими и поршневыми. Следует отметить, что наличие геологической неоднородности существенно влияет на вытеснение флюида и форму фронта паводка. Это благоприятное смещение по сравнению с R _p > 1 имеет заметную разницу в эффективности развертки, как показано на рисунке 7.

Рис.7 Сравнение карт нефтенасыщенности при R p = 0,5 (a, c, e и g) и R p = 2 (b, d, f и h), (а) и (б) модель с мелкой сеткой 320 × 320; (в) и (г) RU 80 × 80 ; (д) и (е) RU 40 × 40 ; (ж) и (з) RU 10 × 10 .

После процесса моделирования были определены ошибки карты насыщения. Как показано на Рисунке 7, максимальное расхождение между эталонной точной моделью и соответствующими моделями RU относится к блокам сетки, которые недавно прошел фронт наводнения, или блокам сетки вокруг фронта наводнения.По мере увеличения водонасыщенности в определенном блоке сетки соответствующая ошибка этого блока уменьшается. На лицевой стороне указано приблизительное положение большинства ошибок, которое меняется со временем. Значения NRMSE некоторых моделей (реализаций) RU показаны в таблице 2.

Таблица 2

Значения NRMSE некоторых уточненных моделей с повышенным масштабом при анализе контраста относительной проницаемости.

Чтобы выполнить анализ потерь неоднородности, NRMSE по сравнению с потерями из-за неоднородности был нанесен на график с координатами полулогарифмического типа.Ганже-Газвини (2019) предположил, что нелинейная тенденция между двумя упомянутыми параметрами, такими как квадратичный, кажется более подходящей, чем линейная форма. Фиг. 8 иллюстрирует квадрат корня из NRMSE в сравнении с ошибкой потери неоднородности для трех различных соотношений: R _p ; 0,5, 1 и 2. На основании таблицы 2 и рисунка 8, с уменьшением количества грубых ячеек, гомогенизация происходила в грубых моделях ячеек по сравнению с мелкомасштабной неоднородностью. Следовательно, чем больше коэффициент масштабирования, тем больше возникает ошибка потери неоднородности и NRMSE.При устранении неоднородности в грубых моделях поток не может распределяться по правильным путям, что приводит к большему количеству расхождений между картами насыщения и, как следствие, большему NRMSE. Наклоны для различных коэффициентов относительной проницаемости представлены на рисунке 8. Для случаев R _p > 1, R _p = 1 и R _p <1 Наклоны данных равны 0,0910, 0,0956 и 0,0996 соответственно.Наиболее поразительный результат, который можно вывести из данных, заключается в том, что ошибка R _p <1 больше, чем ошибка R _p = 1 и R _p > 1. Как уже упоминалось ранее, R _p > 1 имеет нестабильный передний и передний трекинг в этом случае более затруднен. Следовательно, ожидается, что наклон тренда для случая R _p <1 должен быть меньше, чем для случая R _p > 1.Эта аномалия может быть оправдана источником определения погрешности производительности потока, сравнением карты S _o тонкой и соответствующей модели RU и, в конечном итоге, концепцией насыщения фазы вытеснения в передней части.

Рис. 8 График потери неоднородности при (а) R p > 1; (б) R p = 1; и (c) R p <1.

Для разумного объяснения поведения ошибки при указанных соотношениях мы исследовали источник ошибки. При анализе потерь из-за неоднородности ошибка производительности потока описывается NRMSE, которая является функцией RMSE. RMSE (уравнение (13)) определяется на основе средней разницы значений насыщенности между моделями Fine и RU. Сравнение карт насыщенности кажется полезным. На рисунке 9 показаны карты разницы нефтенасыщенности между мелкой моделями и моделями RU, показанными на рисунке 7.Из приведенного диапазона ошибок можно увидеть, что в некоторых областях фронт в моделях RU был оценен впереди (положительные значения) или позади (отрицательные значения) точного местоположения фронта. Эти вариации зависят от положения блоков относительно переднего положения. Следовательно, блоки сетки не имеют одинакового вклада в ошибку.

Рис.9 Карты разницы нефтенасыщенности между моделями Fine и RU при R p = 0.5 (a, c и e) и R p = 2 (b, d и f), (a) и (b) между моделью с мелкой сеткой и RU 80 × 80 ; (в) и (г) между моделью с мелкой сеткой и RU 40 × 40 ; (e) и (f) между моделью с мелкой сеткой и RU 10 × 10 .

Как показано на Рисунке 9, с небольшой неточностью переднего расположения на моделях RU, произошла большая разница в насыщении, что привело к большой ошибке производительности потока. Эта ошибка может быть более значительной, особенно при наличии высокого насыщения вытесняющей фазы спереди ( S _Df ).Продвинутая фронтальная теория была введена Бакли и Левереттом (1942) для объяснения механизма вытеснения жидкости в коллекторах из песчаника. Пренебрегая силами тяжести и перепадами капиллярного давления в горизонтальной системе, долю вытесняющей жидкости можно вычислить по уравнению (17) 🙁 17) где f _D — это фракционный поток вытесняющей фазы.

Доступны диаграммы относительной проницаемости для всех трех соотношений, на основе этих диаграмм и уравнения (17) были рассчитаны фракционные потоки воды, f _w , и их изменения показаны на рисунке 10.В свете теории фронтального продвижения можно увидеть, почему реализации с R _p <1 страдают от более высоких значений NRMSE, чем у R _p > 1. При увеличении в R _p диаграмма f _w смещается вправо. Следовательно, фракционный поток воды спереди ( f _wf ) и пропорционально S _wf уменьшаются.В случае R _p = 0,5 с наибольшим S _wf , небольшой сбой в переднем расположении может вызвать значительную ошибку. Принимая во внимание, что для R _p = 2, хотя потеря неоднородности и вязкая аппликатура приводят к объединению против обнаружения переднего местоположения, более низкий S _wf приводит к меньшему наклону в результате меньших значений NRMSE. .

Инжир.10 Зависимость фракционного расхода от насыщения для анализа относительной проницаемости с тремя различными отношениями: R p .

Одна из основных проблем любого инженера-нефтяника при моделировании коллектора — это подходящий выбор для типа или уровня апскейлинга. Степень укрупнения не может быть слишком высокой из-за потери деталей, например неоднородности и числового разброса. Кроме того, моделирование геологической модели с мелкой сеткой или модели с очень низким коэффициентом масштабирования будет непрактичным и трудоемким с учетом будущих сценариев, а также аппаратных ограничений.Основываясь на соотношении между квадратным корнем из NRMSE и ошибкой потерь из-за неоднородности, верхний предел укрупнения может быть получен из наклона каждого отношения при условии, что числовая дисперсия достаточно мала. Таким образом, используется заранее известное значение NRMSE, которое является приемлемым значением ошибки с точными результатами в грубых моделях. Верхний предел укрупнения является приблизительным значением (как и в этом исследовании, эффект числовой ошибки устраняется для изучения поведения потери неоднородности), если числовая дисперсия не будет очень маленькой и / или каким-либо образом не уменьшится, или общая ошибка апскейлинга не будет иметь было сокращено из-за противоположного характера этих двух типов ошибок (Preux, 2016; Sablok and Aziz, 2008).Чтобы получить разумный результат, NRMSE не должен превышать 0,085 (Ganjeh-Ghazvini et al. , 2015a). Основываясь на наклонах, показанных на рисунке 8, и критическом значении NRMSE, результаты грубой модели заслуживают доверия, если соотношение не превышает 1598, 1121 и 845 для R _p = 2, R _p = 1 и R _p = 0,5 соответственно. Такой подход дает нам критический коэффициент потерь от неоднородности, а не количество блоков сетки или их размер.Для точных моделей используется несколько различных коэффициентов масштабирования, наиболее подходящим является грубый блок, который имеет наибольшее число потерь неоднородности до достижения критического значения. Более ошибочные результаты получаются при относительной проницаемости меньше единицы. Следовательно, чем ближе форма передней части к форме поршня, тем больше ошибок, а также тем меньше становится оптимальная величина коэффициента апскейлинга. Для точного моделирования в водо-влажных коллекторах, где относительная проницаемость по воде меньше, чем относительная проницаемость по нефти, либо блоки крупной сетки должны быть достаточно маленькими, либо для целей апскейлинга используется более надежный метод.

4.2 Коэффициент мобильности

Еще одним параметром, который может существенно повлиять на распределение потока, является коэффициент подвижности. Для изучения влияния коэффициента подвижности на ошибку потери неоднородности были рассмотрены три различных соотношения, включая M = 10, 1 и 0,1. Для M = 10 ( M > 1) подвижность вытесняющей фазы (воды) в 10 раз больше, чем вытесненной фазы (нефти). Таким образом, вода очень скоро достигнет продуктивной скважины, минуя нефть, что обеспечит недельную эффективность очистки.В этом случае потеря неоднородности и вязкая аппликатура вместе вызвали значительную ошибку из-за неспособности следовать точному фронту наводнения точной модели. При соотношении M = 0,1 вытесняющая фаза выталкивала нефть в добывающую скважину со значительной эффективностью вытеснения. Переднее отслеживание намного проще, как показано на рисунке 11.

Рис.11 Сравнение карт нефтенасыщенности на M = 0,1 (a, c, e и g) и M = 10 (b, d, f и h), (a) и (b) 320 × 320 модель с мелкой сеткой; (в) и (г) RU 80 × 80 ; (д) и (е) RU 40 × 40 ; (ж) и (з) RU 10 × 10 .

Для определения ошибки потери неоднородности, на которую влияют различные значения коэффициента подвижности, было выполнено моделирование заводнения. Затем был рассчитан NRMSE путем сравнения значений нефтенасыщенности тонкой и уточненной масштабированной модели. Результаты представлены в Таблице 3. Наконец, квадратный корень из NRMSE () против потерь неоднородности для всех коэффициентов апскейлинга и коэффициентов мобильности нанесен на полулогарифмический график, как показано на рисунке 11.Значения NRMSE в таблице 3 и на рисунке 12 показывают, что увеличение коэффициента подвижности приводит к уменьшению ошибки рабочих характеристик потока. Между тем, ожидается прямо противоположная тенденция. Карты распределения ошибок показаны на рисунке 13.

Рис. 12 График потери неоднородности при (а) M > 1; (б) M = 1; (c) M <1.

Инжир.13 Карты разницы нефтенасыщенности между моделями Fine и RU при M = 0,1 (a, c и e) и M = 10 (b, d и f), (a) и (b) между мелкой сеткой модель и RU 80 × 80 ; (в) и (г) между моделью с мелкой сеткой и RU 40 × 40 ; (e) и (f) между моделью с мелкой сеткой и RU 10 × 10 .

Таблица 3

Значения NRMSE некоторых уточненных моделей с повышенным масштабом при анализе коэффициента мобильности.

Относительный расход воды в зависимости от водонасыщенности показан на Фигуре 14 таким же образом, как объяснено в предыдущем разделе.Как обсуждалось ранее, на основе теории фронтального продвижения поведение ошибки может быть оправдано, как показано на рисунке 14. Далее, в соответствии с наклонами каждого отношения, показанного на рисунке 12, и критическим значением NRMSE, отношение правильной грубой модели для проектов развития не должно превышать от 20 855, 1887 и 1511 для M = 10, M = 1 и M = 0,1 соответственно. Количество блоков сетки не может быть получено непосредственно из этого подхода, потому что он дает нам коэффициент потерь неоднородности, но на основе этого значения может быть легко получено надлежащее количество блоков грубой сетки.Знание о влиянии свойств флюида на ошибки апскейлинга полезно при реализации более эффективного метода апскейлинга в более чувствительных коллекторах. Особое внимание следует уделять поршневым водяным фронтам, другими словами, резервуарам с M <1. Для достижения заданного коэффициента потерь неоднородности необходимо либо манипулировать его коэффициентом масштабирования, либо использовать более эффективный метод масштабирования.

Рис. 14 Зависимость фракционного расхода от насыщения для анализа относительной проницаемости с тремя различными отношениями M .

5 Заключение

В этой статье мы исследовали влияние относительной проницаемости, контраста и коэффициента подвижности на ошибку потери неоднородности из-за процесса апскейлинга. Основные выводы можно резюмировать следующим образом:

1. Путем сравнения карт нефтенасыщенности мелких и соответствующих уточненных моделей с повышенным масштабом становится ясно, что большая часть NRMSE происходит в блоках вблизи фронта. По мере того, как фронт проходит через блоки, ошибка увеличивается, а при удалении от них на некотором расстоянии ошибка уменьшается.Этот результат подтверждает, что метод неравномерного огрубления, который изменяется со временем, может способствовать продвижению точного отслеживания фронта.

2. Результаты показывают, что ошибка потерь неоднородности более значительна, когда относительный коэффициент проницаемости меньше единицы ( R _p <1). Как следствие, уровень апскейлинга для резервуаров, которые имеют более низкую относительную проницаемость вытесняющей фазы, чем вытесненная (например, это может происходить в пластах с благоприятной смачиваемостью для вытесняющей фазы), должен быть достаточно низким.Или следует использовать более мощный метод масштабирования, чтобы ошибка не превышала критического значения.

3. Характеристика влияния таких параметров, как относительная проницаемость и коэффициент подвижности, имеет важное значение для нашего лучшего понимания оптимального уровня процесса апскейлинга. В коллекторах тяжелой нефти с масляно-смачиваемой природой, где нефть не может быть легко вытеснена в форме поршня с коэффициентом подвижности более единицы, чувствительность к выбору крупных размеров блоков сетки меньше.В результате прогнозы добычи можно делать с большой экономией времени и с приемлемым уровнем точности. По сравнению с ними, резервуары с легкой нефтью, смоченные водой, более чувствительны, поэтому следует более осторожно подходить к выбору уровня масштабирования и / или использованию более мощного метода масштабирования. В процессах увеличения нефтеотдачи, таких как закачка полимера, в которых M меньше единицы, а передняя часть похожа на поршень, по сравнению с закачкой более легкой жидкости, следует использовать более надежный метод масштабирования или меньший коэффициент масштабирования.

Список литературы

• Орнес Дж. Э., Киппе В., Ли К. А. (2005) Смешанные многомасштабные методы конечных элементов и линий тока для моделирования резервуаров больших геомоделей, Adv. Водный ресурс. 28, 3, 257–271. DOI: 10.1016 / j.advwatres.2004.10.007. [Google Scholar]
• Алаберт Ф.Г., Модот В. (1992) Стохастические модели неоднородности коллектора: влияние на связность и среднюю проницаемость, в: 67-я ежегодная техническая конференция и выставка Общества инженеров-нефтяников, состоявшаяся в Вашингтоне, округ Колумбия, 4–7 октября 1992 г., стр. 355–370. DOI: 10.2118 / 24893-MS. [Google Scholar]
• Аллен Э., Богер Д.В. (1988) Влияние реологических свойств на контроль подвижности при заводнении с добавлением полимеров, в: 63-я ежегодная техническая конференция и выставка Общества инженеров-нефтяников, состоявшаяся в Хьюстоне, Техас, 2–5 октября 1988 г., стр. 449–456. DOI: 10.2118 / 18097-MS. [Google Scholar]
• Аронофски Дж.S. (1952) Коэффициент мобильности — его влияние на характер паводков во время вторжения в воду, J. Pet. Technol. 4, 1, 15–24. DOI: 10.2118 / 132-g. [CrossRef] [Google Scholar]
• Артус В., Ноетингер Б. (2004) Масштабирование двухфазного потока в гетерогенных коллекторах: современные тенденции, Oil Gas Sci. Technol. — Rev. IFP Energies nouvelles 59, 2, 185–195. [CrossRef] [Google Scholar]
• Одигане П., Блант М.Дж. (2004) Метод двойной сетки для апскейлинга при моделировании заводнения, Transp. Пористая среда 55, 1, 71–89. DOI: 10.1023 / B: TIPM.0000007309.48913.d2. [Google Scholar]
• Баркер Дж. У., Тибо С. (1997) Критический обзор использования псевдореляционных проницаемостей для апскейлинга, SPE Reserv.Англ. 12, 2, 138–143. DOI: 10.2118 / 35491-PA. [CrossRef] [Google Scholar]
• Бакли С.Э., Леверетт М. (1942) Механизм вытеснения жидкости в песках, Пер. AIME 146, 1, 107–116. DOI: 10.2118 / 942107-g. [Google Scholar]
• Чен З. (2007) Моделирование коллектора: математические методы добычи нефти, Общество промышленной и прикладной математики, Калгари, Альберта, Канада, стр.1–6. DOI: 10.1137 / 1.9780898717075.ch2. [Google Scholar]
• Чен Ю., Дурлофски Л.Дж. (2006) Адаптивное локально-глобальное масштабирование для общих сценариев потока в неоднородных пластах, Transp. Пористые среды 62, 157–185. DOI: 10.1007 / s11242-005-0619-7.[Google Scholar]
• Кристи М.А. (1996) Апскейлинг для моделирования коллектора, J. ​​Pet. Technol. 48, 11, 1004–1010. DOI: 10.2118 / 37324-JPT. [CrossRef] [Google Scholar]
• Кристи М.A., Wallstrom T.C., Durlofsky L.J., Sharp D.H., Zou Q. (2007) Граничные условия эффективной среды при апскейлинге, Технический отчет Лос-Аламосской национальной лаборатории LA-UR-00-2804. DOI: 10.3997 / 2214-4609.201406146. [Google Scholar]
• Колеккио И., Бошан А., Отеро А.Д., Ноетингер Б. (2020) О многомасштабной характеристике эффективной гидравлической проводимости в случайных гетерогенных средах: исторический обзор и некоторые новые перспективы, Adv. Водный ресурс. 140, 103594. DOI: 10.1016 / j.advwatres.2020.103594. [Google Scholar]
• Кори А.Т. (1954) Взаимосвязь между газовыми и нефтяными относительными проницаемостями, Prod. Пн. 19, 1, 38–41. [Google Scholar]
• Дарман Н.Х., Пикап Г.Е., Сорби К.С. (2002) Сравнение двухфазных динамических методов апскейлинга, основанных на потенциалах жидкости, Comput.Geosci. 6, 1, 5–27. DOI: 10.1023 / А: 10165722. [Google Scholar]
• Dasheng Q. (2010) Степень апскейлинга в сравнении с потерей информации при апскейлинге пласта, Пет. Sci. Technol. 28, 12, 1197–1202. DOI: 10.1080 / 1007865. [Google Scholar]
• Дойч К., Журнел А. (1998) GSLIB Geostatistical Software Library and User’s Guide Second Edition, Oxford University Press. [Google Scholar]
• Дурлофски Л.Дж. (1998) Грубомасштабные модели двухфазного потока в гетерогенных коллекторах: уравнения усредненного объема и их связь с существующими методами апскейлинга, Comput.Geosci. 2, 73–92. [Google Scholar]
• Дурлофски Л.Дж. (2003) Апскейлинг геоэлементных моделей для моделирования потока коллектора: обзор последних достижений, в: 7-й Международный форум по моделированию коллектора Буль / Баден-Баден, Германия, 23–27 июня 2003 г., стр.1–58. [Google Scholar]
• Дурлофски Л.Дж. (2005) Апскейлинг и сетка мелкомасштабных геологических моделей для моделирования потока, в: 8-й Международный форум по моделированию коллектора Iles Borromees, Стреза, Италия, стр. 1–59. [Google Scholar]
• Даттон С.П., Фландерс В.А., Бартон М.Д. (2003) Характеристика коллектора пермского глубоководного песчаника, месторождение Ист-Форд, бассейн Делавэр, Техас, Am. Доц. Домашний питомец. Геол. Бык. 87, 4, 609–627. DOI: 10.1306 / 10100201085. [Google Scholar]
• Красители А.Б., Кодл Б.Х., Эриксон Р.А. (1954) Добыча нефти после прорыва под влиянием коэффициента подвижности, J. Pet. Technol. 6, 4, 27–32. DOI: 10.2118 / 309-g. [CrossRef] [Google Scholar]
• Итон Т.T. (2006) О важности геологической неоднородности для моделирования потока, Отложения. Геол. 184, 3–4, 187–201. DOI: 10.1016 / j.sedgeo.2005.11.002. [CrossRef] [Google Scholar]
• Эртекин Т., Абу-Кассем Дж., Кинг Дж. (2001) Базовое прикладное моделирование коллектора, в: А. Спивак, Дж. Э. Киллоу (редакторы), SPE, Ричардсон, Техас, стр. 1–8. [Google Scholar]
• Ганже-Газвини М. (2019) Влияние контраста вязкости на ошибку потери неоднородности при апскейлинге геологических моделей, J.Домашний питомец. Sci. Англ. 173, 681–689. DOI: 10.1016 / j.petrol.2018.10.061. [Google Scholar]
• Ganjeh-Ghazvini M., Masihi M., Baghalha M. (2015a) Влияние искажения информации о связности на точность масштабированных моделей при добыче нефти путем закачки CO ₂ , Greenh.Gases Sci. Technol. 6, 339–351. DOI: 10.1002 / ghg. [CrossRef] [Google Scholar]
• Ганже-Газвини М., Масихи М., Багалха М. (2015b) Изучение потери неоднородности при масштабировании геологических карт путем введения числа неоднородности на основе кластеров, Physica A 436, 1–13. DOI: 10.1016 / j.physa.2015.05.010. [Google Scholar]
• Готье Ю., Noetinger B. (1997) Обнаружение предпочтительных путей потока для неоднородных коллекторов с использованием новой техники перенормировки, Transp. Пористая среда 26, 1, 1–23. [Google Scholar]
• Готье Ю., Блант М.Дж., Кристи М.А. (1999) Вложенная сетка и моделирование на основе линий тока для быстрого прогнозирования производительности коллектора, Comput.Geosci. 3, 3–4, 295–320. DOI: 10,2523 / 51931 мс. [Google Scholar]
• Геоквест. (2010) Справочное руководство Eclipse 100, Schlumberger. [Google Scholar]
• Харди Х.Х., Байер Р.А. (1994) Фракталы в разработке месторождений, World Scientific. [CrossRef] [Google Scholar]
• Хьюитт Т.A. (1986) Фрактальные распределения неоднородности коллектора и их влияние на перенос жидкости, в: 61-я ежегодная техническая конференция и выставка Общества инженеров-нефтяников, Нью-Орианс, Лос-Анджелес, 5–8 октября 1986 г. doi: 10.2118 / 15386- РС. [Google Scholar]
• Холден Л., Nielsen B.F. (2000) Глобальное масштабирование проницаемости в неоднородных коллекторах; метод наименьших квадратов вывода (OLS), Transp. Пористая среда 40, 2, 115–143. DOI: 10,1023 / А: 1006657515753. [Google Scholar]
• Хуанес Р., Спитери Э.J., Orr F.M., Blunt M.J. (2006) Влияние гистерезиса относительной проницаемости на геологическое хранилище CO ₂ , Water Resour. Res. 42, 12, 1–13. DOI: 10.1029 / 2005WR004806. [Google Scholar]
• Карими-Фард М., Дурлофски Л.Дж. (2016) Общая методология построения сеток, дискретизации и укрупнения для моделирования потока в пористых формациях с дискретными геологическими особенностями, Adv.Водный ресурс. 96, 354–372. DOI: 10.1016 / j.advwatres.2016.07.019. [Google Scholar]
• King P.R. (1989) Использование перенормировки для расчета эффективной проницаемости, Transp. Пористая среда 4, 1, 37–58. DOI: 10.1007 / BF00134741. [Google Scholar]
• Кайт Дж.Р., Берри Д.В. (1975) Новые псевдофункции для управления числовой дисперсией, Soc. Домашний питомец. Англ. AIME J. 15, 4, 269–276. DOI: 10.2118 / 5105-pa. [CrossRef] [Google Scholar]
• Ляо К., Лей Г., Чжан Д., Патил С. (2019) Аналитическое решение для увеличения гидравлической проводимости в анизотропных гетерогенных пластах, Adv. Водный ресурс. 128, 97–116. DOI: 10.1016 / j.advwatres.2019.04.011. [Google Scholar]
• Маттай С.К., Ник Х.М. (2009) Повышение уровня двухфазного потока в коллекторах с естественной трещиноватостью, Am. Доц. Домашний питомец. Геол. Бык. 93, 11, 1621–1632. DOI: 10.1306 / 080305. [Google Scholar]
• Мисагян Н., Ассаре М., Садеги М.Т. (2018) Подход к апскейлингу с использованием адаптивного апгридинга с несколькими разрешениями и автоматической корректировки относительной проницаемости, Comput.Geosci. 22, 1, 261–282. DOI: 10.1007 / s10596-017-9688-2. [Google Scholar]
• Маггеридж А.Х., Лейк Л.В., Кэрролл Х. Б., Вессон Т.С. (1991) Создание эффективных относительных проницаемостей на основе детального моделирования потока в неоднородных пористых средах, в: Характеристики коллектора II, стр.197–225. [CrossRef] [Google Scholar]
• Маскат М.(1938) Течение однородных жидкостей через пористую среду, Почвоведение. 46, 2, 169. [Google Scholar]
• Нётингер Б., Артус В., Рикард Л. (2004) Динамика фронта вода — нефть для двухфазного несмешивающегося потока в гетерогенных пористых средах.2 — изотропная среда, трансп. Пористые среды 56, 3, 305–328. [Google Scholar]
• Peaceman D.W. (1997) Эффективные проницаемости блока сетки путем апскейлинга — Сравнение прямых методов с перенормировкой, SPE J. 2, 3, 338–349.DOI: 10.2118 / 36722-PA. [CrossRef] [Google Scholar]
• Пикап G.Э., Рингроуз П.С., Корбетт П.У.М., Дженсен Дж.Л., Сорби К.С. (1995) Геология, геометрия и эффективный поток, Пет. Geosci. 1, 1, 37–42. DOI: 10.1144 / petgeo.1.1.37. [CrossRef] [Google Scholar]
• Preux C.(2011) Исследование критериев оценки для масштабирования резервуаров, в: 73-я конференция и выставка EAGE, объединяющая SPE EUROPEC, Вена, Австрия, 23–26 мая. DOI: 10.3997 / 2214-4609.20149454. [Google Scholar]
• Preux C. (2016) Об использовании показателей качества для уменьшения потери информации при выполнении апскейлинга, Oil Gas Sci.Technol. — Rev. d’IFP Energies nouvelles 71, 1, 7. doi: 10.2516 / ogst / 2014023. [CrossRef] [Google Scholar]
• Preux C., Ле Равалек М., Эншери Г. (2016) Выбор соответствующей увеличенной модели коллектора на основе анализа связности, Oil Gas Sci. Technol. — Rev. d’IFP Energies nouvelles 71, 5, 60. doi: 10.2516 / ogst / 2016015. [CrossRef] [Google Scholar]
• Ци Д., Хескет Т. (2004) Количественная оценка потери информации при апскейлинге пласта, Пет. Sci. Technol. 22, 11–12, 1625–1640. DOI: 10,1081 / LFT-200027875. [Google Scholar]
• Расаеи М.Р., Сахими М. (2009) Повышение проницаемости с помощью многомасштабных вейвлет-преобразований и моделирования многофазных потоков в гетерогенных пористых средах, Вычислительные системы.Geosci. 13, 2, 187–214. DOI: 10.1007 / s10596-008-9111-0. [Google Scholar]
• Ренар П., де Марсили Г. (1997) Расчет эквивалентной проницаемости: обзор, Adv. Водный ресурс. 20, 253–278. [Google Scholar]
• Саблок Р., Азиз К. (2008) Ошибки апскейлинга и дискретизации при моделировании коллектора, Пет. Sci. Technol. 26, 1161–1186. DOI: 10.1080 / 100701833863. [Google Scholar]
• Санчес-Вила X., Гуаданьини А., Каррера Дж. (2006) Типичная гидравлическая проводимость в потоке насыщенных грунтовых вод, Rev.Geophys. 44, 1–46. DOI: 10.1029 / 2005RG000169. [Google Scholar]
• Spiteri E.J., Juanes R. (2006) Влияние гистерезиса относительной проницаемости на численное моделирование закачки WAG, J. Pet. Sci. Англ. 50, 2, 115–139. DOI: 10.1016 / j.petrol.2005.09.004. [Google Scholar]
• Стединджер Дж. Р., Суле Б. Ф., Лоукс Д. П. (1984) Модели стохастического динамического программирования для оптимизации работы коллектора, Водные ресурсы. Res. 20, 11, 1499–1505. DOI: 10.1029 / WR020i011p01499.[Google Scholar]
• Тан К.Т., Хомси Г.М. (1992) Вязкая аппликатура с неоднородностью проницаемости, Phys. Жидкости А 4, 6, 1099–1101. DOI: 10,1063 / 1.858227. [CrossRef] [Google Scholar]
• Таваколи В.(2018) Типирование пород, в: Применение анализа геологического керна для определения характеристик коллектора, стр. 85–99. [CrossRef] [Google Scholar]
• Тиле М.Р., Рао С.Е., Блант М.Дж. (1996) Количественная оценка неопределенности в характеристиках пласта с использованием трубок потока, Math. Геол. 28, 7, 843–856. DOI: 10.1007 / BF02066004. [Google Scholar]
• Чжан П., Пикап Г.Э., Стивен К.Д., Ма Дж., Кларк Дж. Д. (2005) Многоступенчатое масштабирование: выбор подходящих методов, Transp.Пористая среда 58, 191–216. DOI: 10.1007 / 1-4020-3604-3_10. [Google Scholar]

Все таблицы

Таблица 1

Входные параметры для процесса моделирования.

Таблица 2

Значения NRMSE некоторых уточненных моделей с повышенным масштабом при анализе контраста относительной проницаемости.

Таблица 3

Значения NRMSE некоторых уточненных моделей с повышенным масштабом при анализе коэффициента мобильности.

Все рисунки

	Рис. 1 Иллюстрация шагов, используемых для анализа погрешности потерь неоднородности.
По тексту

	Рис. 5 Карта распределения проницаемости одной реализации в логарифмическом масштабе; (а) модель с мелкой сеткой 320 × 320; (б) грубая модель 80 × 80; (в) грубая модель 40 × 40; и (d) грубая модель 10 × 10.
По тексту

	Рис. 6 Карты распределения нефтенасыщенности тонкой и соответствующей уточненной масштабированной модели для одной из реализаций в день прорыва; Модель с мелкой сеткой 320 × 320 (а), (б) RU 80 × 80 , (в) RU 40 × 40 , (г) RU 10 × 10 .
По тексту

	Рис.7 Сравнение карт нефтенасыщенности при R p = 0.5 (a, c, e и g) и R p = 2 (b, d, f и h), (a) и (b) модель с мелкой сеткой 320 × 320; (в) и (г) RU 80 × 80 ; (д) и (е) RU 40 × 40 ; (ж) и (з) RU 10 × 10 .
По тексту

	Рис. 8 График потери неоднородности при (а) R p > 1; (б) R p = 1; и (c) R p <1.
По тексту

	Рис.9 Карты разницы нефтенасыщенности между моделями Fine и RU при R p = 0,5 (a, c и e) и R p = 2 (b, d и f) ), (а) и (б) между моделью с мелкой сеткой и RU 80 × 80 ; (в) и (г) между моделью с мелкой сеткой и RU 40 × 40 ; (e) и (f) между моделью с мелкой сеткой и RU 10 × 10 .
По тексту

	Рис. 10 Зависимость фракционного потока от насыщения для анализа относительной проницаемости с тремя различными отношениями R p .
По тексту

	Рис.11 Сравнение карт нефтенасыщенности на M = 0,1 (a, c, e и g) и M = 10 (b, d, f и h), (a) и (b) 320 × 320 модель с мелкой сеткой; (в) и (г) RU 80 × 80 ; (д) и (е) RU 40 × 40 ; (ж) и (з) RU 10 × 10 .
По тексту

	Рис.13 Карты разницы нефтенасыщенности между моделями Fine и RU при M = 0,1 (a, c и e) и M = 10 (b, d и f), (a) и (b) между модель с мелкой сеткой и RU 80 × 80 ; (в) и (г) между моделью с мелкой сеткой и RU 40 × 40 ; (e) и (f) между моделью с мелкой сеткой и RU 10 × 10 .
По тексту

	Инжир.14 Зависимость фракционного расхода от насыщения для анализа относительной проницаемости с тремя различными отношениями M .
По тексту

Заводнение

— AAPG Wiki

Справочное руководство по геологии разработки
серии	Методы разведки
Деталь	Методы разработки месторождений
Глава	Заводнение
Автор	А.М. Сэм Сарем
Ссылка	Веб-страница
Магазин	Магазин AAPG

Заводнение — это процесс, используемый для закачки воды в нефтеносный пласт для поддержания давления, а также для вытеснения и добычи нефти после (или иногда раньше) достижения экономического предела добычи. Это достигается за счет вытеснения нефти и свободного газа водой. При заводнении вода закачивается в одну или несколько нагнетательных скважин, в то время как нефть добывается из окружающих добывающих скважин, расположенных в соответствии с желаемыми схемами.В отрасли используется множество различных схем заводнения, наиболее распространенные из которых показаны на Рисунке 1.

Быстрая оценка восстановления заводнения

• Рисунок 1 Шаблоны затопления. ^[1]

• Рис. 3 Эффективность вертикальной развертки (охват) как функция WOR, M и изменения проницаемости ( V _DP ), где WOR = 5. ^[2]

• Рис. 4 Эффективность вертикальной развертки (охват) как функция WOR, M и изменения проницаемости ( V _DP ), где WOR = 0,1. ^[2]

• Рис. 5 Влияние коэффициента подвижности на добычу нефти для пятиточечной схемы. ^[1]

• Рис. 6 Влияние направленной проницаемости на эффективность развертки для анизотропов различной степени проницаемости при коэффициенте подвижности флюида, равном 1. ^[3]

Общий выход ( E _R ) является продуктом эффективности вытеснения ( E _D ), эффективности проникновения или вертикальной развертки ( E _V ) и эффективности схемы или площади ( E _P ).

где

• E _R = общее извлечение (доля извлеченной первоначальной нефти на месте)
• E _D = эффективность вытеснения или объем вытесненной нефти, деленный на общий объем нефти (фракция)
• E _V = эффективность по вертикали или проникновению (доля вертикальной части коллектора, контактирующая с нагнетаемой жидкостью)
• E _P = эффективность рисунка или рисунок, охватываемый общей площадью рисунка

Эффективность вытеснения является функцией остаточной нефтенасыщенности ( S _или ) зоны охвата.Следующее уравнение дает коэффициент вытеснения как функцию S _или и промежуточной (неснижаемой) водонасыщенности ( S _wi ):

где

• S _или = насыщенность остаточной нефти (фракция)
• S _wi = насыщение невосстанавливаемой воды (фракция)

Эффективность вытеснения зависит от отношения вязких сил к капиллярным или от капиллярного числа.В процессах улучшенного восстановления межфазное натяжение между нефтью и водой снижается, чтобы улучшить капиллярное число. ^[4]

Эффективность вертикальной развертки является функцией вертикальной неоднородности (расслоения) и коэффициента подвижности ( M ). Определенный здесь коэффициент подвижности представляет собой отношение относительной проницаемости для воды при S _или ( k _rw ) к относительной проницаемости нефти при S _wi , умноженное на вязкость нефти и воды. соотношение ( μ _o / μ _w ), выраженное в следующем уравнении:

где

• M = коэффициент подвижности, или отношение относительной проницаемости по воде при S _или , деленное на относительную проницаемость нефти при S _wi , умноженную на отношение вязкости нефть-вода
• k _rw = относительная проницаемость воды
• k _ro = относительная проницаемость нефти
• μ _o = вязкость масла
• μ _w = вязкость воды

Вертикальная неоднородность чаще всего описывается вариацией проницаемости Дикстра-Парсонса ( V _{DPdrill pipe} ), определяемой как отношение стандартного отклонения проницаемости различных слоев ( σ ) к средней проницаемости. (), как указано в следующем уравнении:

где

• V _{DPСверлильная труба} = изменение проницаемости по Дикстра-Парсонсу
• k = абсолютная проницаемость
• = средняя проницаемость или сумма проницаемостей, деленная на количество проницаемостей

На практике изменение проницаемости определяется путем расположения проницаемостей в порядке убывания и определения значений в процентах больше для каждой проницаемости.Из графика k против процента больше, чем на листе логарифмического графика вероятности (как показано на рисунке 2), считываются значения k при 50% и k при 84,1%, и V _{DPdrill труба} определяется следующим образом:

Dykstra и Parsons ^[2] опубликовали диаграммы для определения эффективности вертикальной развертки ( V _D ) или соответствия на основе отношения подвижности и изменения проницаемости, как показано для WOR = 5 и 0.1 на рисунках 3 и 4 соответственно.

Эффективность схемы зависит от ранее определенного коэффициента подвижности, схемы заводнения и заданной обводненности. На рис. 5 показана зависимость эффективности рисунка от коэффициента подвижности и обводненности для пятиточечного рисунка. Craig ^[1] показывает аналогичные графики для нескольких других распространенных паттернов.

Здесь уместно сделать предостережение. Знание направленной проницаемости может иметь решающее значение при размещении форсунок.Форсунки всегда должны быть выровнены в направлении максимальной проницаемости. Как показано на рисунке 6, бурение с заполнением может поворачивать структуру потока и в некоторых случаях может снизить эффективность охвата площади, как показано на этом рисунке для случая с пятью точками и линейным приводом. Как показано, чувствительность эффективности охвата к соотношению максимальной и минимальной площадной проницаемости сильно зависит от того, находится ли максимальная проницаемость в направлении нагнетания в нагнетательные скважины или нагнетания в добывающие скважины.

Пример оценки извлечения заводнения :

Оценить общий выход из пятиточечного заводнения для следующих случаев:

Чемодан	VDP	млн	WOR
1	0,7	3	0,1
2	0,7	1,5	0,1
3	0,5	1.5	0,1
4	0,7	3	5
5	0,5	3	5

Прочие объекты недвижимости:

• k _rw при S _или = 0,2
• k _ro at S _wi = 0,95
• μ _o = 10 сП при пластовой температуре
• μ _w = 0.7 сП при пластовой температуре
• S _или = 0,30
• S _wi = 0,28

Решение :

Остальные решения приведены в следующей таблице:

Чемодан	VDP	млн	WOR	ED	EV	EP	ER
1	0.7	3	0,1	0,583	0,06	0,57	0,02
2	0,7	1,5	0,1	0,583	0,09	0,61	0,03
3	0,5	1,5	0,1	0,583	0,27	0,61	0,10
4	0.7	3	5	0,583	0,5	0,835	0,24
5	0,5	3	5	0,583	0,185	0,57	0,06

Математическое моделирование заводнения

Приведенный выше анализ является одним из многих упрощенных подходов, которые можно использовать в качестве первого приближения для прогнозирования восстановления заводнения, как полностью объяснили Крейг ^[1] и Брэдли. ^[5] Для более точного прогноза нефтеотдачи необходимо математическое моделирование коллектора. Однако наиболее важным аспектом моделирования коллектора является построение модели, которое требует детального знания характеристик коллектора. Как только наиболее вероятная реализация коллектора определена, сопоставление истории первичной добычи можно использовать для уточнения модели перед ее использованием для прогнозирования поведения заводнения. Для этой цели можно использовать любое из множества имеющихся в продаже программ.

См. Также

Список литературы

1. ↑ ^{1,0 1,1 1,2 1,3 1,4} Крейг, Ф. Ф., 1971, Технологические аспекты заводнения: Ричардсон, Техас, Серия монографий Общества инженеров-нефтяников, т. 3.
2. ↑ ^{2,0 2,1 2,2} Дикстра, Х., Парсонс, Р. Л., 1950, Вторичная добыча нефти в США: Публикация Американского института нефти, стр. 160–174.
3. ↑ Ландрам, Б.Л., Кроуфорд, П. Б., 1960, Petroleum Transactions, AIME, v. 219, p. 407.
4. ↑ Виллхайт, П. Г., 1986, Заводнение: Серия учебников Общества инженеров-нефтяников № 3, гл. 2.
5. ↑ Брэдли, Х. Б., изд., 1987, Справочник по нефтяной инженерии: Ричардсон, Техас, Общество инженеров-нефтяников.

Внешние ссылки

найти литературу о Заводнение

Масштабное перемешивание для потоков с неблагоприятным соотношением подвижности в неоднородных пористых средах

Adepoju, O.О., Лейк, Л.В., Джонс, Р.Т .: Исследование анизотропного перемешивания при смешивающихся смещениях. SPE Reserv. Eval. Англ. 16 (1), 85–96 (2013)

Артикул Google Scholar

Алавиан, С.А., Уитсон, К .: Масштабная зависимость диффузии в естественно-трещиноватых коллекторах для закачки \ ({{\ rm CO}} _ {2} \). В: Симпозиум SPE по повышению нефтеотдачи (2010)

Алкинди, А., Аль-Вахайби, Ю., Биелджич, Б., Маггеридж, А.: Исследование продольной и поперечной дисперсии в стабильных смещениях с высокой вязкостью и контрастом плотности между жидкостями. J. Contam. Hydrol. 120 , 170–183 (2011)

Артикул Google Scholar

Aris, R., Amundson, N.R .: Некоторые замечания по продольному перемешиванию или диффузии в неподвижных слоях. AICHE J. 3 (2), 280–282 (1957)

Артикул Google Scholar

Арья, А., Хьюетт, Т., Ларсон, Р., Лейк, Л .: Дисперсия и неоднородность коллектора. SPE Reserv. Англ. 3 (1), 139–148 (1988)

Артикул Google Scholar

Бейкер, Л .: Влияние дисперсии и тупикового объема пор при смешивающемся заводнении. SPE J. 17 (3), 219–227 (1977)

Статья Google Scholar

Медведь, Дж .: Динамика жидкостей в пористых средах.Эльзевир, Нью-Йорк (1972)

Google Scholar

Блант, М., Кристи, М .: Как предсказать вязкую аппликатуру в трехкомпонентном потоке. Трансп. Пористая среда 12 (3), 207–236 (1993)

Артикул Google Scholar

Болстер, Д., Валд {\ ‘с-Парада, Ф.Дж., ЛеБорн, Т., Дентц, М., Каррера, Дж .: Смешивание в замкнутых стратифицированных водоносных горизонтах. J. Contam. Hydrol. 120 , 198–212 (2011)

Артикул Google Scholar

Бригам, У., Рид, П., Дью, Дж .: Эксперименты по смешиванию при смешивающемся вытеснении в пористых средах. SPE J. 1 (1), 1–8 (1961)

Статья Google Scholar

Чанг, Ю. Б., Поуп, Г. А., Сепернори, К.: конечно-разностный композиционный симулятор высшего порядка. J. Pet. Sci. Англ. 5 (1), 35–50 (1990)

Артикул Google Scholar

Чанг, Й.Б., Лим, М., Поуп, Г., Сепернори, К., и др .: Схема течения \ ({\ rm CO} _ {2} \) при многофазном потоке: неоднородное поле в масштабе условия. SPE Reserv. Англ. 9 (03), 208–216 (1994)

Артикул Google Scholar

Клири Р.В., Унгс М.Дж .: Аналитические модели загрязнения подземных вод и гидрологии.Программа водных ресурсов, Департамент гражданского строительства, Принстонский университет (1978)

Коутс, К., Уитсон, К., Томас, К.: Моделирование соответствия как дисперсии. SPE Reserv. Eval. Англ. 12 (1), 33–47 (2009)

Computer Modeling GroupLtd .: GEM User’s Guide (2013)

Даган, Г .: Статистическая теория потока и переноса подземных вод: из пор в лабораторию, лабораторию к образованию, и от образования к региональному масштабу. Водный ресурс.Res. 22 (9S), 120S – 134S (1986)

Даган, Г .: Зависящая от времени макродисперсия для переноса растворенных веществ в анизотропных гетерогенных водоносных горизонтах. Водный ресурс. Res. 24 (9), 1491–1500 (1988)

Артикул Google Scholar

Даган, Г .: Течение и перенос в пористых образованиях. Springer Science & Business Media, Берлин (2012)

Google Scholar

Дентц, М., Ле Борн, Т., Энглерт, А., Биелич, Б .: Смешивание, распространение и реакция в гетерогенных средах: краткий обзор. J. Contam. Hydrol. 120 , 1–17 (2011)

Артикул Google Scholar

Дин, Э. Р., Харрисон, П. Ф., Доззо, Дж. А., Лин, С. Ю. и др .: Прудхо-Бэй: восстановление модели гигантского месторождения нефти и газа. В: Западное региональное собрание SPE, Общество инженеров-нефтяников (2009)

Ewing, R.E .: Математика моделирования коллектора. СИАМ, Бангкок (1983)

Google Scholar

Фик, А .: В. по диффузии жидкости. Лондон. Edinb. Dublin Philos. Mag. J. Sci. 10 (63), 30–39 (1855)

Фиори, А., Даган, Г .: Перенос пассивного скаляра в стратифицированной пористой среде. Трансп. Пористая среда 47 (1), 81–98 (2002)

Артикул Google Scholar

Фиори, А., Янкович, И., Даган, Г .: Влияние локальной диффузии на массовое поступление пассивного растворенного вещества при транспортировке через трехмерные сильно неоднородные водоносные горизонты. Adv. Водный ресурс. 34 (12), 1563–1573 (2011)

Артикул Google Scholar

Гарднер, Дж., Орр, Ф., Патель, П .: Влияние фазового поведения на \ ({\ rm CO} _ {2} \) — эффективность вытеснения затопления. J. Pet. Technol. 33 (11), 2067–2081 (1981)

Артикул Google Scholar

Гарме, Г.: Исследование масштабной дисперсности и ее влияние на масштабирование смешиваемых смещений. Кандидат наук. докторская диссертация, Техасский университет в Остине (2009)

Гарме, Г., Джонс, Р .: Повышение уровня смешивающихся паводков в гетерогенных коллекторах с учетом перемешивания в коллекторах. SPE Reserv. Eval. Англ. 13 (5), 747–763 (2010)

Артикул Google Scholar

Гелхар, Л., Мантоглу, А., Велти, К., Рехфельд, К.: Обзор подповерхностных процессов переноса растворенных веществ в масштабе месторождения в насыщенных и ненасыщенных условиях. Электроэнергетический научно-исследовательский институт EPRI EA-4190 (1985)

Гелхар, Л.В .: Стохастическая подземная гидрология. Прентис-Холл, Энглвудские скалы (1993)

Google Scholar

Гелхар, Л.В., Акснесс, К.Л .: Трехмерный стохастический анализ макродисперсности в водоносных горизонтах. Водный ресурс. Res. 19 (1), 161–180 (1983)

Артикул Google Scholar

GeoQuest, S.: Имитатор резервуара Eclipse, руководство и техническое описание (2010)

Гарби, Р., Петерс, Э., Элькамель, А .: Масштабирование перемещений смешивающейся жидкости в пористых средах. Energy Fuels 12 (4), 801–811 (1998)

Статья Google Scholar

Гарби, Р.Б .: Масштабные смешиваемые смещения в неоднородных проницаемых средах. Трансп. Пористая среда 48 (3), 271–290 (2002)

Артикул Google Scholar

Хааджизаде, М., Файерс, Ф., Кокин, А., Роффи, М., Бонд, Д .: О важности дисперсии и неоднородности в композиционном моделировании процессов смешивающегося газа. В: Конференция SPE по повышению нефтеотдачи в Азиатско-Тихоокеанском регионе (1999)

Хааджизаде М., Файерс Ф., Коккин А. и др .: Влияние фазового поведения, дисперсии и сетки на диаграммы развертки для почти смешивающегося газа смещение. В: Ежегодная техническая конференция и выставка SPE, Общество инженеров-нефтяников (2000)

Harten, A.: Схемы высокого разрешения для гиперболических законов сохранения. J. Comput. Phys. 49 (3), 357–393 (1983)

Артикул Google Scholar

Идальго, Дж. Дж., Фе, Дж., Куэто-Фельгуеросо, Л., Хуанес, Р.: Масштабирование конвективного перемешивания в пористых средах. Phys. Rev. Lett. 109 (26), 264,503 (2012)

Артикул Google Scholar

Хотейт, Х., Фироозабади, А.: Численное моделирование диффузии в трещиноватых средах для схем закачки и рециркуляции газа. SPE J. 14 (2), 323–337 (2009)

Статья Google Scholar

Javandel,: Подземный водный транспорт: Справочник по математическим моделям. Американский геофизический союз, Вашингтон, округ Колумбия (1984)

Google Scholar

Дженнингс, Дж., Руппель, С., Уорд, В .: Геостатистический анализ данных о проницаемости и моделирование эффектов потока флюидов в карбонатных обнажениях.SPE Reserv. Eval. Англ. 3 (4), 292–303 (2000)

Артикул Google Scholar

Джессен, К., Стенби, Э., Орр, Ф .: Взаимодействие фазового поведения и числовой дисперсии в конечно-разностном композиционном моделировании. SPE J. 9 (2), 193–201 (2004)

Статья Google Scholar

Джессен, К., Герритсен, М.Г., Маллисон, Б.Т., и др .: Прогнозирование с высоким разрешением процессов увеличения добычи конденсата.SPE J. 13 (02), 257–266 (2008)

Статья Google Scholar

Джа, Б., Куэто-Фельгеросо, Л., Хуанес, Р.: Смешивание жидкостей с помощью вязкой аппликатуры. Phys. Rev. Lett. 106 (19), 194,502 (2011)

Статья Google Scholar

Джа, Б., Куэто-Фельгеросо, Л., Хуанес, Р.: Количественная оценка перемешивания в вязко нестабильных потоках пористой среды. Phys.Ред. E 84 (6), 066,312 (2011)

Артикул Google Scholar

Джа, Б., Куэто-Фельгуеросо, Л., Хуанес, Р.: Синергетическое смешивание жидкости от вязкой аппликатуры и попеременной закачки. Phys. Rev. Lett. 111 (14), 144,501 (2013)

Артикул Google Scholar

Джа, Р.К., Джон, А.К., Брайант, С.Л., Лейк, Л.В., и др .: Изменение направления потока и перемешивание.SPE J. 14 (01), 41–49 (2009)

Статья Google Scholar

Джа, Р.К., Брайант, С., Лейк, Л.У .: Влияние диффузии на дисперсию. SPE J. 16 (01), 65–77 (2011c)

Статья Google Scholar

Цзяо, C.Y., H {\ «o} tzl, H .: экспериментальное исследование смешиваемых смещений в пористой среде с изменением плотности и вязкости жидкости.Трансп. Пористая среда 54 (2), 125–144 (2004)

Артикул Google Scholar

Джон А., Лейк, Л., Брайант, С., Дженнингс, Дж .: Исследование смешивающихся смещений в масштабе месторождения с использованием имитационного моделирования трассирующих наводнений с обратным потоком. SPE J. 15 (3), 598–609 (2010)

Статья Google Scholar

Джонс, Р., Файерс, Ф., Орр-младший, Ф .: Влияние обогащения и диспергирования газа на почти смешиваемые смещения в приводах конденсации / испарения. SPE Adv. Technol. Сер. 2 (2), 26–34 (1994)

Артикул Google Scholar

Джонс, Р., Сах, П., Солано, Р.: Влияние дисперсии на эффективность местного вытеснения для многокомпонентных заводнений обогащенным газом сверх минимального обогащения по смешиваемости. SPE Reserv. Eval. Англ. 5 (1), 4–10 (2002)

Артикул Google Scholar

Китанидис, П.К .: Понятие индекса разбавления. Водный ресурс. Res. 30 (7), 2011–2026 (1994)

Артикул Google Scholar

Коваль, Э.Дж .: Метод прогнозирования характеристик нестабильного смешиваемого смещения в гетерогенных средах. SPE J. 3 (02), 145–154 (1963)

Лейк, Л.В., Джонс, Р.Т., Россен, Б., Поуп, Г.: Основы увеличения нефтеотдачи. Общество инженеров-нефтяников, Инверури (2014)

Google Scholar

Лэнгстон, М., Ходли, С., Янг, Д., и др .: Окончательная реакция на затопление \ ({\ rm CO} _ {2} \) в блоке SACROC. В: Симпозиум SPE по повышению нефтеотдачи, Общество инженеров-нефтяников (1988)

Ланц, Р .: Количественная оценка числовой диффузии (ошибка усечения). SPE J. 11 (3), 315–320 (1971)

Статья Google Scholar

Ле Борн, Т., Дентц, М., Виллермо, Э .: Растяжение, коалесценция и перемешивание в пористой среде.Phys. Rev. Lett. 110 (20), 204,501 (2013)

Артикул Google Scholar

LeBlanc, DR, Garabedian, SP, Hess, KM, Gelhar, LW, Quadri, RD, Stollenwerk, KG, Wood, WW: крупномасштабное испытание трассером естественного градиента в песке и гравии, Кейп-Код, Массачусетс: 1 • экспериментальный план и наблюдаемое движение трассера. Водный ресурс. Res. 27 (5), 895–910 (1991)

Лю, Дж .: Методы высокого разрешения для моделирования увеличения нефтеотдачи.Кандидат наук. диссертация, Техасский университет в Остине (1993)

Лю, Дж., Делшад, М., Поуп, Г.А., Сепехрури, К.: Применение методов ограничения потока высокого порядка в композиционном моделировании. Трансп. Пористая среда 16 (1), 1–29 (1994)

Артикул Google Scholar

Магрудер, Дж. Б., Стайлз, Л. Х., Йелвертон, Т. Д. и др.: Обзор третичного проекта средства сан-андрес \ ({\ rm CO} _ {2} \). J. Pet.Technol. 42 (05), 638–644 (1990)

Артикул Google Scholar

Махадеван, Дж., Лейк, Л., Джонс, Р .: Оценка истинной дисперсности в проницаемых средах в полевом масштабе. SPE J. 8 (3), 272–279 (2003)

Статья Google Scholar

Марл, К.М .: Многофазный поток в пористой среде. Gulf Publishing, Houston (1981)

Moreno, L., Цанг, К.Ф .: Канализация потока в сильно неоднородных пористых средах: численное исследование. Водный ресурс. Res. 30 , 1421–1421 (1994)

Артикул Google Scholar

Molds, T.P., McGuire, P.L., Jerauld, G., Lee, S.T., Solano, R., et al .: Pt. mcintyre: тематическое исследование обогащения газа выше MME. SPE Reserv. Eval. Англ. 8 (03), 182–188 (2005)

Nicolaides, C., Jha, B., Cueto-Felgueroso, L., Хуанес, Р .: Влияние вязкой аппликатуры и неоднородности проницаемости на перемешивание флюидов в пористых средах. Водный ресурс. Res. 51 (4), 2634–2647 (2015)

Статья Google Scholar

Панда, М., Эмброуз, Дж. Г., Беулер, Г., МакГгуайр, П.Л. и др.: Оптимизированный проект ЭОР для района Вест-Энд Эйлин, залив Большого Прудхо. SPE Reserv. Eval. Англ. 12 (01), 25–32 (2009)

Перкинс, Т., Джонстон, О.: Обзор диффузии и диспергирования в пористых средах. SPE J. 3 (1), 70–84 (1963)

Статья Google Scholar

Пикенс, Дж. Ф., Грисак, Г. Э .: Масштабная дисперсия в слоистом зернистом водоносном горизонте. Водный ресурс. Res. 17 (4), 1191–1211 (1981)

Артикул Google Scholar

Pietrzak, J .: Использование ограничителей tvd для схем адвекции со смещением вверх по течению вперед в моделировании океана.Пн. Weather Rev. 126 (3), 812–830 (1998)

Артикул Google Scholar

Пламб О., Уитакер С .: Дисперсия в гетерогенных пористых средах 1. Усреднение локального объема и крупномасштабное усреднение. Водный ресурс. Res. 24 (7), 913–926 (1988)

Артикул Google Scholar

Раджарам, Х., Гелхар, Л.У .: Дисперсия, зависящая от масштаба шлейфа, в водоносных горизонтах с широким диапазоном масштабов неоднородности.Wat. Ресурс. Res. 31 (10), 2469–2482 (1995)

Артикул Google Scholar

Саджади, М., Азайез, Дж .: Масштабирование и унифицированная характеристика неустойчивостей потока в слоистых гетерогенных пористых средах. Phys. Ред. E 88 (3), 033017 (2013)

Шук, М., Ли, Д., Лейк, Л. У .: Масштабирование несмешивающегося потока через проницаемую среду путем инспекционного анализа. In situ 16 (4), 311–349 (1992)

Smith, L., Шварц, Ф.У .: Массовый перенос: 1. Стохастический анализ макроскопической дисперсии. Водный ресурс. Res. 16 (2), 303–313 (1980)

Артикул Google Scholar

Солано, Р., Джонс, Р., Лейк, Л .: Влияние перемешивания пласта на извлечение при добыче обогащенного газа выше минимального уровня обогащения по смешиваемости. SPE Reserv. Eval. Англ. 4 (5), 358–365 (2001)

Артикул Google Scholar

Сорби, К., Феги, Ф., Пикап, Г., Рингроуз, П., Дженсен, Дж. И др.: Режимы потока при смешиваемых смещениях в неоднородных коррелированных случайных полях. SPE Adv. Technol. Сер. 2 (02), 78–87 (1994)

Артикул Google Scholar

Stalkup, F .: Затопление, смешивающееся с углекислым газом: прошлое, настоящее и перспективы на будущее. J. Pet. Technol. 30 (08), 1–102 (1978)

Артикул Google Scholar

Сталкап, Ф.: Влияние обогащения газа и численной дисперсии на прогнозы движения обогащенного газа. SPE Reserv. Англ. 5 (4), 647–655 (1990)

Артикул Google Scholar

Stalkup, F .: Прогнозирование влияния продолжающегося обогащения газа выше MME на добычу нефти при заводнении обогащенного углеводородного газа. В: Ежегодная техническая конференция и выставка SPE, Общество инженеров-нефтяников (1998)

Sweby, P.К .: Схемы высокого разрешения с использованием ограничителей потока для гиперболических законов сохранения. SIAM J. Numer. Анальный. 21 (5), 995–1011 (1984)

Артикул Google Scholar

Тодд, М., Лонгстафф, У.Д .: Разработка, тестирование и применение численного симулятора для прогнозирования характеристик смешиваемого паводка. J. Pet. Technol. 24 (7), 874–882 (1972)

Ваггонер, Дж., Кастильо, Дж., Лейк, Л.В.: Моделирование процессов повышения нефтеотдачи в стохастически генерируемых проницаемых средах. Форма SPE. Eval. 7 (02), 173–180 (1992)

Артикул Google Scholar

Уолш, Б., Орр мл., Ф .: Прогнозирование характеристик смешивающегося наводнения; влияние дисперсии на композиционные пути в тройных системах. Ситу 14 (1), 19–47 (1990)

Google Scholar

Велч, Б.Л .: Обобщение проблемы студента, когда задействовано несколько различных популяционных дисперсий. Biometrika 34 (1/2), 28–35 (1947)

Велти, К., Гелхар, Л.У .: Стохастический анализ влияния изменчивости плотности и вязкости жидкости на макродисперсию в гетерогенных пористых средах. Водный ресурс. Res. 27 (8), 2061–2075 (1991)

Артикул Google Scholar

Янзе, Ю., Клеменс, Т .: Роль диффузии для закачки неравновесного газа в трещиноватый коллектор. SPE Reserv. Eval. Англ. 15 (1), 60–71 (2012)

Статья Google Scholar

Зиканов О .: Основы вычислительной гидродинамики. Уайли, Лондон (2010)

Google Scholar

Надежда на коэффициент мобильности на JSTOR

Abstract

Критика Макдональдом структурных моделей мобильности пуста, поскольку отрицает место идей или теорий в построении моделей.В частности, эквивалентные модели, предложенные Макдональдом, не соответствуют критерию минимальной асимметрии, который применялся при выборе моделей для британских и американских таблиц мобильности. При определенных условиях эквивалентные модели удовлетворяют критерию симметрии, но эти условия не применяются к примерам, обсуждаемым Макдональдом. Кроме того, он преувеличивает полезность отношения шансов при формулировании моделей для неупорядоченных данных и предлагает эмпирический пересмотр модели мобильности Фезермана-Хаузера для первых профессий, который менее привлекателен, чем исходная модель.Критика нового коэффициента мобильности Хоуп основана на нелогичном сравнении модели Фезермана-Хаузера и различных насыщенных моделей таблицы мобильности. Кроме того, в его комментарии содержатся ошибочные утверждения о взаимосвязи между моделью Фезермана-Хаузера и их критикой Блау и Дункана, а также о взаимосвязи между этой моделью и моделями квази-независимости Гудмана.

Информация о журнале

Social Forces — журнал социальных исследований, посвященных социологическим исследованиям. но также исследуя области, общие с социальной психологией, антропологией, политикой наука, история и экономика.В число академических читателей журнала входят: социологи, социальные психологи, криминологи, экономисты, политические ученые, антропологи и студенты-урбанисты, расовые / этнические отношения и религиоведение.

Информация об издателе

Oxford University Press — это отделение Оксфордского университета. Издание во всем мире способствует достижению цели университета в области исследований, стипендий и образования. OUP — крупнейшая в мире университетская пресса с самым широким глобальным присутствием.