挪威和英国未来石油产量预测：综述

，I（N）}可以用l=N表示∏i=1倪（一）- 信息产业部（一）· SI（一）∑Jj=1新泽西州- 米吉· Sj。（11） 未知参数是场数n。，nJ，其可能性现在可以根据现有的发现进行估计。使用蛮力预测未来石油产量o2014年7月方法，变量n……的整个合理值空间。，已经取样。已在现有MNJNupper JNmaxj=nupperj/binj的数量之间对值Njh进行采样。随后，对每个场景的可能性（元组的值，…，nJ）进行标准化，以便所有生成场景的总可能性为一。为了分析北海油田的发现，第二节中描述了J=的数量。2.1.表1所示的结果与直观的预期一致，即由矮场组成。矮星和巨星承载能力的概率已被用于约束logistic曲线，该曲线由等式（11）给出的承载能力的概率加权。二、2.3. 发现的未来产量我们现在计算未来发现的预期石油产量，这需要结合第二节中描述的步骤。2.1和II。2.2.每种尺寸的垃圾箱（称为ascenario）中的垃圾场（包括尚未发现的垃圾场）的ber。然而，这种可能性方法并没有给出未来发现的时间分布。我们建议使用似然函数来生成具有各自发生概率的事件。对于给定的场景，给出了每个尺寸等级的承载能力。这有助于解决拟合不稳定的问题，然后通过拟合的逻辑斯蒂曲线给出每个尺寸等级的分类。新发现油田的实际规模是根据现有油田在其规模类别中的规模分布生成的。

给定尺寸料仓中的料仓尺寸概率分布函数由拉伸指数函数拟合。在同一规模类别的所有现有油田中。他们的生产曲线已被平均化。这将产生典型的生产文件，包括一个乘以油田规模的生产文件。给定的未来油田产量曲线叠加结果。由于总参数空间太大，无法完全取样，因此采用蒙特卡罗技术计算预期产量，并根据未来发现预测未来石油产量o2014年7月的时间间隔。简而言之，该算法的工作原理如下：1。根据可能性函数（11），根据其概率绘制场景（每个尺寸箱中的总场数）。这是通过生成一个介于0和1之间的随机数，并计算所有场景的累积分布函数映射到的场景来实现的。2.通过为每个尺寸等级拟合逻辑曲线，计算新发现的时间分布。3.对于每个发现，根据现有油田的尺寸分布和生产曲线，生成一个尺寸和生成的生产曲线。4.叠加所有生产曲线。5.在所有绘制的场景中重复并平均。生成场景的分布产生置信区间。最后但并非最不重要的一点是，必须确定现有油田的预期产量。新发现的模拟开始时间与最新生产数据的日期不匹配，原因是新发现的油田（第II.1.1节中定义）已经发现，但尚未进入衰变阶段，由于其最终规模未知，因此在模拟中未被考虑。对待这个新领域唯一有意义的方式就是将其视为一项发现。

因此，过去一天的时间起点与新油田的当前产量相匹配。换句话说，从常规和非常规油田推断的产量加上模拟未来发现的产量（即当前（最新可用数据）所有油田的总产量）。三、 结果基于第二部分描述的方法。2.模拟未来的油气外推，并模拟未来的发现。图8显示了1000次模拟的平均值。对于每个国家来说，非对称Chubbert的标准方法都是显而易见的。表2中的结果显示，预测未来石油产量的外推结果之间存在显著差异。2014年7月，蒙特卡罗方法比预测结果大45%。这种差异源于两种不同的影响：o单个现有油田的预测总和大于总产量的外推矮星场的发现过程。由于技术创新，导致石油生产曲线呈倒“w”形。然而，对于我们来说，从第二个峰值开始推断产量衰减并不是一个问题。基于哈伯特的方法和蒙特卡罗方法之间的差异非常相似，与后者相比约为66%。这两种模式中哪一种更值得信赖？显然，采用一种方法论而非另一种方法论的意义重大。回答这个问题的唯一方法就是对它们进行反向测试。换句话说：“我们每个人将如何解决这个问题，并提出我们方法的验证步骤。IV.对这两个国家，即挪威和英国，使用2008年截断的数据进行了验证。

在此日期之前，太多的大型油田在足够长的时间内没有进入衰变阶段，无法应用蒙特卡罗模型的预测能力明显优于对过去总产量的简单外推。蒙地卡罗模型基本上符合目标，而过去产量的外推（“fit”）对挪威和英国的实际产量分别低估了19%和16%。下表3总结了后测试期间两种方法之间的差异。虽然在2008年至2014年这六年间，过去石油生产方法（“fit”）的外推误差并不显著，但表4之间的差异。单个油田的衰变过程和新发现。此外，必须注意的是，在表4中的反向测试和表2中的当前测试之间，简单的外推发生了巨大的变化（挪威为520%，英国为236%）。换句话说，简单外推在预测未来石油产量时非常不稳定。2014年7月预测，而蒙特卡罗预测保持非常一致（变化小于10%）。如图9所示，挪威在回测期间的实际产量完全保持在σ简单外推的非常狭窄的1σ区间内。对于英国来说，考虑到置信区间时，蒙特卡罗方法的性能仅略好，而且由于未来发现及其生产业绩的不确定性，置信区间要大得多。结论我们提出了一种基于蒙特卡罗的方法来预测未来的石油产量。通过将当前油田的石油产量扩展到未来，并对新油田的发现率进行建模，可以预测诺威和英国未来的石油产量。

这些预测与标准外推法得出的预测有很大不同。事实上，我们在2008年至2014年期间进行的模型预测回溯测试证实，基于蒙特卡罗的模型更好地捕捉了生产动态。英国的石油产量将比欧盟预期的要慢得多，更多的石油将不得不从欧洲以外进口，因为来自挪威的进口将消失（目前占欧盟石油进口的11%（欧盟委员会）），英国将需要进口更多的石油。如表5所示，在消费不变的情况下，蒙特卡罗模型预测，到2030年，欧盟和挪威将需要增加130万桶石油进口。除了尚未开发的非标准石油来源外，这些进口很可能必须来自欧洲以外的地区。目前的方法可以应用于许多其他国家和地质区域，并在全球石油生产水平上进行更新。扩展到包括页岩油和非标准油的新浪潮可以在我们未来的方法中使用。致谢：本作品来源于作者Marc a.Del Degan（2012年7月）在ETH Zurichauthor发表的一篇硕士论文，题为《石油峰值分析，重点关注挪威石油生产》(http://www.er.ethz.ch/publications/MAS_Thesis_DelDegan_7月12日结束。pdf），其自身来源于社交网络公司（如Zynga）的定价方法，Zynga由三位作者Forró等人（2012）开发。预测未来石油产量o2014年7月参考勃兰特，A.R.（2007）。测试哈伯特。能源政策，353074–3088。内政部：10.1016/j.enpol。2006.11.004.布莱查，R.J.（2012）。逻辑曲线、开采成本和有效峰值石油。能源政策，51586-597。内政部：10.1016/j.enpol。2012.09.016.欧盟委员会（2014年）。欧盟原油进口。

网址：http://ec.europa.eu/energy/observatory/oil/import_export_en.htm.Forró，Z.，Cauwels，P.，和Sornette，D.（2012年）。当游戏遇到现实：Zynga被高估了吗？《投资策略杂志》，1119-145。网址：http://ideas.repec.org/p/arx/papers/1204.0350.html.GOV.UK (2014). 石油和天然气：现场数据。网址：https://www.og.decc.gov.uk/pprs/full_production.htm.Greiner，A.，塞姆勒，W.，和梅特，T.（2011）。石油勘探和开采的经济模型。计算经济学，40387–399。网址：http://link.springer.com/10.1007/s10614-011-9272-0.内政部：10.1007/s10614-011-9272-0。H"ok，M.，和Aleklett，k.（2008）。挪威石油产量递减率研究。能源政策，364262–4271。内政部：10.1016/j.enpol。2008.07.039.哈伯特，M.K.（1956）。核能和化石燃料。钻井和生产实践（第36页）。网址：http://www.hubbertpeak.com/hubbert/1956/1956.pdf.tional《全球能源问题杂志》，18218-238。Laherrère，J.，和Sornette，D.（1998）。自然和经济中的拉伸指数分布：具有特征尺度的“厚尾”。物理杂志B凝聚态物质和复合物系统，2525-539。林奇，M.C.（2002）。石油供应预测：理论与实践。《经济和金融季度回顾》，42373-389。对数收益率：在拉伸指数和幂律之间？定量金融，5379-401。arXiv:0305089v1。Murray，J.W.，和Hansen，J.（2013）。峰值石油和能源独立性：Mythhttp://doi.wiley.com/10.1002/2013EO280001.Norwegian石油管理局（2014年）。Factpages。网址：http://factpages.npd.no/factpages/.Forecasting未来石油产量o2014年7月史密斯，J.L.（1980）。石油发现的概率模型。《经济与统计评论》，62587-594。索内特，D.（2004年）。自然科学中的临界现象、混沌、分形、自组织和无序：概念和工具。（第二版）。

海德堡。预测未来石油产量o2014年7月奥斯伯格油田日产量1990年1995年2000年2005年20100k200k400k600kHighcharts。图1：通过拉伸指数函数（2）β=±τ=-表达式（7）给出的±标准偏差用灰色带表示。预测未来石油产量o2014年7月油田日产量2004年2006年2010年2012年20140k2k4k6k8kHighcharts。comFigure 2：不规则场地示例。预测未来石油产量o2014年7月SKARV油田日产量2014年7月13日2014年4月13日2014年10月13日140k20k40k60k80kHighcharts。comFigure 3：一个新领域的例子。预测未来石油产量o2014年7月%OSEBERG-未来总产量的误差拟合误差2000 2002 2004 2008 2012-100-50050100高图表。comFigure 4:Oesberg油田——由横坐标所示时间到2014年的预测总产量表达式（4）确定的相对误差。人们可以观察到，预测的未来总产量在1999年被高估了70%，然后在2002年被低估了同样的数量，而自2004年以来，预测误差仍然小于20%。预测未来石油产量o20141972 19771982198719921997200220072012201720222027203220372042Time010203040050607080900发现油田数量与挪威油田发现数量对比图5：挪威。

如正文所述，新油田的发现率取决于其规模。预测未来石油产量o2014年7月图6：挪威和英国已知油田规模的互补累积分布函数（CCDF）。这两条虚线显示了分布尾部的幂律行为（9）。预测未来石油产量o2014年7月       图7：总估计收入除以投资，作为多个小型油田估计最终收益的函数。预测未来石油产量o2014年7月挪威石油产量和预测点击并拖动绘图区域放大生产拟合预测1980 1990 2000 2010 2020 20300m1m2m4Highcharts。康巴瑞尔/大宇。K.石油生产和预测在绘图区域中单击并拖动，以放大生产拟合预测1980 1990 2000 2020 20300mm2高度图表。comFigure 8：挪威（上图）和英国（下图）的标准偏差范围。在这两种情况下，Monte Carlo模型通过考虑到新油田将投入生产，预测的衰减速度明显慢于IT。预测未来石油产量o2014年7月挪威石油产量和预测点击并拖动绘图区域放大生产拟合预测1980 1990 2000 2010 2020 20300m1m2m4Highcharts。康巴瑞尔/大宇。K

石油产量和预测在绘图区域中单击并拖动以放大生产拟合预测1980 1990 2010 2020 20300m1m2m4Highcharts。comFigure 9：挪威（上图）和英国（下图）的线条和灰色（一个标准偏差带）。结果可与随后的石油产量（蓝色区域）进行比较。在这两种情况下，蒙特卡罗方法更精确。预测未来石油产量o2014年7月表1：侏儒油田（1）和巨型油田（2）数量的可能性估计。对于挪威来说，我们的逻辑分析表明，最终可能会发现多达两个新的巨型油田。对于英国来说，预测更为悲观，这表明最有可能的情况是发现一个巨大的油田（很可能已经发现，但被归类为新油田）。mN1n±σmN2n±σ挪威2488.4±10.05256.4±1.6U。K.162 208±11 99 100±0.4预测未来石油产量o2014年7月表2：根据过去国家产量的外推和蒙特卡洛模型预测的2030年剩余石油储量（桶）。这两种预测之间的相对差异由 =模型-菲特。拟合（桶）模型（桶）挪威130·10188·1045%英国59·1098·1066%预测未来石油产量o2014年7月表3：过去石油产量的外推（“fit”）和使用蒙特卡罗模型预测与实际实现产量的比较。实际（桶）配合（桶）模型（桶）挪威133·10108·10130·10U。K.79·1066·1075·10预测未来石油产量o2014年7月表4：根据过去石油产量（“fit”）的外推和 =模型-菲特。拟合（桶）模型（桶）挪威08 25·10171·10-584%英国08 25·1091·10-264%预测未来石油产量o2014年7月表5：英国以150万桶/天的恒定消耗量进口石油（桶/天）。

挪威为每天0.22百万桶。根据英国和挪威的变化，欧盟和挪威的进口是一个下限。挪威的负数代表出口。2014 2020 2025 2030挪威-1.23 · 10-0.88 · 10-0.58 · 10-0.43·10U。K.0.7·100.9·101.0·101.1·10E。美国+挪威9.8·1010.45·1010.85·1011.1·10