深度调剖个性化优选及试验效果
基于大数据分析的个性化推荐系统研究与设计
基于大数据分析的个性化推荐系统研究与设计个性化推荐系统是基于用户的兴趣、偏好和行为数据，利用大数据分析技术为用户推荐个性化的商品、服务或信息的一种智能化系统。
该系统能够根据用户的历史行为和评价数据，通过分析算法，预测用户的喜好并向其推荐相应的内容，提高用户体验和满意度。
本文将从系统的研究和设计两个方面进行探讨。
个性化推荐系统的研究是基于大数据分析的关键环节。
首先，需要收集和分析用户的行为数据，包括用户的浏览、购买、评价等信息。
这些数据可以通过网站、APP等平台收集，并进行数据清洗和预处理，使得数据准确、可靠。
然后，通过数据挖掘和机器学习等技术，对数据进行建模和分析，提取用户的兴趣特征和偏好，并构建用户画像。
最后，通过推荐算法，根据用户画像和商品信息进行匹配，生成个性化的推荐结果。
在个性化推荐系统的设计中，需要考虑以下几个方面。
首先，用户界面的设计应友好、简洁，用户能够方便地对推荐结果进行查看和选择。
其次，推荐算法需要具有高准确性和高效性。
准确性是指推荐系统的推荐结果与用户真实兴趣的匹配程度，可以通过评价指标如准确率、召回率、覆盖率等进行评估。
而高效性则指推荐算法的运行时间和资源占用应尽量优化。
此外，还需注意保护用户数据的隐私和安全，对用户的个人信息进行保护和加密，避免信息泄露和滥用。
为了提高个性化推荐系统的效果，可以使用多种技术和方法。
首先，可以采用协同过滤算法，该算法通过分析不同用户的行为数据，找出兴趣相似的用户，根据相似用户的行为为目标用户进行推荐。
其次，可以使用基于内容过滤的方法，该方法将用户和商品都表示为特征向量，通过计算向量之间的相似度，将兴趣相似的商品推荐给用户。
此外，还可以结合社交网络的信息，利用用户在社交网络上的关系和交流信息，对用户进行推荐。
个性化推荐系统的研究和设计还面临一些挑战和问题。
首先，用户行为数据的收集和处理是一个复杂而庞大的任务，需要大量的计算资源和数据存储空间。
其次，用户的兴趣和偏好是动态变化的，推荐系统需要及时更新和调整用户画像，以适应用户的变化需求。
肝胆外科疾病中采用个性化优质护理的效果观察
肝胆外科疾病中采用个性化优质护理的效果观察肝胆外科疾病是以肝、胆管、胆囊及其周围结构存在的各种疾病，根据病患病情的复杂性和治疗后恢复的缓慢性，这类疾病患者需要全面的，个性化的优质护理。
这篇文章将讨论个性化优质护理在肝胆外科疾病中的效果。
个性化优质护理是一种根据患者需求、特点和偏好，提供有针对性、全方位、充分关怀、安全有效的护理服务。
此类护理方案围绕着患者的身体状况、生理和心理需求，以及家庭、社会和文化特征等方面，尊重患者的自主权，为其提供有针对性的护理。
个性化优质护理可提高病患满意度和治疗效果，降低并发症率和住院时久。
对于肝胆外科疾病患者，个性化优质护理能够改善其健康状况，并提高其生活质量。
以下是个性化优质护理在肝胆外科疾病中的具体效果观察结果：1. 病患根据身体情况接受个性化优质的护理肝胆疾病患者的年龄、性别、病情以及治疗方式不同，其需求也各异，因此在个性化优质护理的框架下，不能给所有患者一样的医疗服务。
护士需深入了解其身体状况以及社会、心理和文化背景，并针对病患情况定制治疗方案。
在此过程中，护士需及时地评估病患病情的变化，病情复杂或治疗后恢复缓慢的病患需经常进行身体检查。
2. 病患接受心理护理支持，缓解心理压力如护士及时地开展精神护理，帮助病患控制情绪，压力会减轻，情绪、心理因素患者的生命质量好过高，且较一般时间就会缩短。
例如，护士可以使用屏幕来陪伴病患，向其讲解手术过程，提供安慰和支持。
3. 病患家属的支持和参与个性化护理还需要对病患家属行业心理和精神护理，并运用交流技巧，关注病患家庭的生活、社会和经济特征。
在个性化护理的框架下，护士可以通过病患家属的参与，给病患带来更多的支持和安撫。
4. 营养配餐在治疗期间，病患的饮食需求有所不同。
护士需根据患者的身体状况和口味喜好制定饮食计划。
尤其是由于食物不良反应和排除饮食，护士应该特别关注乳操、水分和平衡的营养供应，确保病患营养和不同程度的饮食需求。
萨南二类油层深度调剖配方筛选
针对 萨南 二 类 油层 特 点 ， 合 考 虑 成胶 时 问 、 综 成胶 黏度 、 成本 等 因素 ， 确定 深度 调剖体 系配 方为 ： １ ０ ０ ｇ Ｌ聚合 物 ＋ ０ｍｇ Ｌ交 联剂 。 ０～Ｉ５ ０ ｍ ／ ０ ４ ／
萨 南 二 类 油 层 深 度 调 剖 配 方 筛 选
李宜强 ， 贾敬锋
（ ． 油工 程 教 育 部 重点 实 验 室 中国 石油 大 学 ， 京 １石 北 ２ 高 采 收率 研 究 中心 ．提 中 国 石油 大学 ， 京 北 １２ ４ ； ０ ２９ １２ ４ ； ０ ２９
３ ．提高油气采收率教育部重点实验室
ｍ／ ｇＬ范 围内时 ， 均可 形 成 较好 的调 剖体 系 。铬交 联剂 质 量 分数 大 于 ３ ｇＬ时 ， ０ｍ ／ 随其 质 量 分数 增
大 ， 胶速度 加快 。交联剂 质 量分 数小 于 ３ ｇ Ｌ 成 ０ｍ ／
时无法成 胶 。
（ ）实验用 原 油为 南 二 东二 类 油层 原 油 与煤 ２ 油混合 而成 ， ｃ ４ Ｃ实验原 油黏度 为 ９ ８ｍ ａ・ 。 ５ ． Ｐ Ｓ （ ）现场清 水矿化 度 为 ４ ６ｍｇＬ ３ ８ ／ 。二类 聚驱
关键词 ： 类油层 ； 度调剖 ； 方筛选； 二 深 配 注入 时机 ； 入段 塞 ； 内实验 注 室 中图 分 类 号 ：Ｅ ５． ６ Ｔ ３ ７４ 文献 标 识 码 ： Ａ
引
言
多数早 期开发油 田注水 开采后 ， 油层 中剩余 油
（ ）实验仪 器 设 备包 括 岩 心夹 持 器 、 流 泵 、 ４ 平
１ 实验用品
（ ）化学药剂 由大庆 采 油 二厂 提 供 。聚 合 物 １
相对 分子质量 为 ２ ５Ｘ１ ． 。交联剂 为有机铬 ， ｒ ０ Ｃ¨ 有效含 量为 ２ ５ 。 ．％
《采油工程方案设计》课程综合复习资料
《采油工程方案设计》参考答案一、名词解释1. 油气层损害：入井流体与储层及其流体不配伍时造成近井地带油层渗透率下降的现象。
2．吸水指数：单位注水压差下的日注水量。
3．财务内部收益率：项目在计算期内各年净现金流量现值累计等于零时的折现率。
4．裂缝导流能力：在油层条件下，填砂裂缝渗透率与裂缝宽度的乘积。
5．蜡的初始结晶温度：随着温度的降低，原油中溶解的蜡开始析出时的温度。
6．有杆泵泵效：抽油机井的实际产量与抽油泵理论排量的比值。
7．油田动态监测：通过油水井所进行的专门测试与油藏和油、水井等的生产动态分析工作。
8．面容比：酸岩反应表面积与酸液体积之比。
9．流入动态：油井产量与井底流压之间的关系，反映了油藏向该井供油的能力。
10．单位采油（气）成本：指油气田开发投产后，年总采油（气）资金投入量与年采油（气）量的比值。
表示生产1t原油（或1m3天然气）所消耗的费用。
11．应力敏感性：在施加一定的有效压力时，岩样物性参数随应力变化而改变的性质。
12．吸水剖面：在一定注水压力下，各吸水层段的吸水量的分布。
13．水力压裂：利用地面高压泵组，将高粘液体以大大超过地层吸收能力的排量注入井中，在井底憋起高压，当此压力大于井壁附近的地应力和地层岩石抗张强度时，在井底附近地层产生裂缝。
继续注入带有支撑剂的携砂液，裂缝向前延伸并填以支撑剂，关井后裂缝闭合在支撑剂上，从而在井底附近地层内形成具有一定几何尺寸和导流能力的填砂裂缝，使井达到增产增注目的工艺措施。
14．化学防砂：是以各种材料（如水泥浆、酚醛树脂等）为胶结剂，以轻质油为增孔剂，以硬质颗粒为支撑剂，按一定比例搅拌均匀后，挤入套管外地层中，凝固后形成具有一定强度和渗透性的人工井壁，阻止地层出砂的工艺方法。
15．财务净现值率：项目净现值与全部投资现值之比，也即单位投资现值的净现值。
16．套管射孔完井方法：钻穿油层直至设计井深，然后下油层套管过油层底部注水泥固井，最后射孔，射孔弹射穿油层套管、水泥环并穿透油层某一深度，建立起油流通道的完井方法。
基于深度学习的大学生个性化推荐系统设计与实现
基于深度学习的大学生个性化推荐系统设计与实现在当今信息爆炸的时代，个性化推荐系统成为了互联网应用的重要组成部分之一。
随着互联网的快速发展和大数据的普及，如何根据用户的兴趣和需求，精准地推荐适合他们的内容，已经成为了信息技术领域的热点问题。
本文将介绍基于深度学习的大学生个性化推荐系统的设计与实现。
一、引言大学生阅读的内容多种多样，包括新闻、论文、小说、教材等等。
然而，每个大学生的兴趣和需求并不相同，因此，为不同的大学生提供个性化的推荐服务具有重要意义。
基于深度学习的个性化推荐系统能够通过分析用户的历史行为、社交网络和其他特征，准确地预测用户的兴趣，从而实现个性化推荐。
二、系统设计1. 数据采集与预处理个性化推荐系统所需要的数据包括用户的历史行为数据、用户的兴趣标签和内容的特征信息等。
首先，系统需要通过爬虫工具从互联网上抓取用户的历史行为数据，如点击、浏览、收藏等。
其次，系统需要根据用户的行为数据，为用户打上兴趣标签。
最后，系统还需要采集和整理内容的特征信息，如标题、关键词、分类等。
2. 深度学习模型设计基于深度学习的大学生个性化推荐系统常常采用协同过滤算法，结合用户特征、内容特征和上下文信息，实现个性化推荐。
一种常用的模型是基于神经网络的卷积神经网络（CNN）和长短期记忆网络（LSTM）。
CNN能够从内容的特征中提取关键信息，而LSTM则能够建模用户的兴趣演化过程。
3. 模型训练与优化为了使推荐系统能够准确地预测用户的兴趣，需要对深度学习模型进行训练和优化。
训练集通常包括用户的历史行为数据和用户的兴趣标签。
通过反向传播算法，优化模型的参数，使其能够更好地拟合用户的行为和兴趣。
同时，还可以采用dropout、正则化等技术，避免模型过拟合的问题。
三、系统实现1. 数据存储与管理个性化推荐系统需要存储大量的用户行为数据、兴趣标签数据和内容特征数据等。
因此，需要选择适当的数据库技术，实现数据的高效存储和管理。
白153区分层注水调剖试验及效果分析
白153区分层注水调剖试验及效果分析【摘要】白153区作为华庆油田典型的超低渗透油藏，存在油层小层多的特点，为了提高水驱动用程度采取精细分层注水工艺，改工艺克服了油层小层多，注采不对应、不均匀的缺点；随着油田的不断开发，水淹井不断增多，为了提高采收率，就需要对水淹井进行治理，在对水淹井进行治理的各种措施中，调剖工艺无疑是其中的优选。
而该区目前绝大部分是分层注水井，如果采用合注调剖工艺管注的话就需要进行检串、放喷等，耗费时间长，造成地层能量的流失、环境保护等问题。
为此，在该区选取了1口分层注水井进行调剖。
【关键词】调剖工艺管柱施工1 具体试验情况如下1.1 选取注水井井号：关132-151井1.2 水井生产情况该井是华庆油田白153区的一口注水井，2008年11月完井。
2008年12月射孔长631：2191.0-2199.0m、2203.0-2206.0m，2009年1月投注，初期日注水15m3，油压7.5mpa，套压7.2mpa，目前日注水25 m3，油压13.0mpa，套压12.8mpa（表1）。
1.3 对应油井生产状况该水井周围对应9口油井，其各井的生产情况如下表2所示：从上表2中可以看出，该井周围有3口高含水井。
1.4 施工参数设计（1）注入压力：小于地层破裂压力0.8倍。
（2）堵剂注入速度：2-6m3/h，实际速度4 m3/h；（3）堵剂用量：堵剂用量由v=πr2hф（1-sor）得到，处理半径取25米，调剖层厚度12.9米，平均孔隙度11.76%，剩余油饱和度取40%。
v=3.14×252×12.9×11.76%×（1-40%）≈1800m3。
本次调剖剂的用量设计为1800m3。
2 施工情况图1？关132-151井压力随注入量变化曲线本次施工共八段段塞对不同窜流通道进行封堵：2.1 预处理段塞30m3聚合物浓度0.2%，对井筒进行保护。
2.2 第一段塞500m3水驱流向改变剂（粒径3-5mm）对大孔道、裂缝进行填堵；从曲线上看，压力上升明显，填堵效果显著；2.3 第二段塞100m3低强度堵剂对裂缝+孔隙窜流通道进行封堵，防止后续堵剂窜入油井，提高近井地带的压力；从曲线上看，压力有所降低，效果较差；2.4 第三段塞100 m3多功能强凝胶封堵微裂缝、大孔道或高渗透层带，同时驱替孔隙中的剩余油，提高远井地带的压力；从曲线上看，压力有所回升，有一定效果；2.5 第四段塞400m3水驱流向改变剂（粒径1-3mm）对大孔道、裂缝进行填堵；从曲线上看，压力上升，有一定效果；2.6 第五段塞100m3低强度堵剂对裂缝+孔隙窜流通道进行封堵，防止后续堵剂窜入油井，提高近井地带的压力；曲线上看，压力下降，效果较差；2.7 第六段塞100 m3多功能强凝胶封堵微裂缝、大孔道或高渗透层带，同时驱替孔隙中的剩余油，提高远井地带的压力；曲线上看，压力上升，有一定效果；2.8 第七段塞400m3弱凝胶进一步对裂缝和孔隙进行充填，迫使注水水流改向，驱替孔隙中的剩余油，同时提高远井地带的堵剂对孔隙的充满程度；曲线上看，压力上升，有一定效果；2.9 第八段塞100m3高强度堵剂封堵近井地带裂缝，减弱后续注水对封堵段塞冲刷，延长调剖有效期。
基于机器学习的个性化推荐系统研究与实践
基于机器学习的个性化推荐系统研究与实践个性化推荐系统是一种利用机器学习技术为用户提供个性化推荐信息的系统，通过分析用户的历史行为数据和偏好，为用户推荐他们可能感兴趣的产品或内容。
随着互联网的快速发展，个性化推荐系统在各个领域都得到了广泛应用，如电子商务、社交网络、音乐和视频平台等。
本文将探讨基于机器学习的个性化推荐系统的研究与实践。
一、个性化推荐系统的作用和挑战个性化推荐系统的出现，大大提高了用户体验，帮助用户快速找到符合自己需求的信息，节约了用户的时间。
然而，个性化推荐系统也面临一些挑战，如数据稀疏性、冷启动问题和推荐算法的准确性等。
1. 数据稀疏性用户行为数据通常是稀疏的，即用户对大部分物品没有行为数据。
这就导致了推荐系统很难准确地为用户推荐他们感兴趣的物品。
解决数据稀疏性问题是个性化推荐系统面临的首要挑战之一。
2. 冷启动问题冷启动问题是指新用户和新物品的推荐问题。
对于新用户，由于缺乏用户的历史行为数据，推荐系统很难准确地为其进行个性化推荐。
对于新物品，缺乏用户的行为数据也导致了推荐系统很难为其做出准确的推荐。
3. 推荐算法的准确性推荐算法的准确性直接影响着推荐系统的效果。
对于不同的应用场景，需要选择合适的推荐算法，如基于内容的推荐、协同过滤推荐、深度学习推荐等。
如何设计一个准确性高、性能好的推荐算法是个性化推荐系统研究的核心问题。
二、基于机器学习的个性化推荐系统技术机器学习技术在个性化推荐系统中发挥着重要作用。
基于机器学习的个性化推荐系统通常包括数据收集、特征工程、模型训练和推荐结果生成等步骤。
1. 数据收集数据收集是个性化推荐系统的第一步，通过收集用户的行为数据和偏好数据，构建用户行为数据集和物品特征数据集。
数据的质量对推荐系统的性能有很大影响，因此需要对数据进行清洗和预处理。
2. 特征工程特征工程是机器学习模型训练的关键一环，通过对用户和物品的特征进行提取和转换，构建特征向量表示用户和物品。
个性化推荐算法研究与评估
个性化推荐算法研究与评估一、算法介绍个性化推荐算法是基于用户历史行为和偏好，结合物品属性和相关度，推荐用户可能感兴趣的物品。
目前常见的个性化推荐算法主要包括基于内容推荐、协同过滤推荐、基于规则推荐、基于深度学习的推荐等。
基于内容推荐算法是根据物品的内容属性进行推荐，例如电影推荐可基于电影的类型、主演、导演等属性进行推荐。
协同过滤推荐算法是基于用户历史行为和偏好，查找与该用户相似的其他用户的历史记录，从中找到该用户可能感兴趣的物品。
基于规则推荐算法主要是基于已经设定好的规则，例如用户看过某类型电影后，系统自动推荐与该类型相关的其他物品。
基于深度学习的推荐算法则是通过建立神经网络模型，利用用户历史行为、属性、情感等多维度信息进行训练和预测。
二、评估指标在评估个性化推荐算法时，需要确定评估指标。
目前常用的评估指标主要包括准确率、召回率、覆盖率、多样性和新颖性等。
其中，准确率和召回率是评估推荐精度的常见方法，覆盖率是评估物品分布的指标，多样性是评估推荐结果的多样性程度，新颖性是评估推荐结果中新物品的数量。
准确率和召回率是用来衡量个性化推荐算法的准确性和完整性的指标。
准确率是根据推荐结果中被用户真实点击的物品比例计算得出，召回率是根据推荐结果中所有用户真实点击的物品比例计算得出。
覆盖率则是评估推荐物品与物品库之间相似度的指标，主要考虑推荐算法对于在物品库中未被用户访问过的物品的推荐能力。
多样性评估算法推荐出的物品差异化程度，主要考虑在推荐结果中推荐的物品之间相互之间的差异程度，重复推荐相同类型的物品的算法多样性较低。
新颖性则是评估推荐结果中新物品数量的指标，这能够反映个性化推荐算法的创新性和应用场景扩展能力。
三、应用场景个性化推荐算法已经在许多领域得到广泛应用，如电子商务、社交网络、在线广告、在打车平台上，也有很实用的个性化推荐算法，比如滴滴出行就利用个性化的推荐算法，对用户推荐相关的服务产品、优惠券，并在叫车后根据历史行程推荐用户目的地附近的商圈和餐饮场所等生活服务设施。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
深度调剖个性化优选及试验效果
【摘要】本文针对X区块油藏条件、地质特征和开发特点，优选出适合X 油田的最佳调剖剂为铬离子调剖剂；同时根据调剖试验井组的视吸水指数、含水饱和度、调剖井组含水等情况，结合调剖井的注入剖面资料和调剖层的连通油井数及方向及注入的层段相对吸液量及调剖的层位，优化设计了调剖厚度、调剖半径及注入方式；经现场试验，取得较好效果。
【关键词】深度调剖聚合物凝胶调剖剂
1 调剖目的层现状
调剖目的层分别发育内前缘相砂体，分流平原相砂体，发育厚度大，连续性好，井网对砂体的控制程度也较高。
1.1 油层连通状况
试验区油井以两向和多向连通为主，砂岩连通厚度比例为98.26%，有效连通厚度比例为99.61%，试验区砂岩水驱控制程度达到99.55%，有效水驱控制程度达到99.87%。
目的层以多向连通为主，连通砂岩厚度比例为92.87%，有效厚度连通比例为94%，砂岩和水驱控制程度都达到100%。
1.2 油层动用状况
统计该井区及周围水井同位素吸水剖面资料，目的层在停注前吸水层数比例为92.31%，有效厚度吸水比例为100%。
目的层动用好。
其中三口调剖井同位素吸水资料显示，目的层相对吸水量为33.5%～75.5%，较高，并且层内高渗透层段单层突进现象严重，从周围连通油井目的层段补孔结果显示含水均在95%左右。
通过上述分析说明，所选调剖目的层整体动用好，存在单层突进现象，水驱调整难度大，即使通过停注、周期注水等方法仍然不能起到提高原油采收率的目的（如表1）。
2 调剖方案设计
2.1 有机铬调剖剂的配方优化
铬离子调剖剂以聚合物、交联剂、高效稳定剂组成，三种主要成份的浓度可调。
室内实验采用现场污水、中分聚合物、有机铬交联剂对铬离子调剖剂进行了评价，研究表明聚交比、稳定剂、聚合物浓度对凝胶强度均有较大影响，根据实验结果确定了适宜的调剖剂配方，综合考虑聚合物凝胶的成胶强度和化学剂成本，调剖配方中选定主段塞聚合物浓度为1800mg/L，前置段塞和封口段塞聚合物浓度为2000mg/L。
2.2 优化设计单井调剖厚度，改善开发效果
试验区综合利用吸液剖面资料，选择层内吸液状况差异较大、吸水比例和吸水强度较大的部位，且同时保证该部位调剖后具有一定接替厚度；选择的调剖厚度与采出井连通方向多，同时该层段也是与其连通的采出井的主要产液层和高含水层；综合考虑与其连通的油井层位厚度，避免注入量过大，将油水井连通层位堵塞。
2.3 个性化设计单井调剖半径
调剖半径是影响调剖效果决定性因素，是调剖方案设计的关键参数。
在保证体系性能前提下，综合考虑采出程度和经济效益，最佳的调剖剂用量为0.03PV～0.04PV。
调剖剂用量的计算公式为：
式中：V----调剖剂用量，m3；Hi----调剖厚度，m；Si----调剖面积，m2；Φ----调剖层段的孔隙度；F---方向系数。
驱油面积可近似计算成：S=3.14R2。
根据公式推算出，当调剖剂用量为0.03 PV时，则调剖半径为注采井距的1/3左右。
确定调剖半径在井距1/3左右时，为保证调剖的效果对调剖半径进行了进一步的优化，对油层发育相对均质的2口井，为防止调剖药剂扩散对调剖效果的影响，适当扩大了调剖半径，以保证调剖层段的调剖剂量；对于油层差异较大的1口井，调剖剂主要沿高渗条带运移，在保证调剖效果的前提下，适当缩小调剖半径。
2.4 优化设计调剖剂注入方式
数值模拟研究结果表明，分层调剖能更大的提高中、低渗透层的采收率，其中低渗透率层采收率将提高0.6～1.2个百分点，中渗透层采收率提高0.4个百分点。
从已实施的8口分层调剖井调剖后的吸水状况来看：分层调剖井剖面比笼统调剖井的注入剖面改善程度好，实施分层调剖取得较好的调剖效果。
3 油水井动态变化特征
通过调剖过程中所采取的针对性工作和跟踪调整，该试验区取得了较好的效果。
（1）调剖后注入压力上升2.5 MPa，启动压力上升1.2 MPa。
（2）吸液剖面得到有效改善，高渗透层位得到较好调堵，接替层得到有效动用，调剖剂对渗透率低油层的适应性较差。
4 结语
（1）铬离子调剖剂能够满足窄小河道砂体局部调剖的要求。
具有较好的理化性能，与污水配伍性好，具有成胶时间短、成胶强度大，稳定性好、粘度保留率高，抗剪切能力强，进入油层后能对高渗透层位进行较好调堵，使后续的驱替液主要进入原先未波及到的低渗透区域，具有提高注水波及体积的作用。
（2）深度调剖半径设计为注采井距的1/3左右，油层发育较均质的井，适当扩大调剖半径，油层差异较大的井，适当缩小调剖半径，优选分层调剖方式。
参考文献：
[1]李振泉，刘坤.有机复合调驱体系室内研究及现场试验.中国石化胜利油田公司地质科学研究院，山东东营：257015.
[2]许家友.一种耐温抗盐堵剂的组成及性能研究.中国石化江汉油田分公司采油研究院，湖北潜江：433123.。