基于机器学习的平面剩余油分布预测方法

发布时间：2024-03-06 02:55

　　老油田在长期开发过程中积累了大量的数据资源,为机器学习技术应用提供了基础。以深入挖掘数据资源内在关系为目的,提出基于机器学习的剩余油分布预测新方法。首先以测井解释成果、油藏工程理论计算和多套油藏数模结果为基础数据,开展数据融合和处理,给出12个维度参数的具体计算方法,形成样本资料库;利用支持向量机和长短期记忆神经网络模型分别开展见水波及识别和剩余油分布预测训练,搭建剩余油预测模型,实现在输入储层物性参数、油水流动特征参数和生产参数的情况下,简单快速预测油藏平面剩余油分布的目的。测试表明,新预测模型计算的剩余油饱和度与数值模拟计算结果相比,预测准确率达到96%。

【文章页数】：8 页

【部分图文】：

图1平均渗透率计算示意图

单元体g的平均渗透率采用面积加权平均计算,单元体示意图如图1所示。在单元体g内包含n个基本计数单位,i为其中某一个计数单位。单元体平均渗透率计算式为

图2LSTM细胞结构示意图

图2中,A代表某一时刻的细胞单元,Xt-1、Xt和Xt+1分别为上一时刻、当前时刻和下一时刻细胞单元的输入特征向量;ht-1、ht和ht+1分别为上一时刻、当前时刻和下一时刻细胞单元的输出信息;σ为激活函数,决定着信息保留,一般是sigmod函数;tanh层创建并更新候选信息,从....

图4小层三维地质模型

选取胜坨油田某小层作为测试实例,该油藏前期进行过数值模拟拟合过程,已经得到了测试小层的剩余油分布结果,将该结果与LSTM模型得到的剩余油预测结果进行对比。测试小层有6口生产井,2口注水井,已经累积生产20余年。小层三维地质模型如图4所示,渗透率分布及井网分布如图5所示。图5中,P....

图5小层渗透率及井位分布

图4小层三维地质模型生产井和注水井的月度注采数据取实际生产资料,并保持与数值模拟计算中采用的数据一致。将该小层的构造、孔隙度、渗透率、厚度、油水黏度比、相渗曲线特征值、井位大地坐标、比例尺、每口注采井的月度注采数据均按照前面数据处理的方式进行处理,计算每个单元体的lop、lwp....

本文编号：3920439