101 / 2022-02-13 20:12:55

基于深度神经网络的强非均质性砂岩油藏的产能预测

深度学习,疏松砂岩,产能预测,Xgboost

PL油田砂岩油藏含油层段长，储层非均质性强，流体性质差异大，导致油井初期产能预测难度大，且产能主控因素控制不清。以采油井投产初期6个月左右平稳期的比采油指数作为目标数据，将研究区100口采油井分为训练组、验证组，以地质参数、工程参数和油藏参数作为输入数据，通过超参数优化，调试最佳的隐含层、神经元数量、优化器、学习率等参数，建立了基于深度学习的疏松砂岩产量预测模型，对目标区块油井的初期产能进行预测，预测结果的均方根误差率<0.15，与实际的产量吻合度高。然后，采取极致梯度提升树的XGBoost算法，明确产能控制因素与权重顺序是R35＞原油粘度＞粒度中值＞岩性指数＞完井方式＞流动带指数。机器学习在有效预测油井产量和主控因素具有多维度、大数据的优势。