典型背斜油藏的低阻油层（油层电阻率最低约0.8 Ω·m），常规测井对储层产能的表征能力受限，但气测录井能够可反映储层中可动流体的存在及变化特征，为油藏可动流体评价及产能分析提供了重要依据。为实现典型背斜油藏低阻油层可动流体的智能评价，本研究提出了一种基于气测响应的物理约束智能反演方法，并以可动流体作为核心指标，对各层段的产能贡献进行定量分析。研究首先从储层物性、流体性质及层段产量出发，系统分析了气测响应的形成机理，明确气测曲线峰值和峰面积可以反映储层的可动流体量，而峰宽和持续性则主要反映储层厚度、连通性及流体变化特征。另外，气测响应还受到孔隙度、渗透率、含油饱和度及烃类组分等多种因素的影响，为建立可解释的反演模型提供了物理依据。基于气测参数形成机理，构建了气测参数前向模型，建立了储层参数、层段产量及流体性质与气测参数响应特征之间的映射关系，并通过敏感性分析识别出对可动流体量最显著的气测特征，从而生成带有地质约束的训练数据集，为后续模型训练提供高质量样本。在此基础上，构建了卷积神经网络（Convolutional Neural Network，CNN）–长短期记忆网络（Long Short-term Memory Neural Network，LSTM）–注意力机制的混合深度学习模型，用于从气测曲线反演每层可动流体量及其产量贡献。注意力机制使模型能够自动聚焦对产量最敏感的井段，增强预测精度的同时提升可解释性，实现对复杂储层产能的可靠量化。珠江口盆地恩平凹陷的韩江组和珠江组油藏的实例分析表明，该框架能够有效量化油藏可动流体量和层产量贡献。同时，也揭示了低阻气测响应受孔隙度、渗透率、含油饱和度、储层厚度及流体性质等多因素的综合影响规律。此方法为复杂区块油藏产能评价提供了一种物理可解释、高效且数据驱动的智能方法，可为油藏开发和管理提供理论依据与决策支持。

暂无