石油学报

作者：李祯, 郭奇, 卜亚辉, 胡慧芳

单位：1. 中国石油辽河油田公司勘探开发研究院 辽宁盘锦 124000;2. 中国石油化工股份有限公司胜利油田分公司勘探开发研究院 山东东营 257000

关键词：深度学习,对抗神经网络,饱和度场预测,样本库,数值模拟

基金：李祯,女,1990年5月生,2012年获中国石油大学(华东)资源勘查工程专业学士学位,现为中国石油辽河油田公司勘探开发研究院工程师,主要从事油藏工程与油藏描述研究工作。Email:294886756@qq.com

摘要： 复杂断块油藏剩余油预测一直是指导油藏开发后期井位部署、剩余油挖潜工作的关键。为了提高复杂断块油藏剩余油饱和度场预测效率和精度,构建了反映不同构造深度、储层厚度、渗透率、孔隙度等属性的2×104个数值模拟正演模型,并得到相应的各个模型的剩余油饱和度场分布,从而构建形成饱和度场数据样本库。通过深度卷积对抗神经网络模型对样本库数据进行训练,其中,随机选取70 % 的数据作为训练集,30 % 的数据作为测试集,最终建立形成能够应用于实际区块的饱和度场预测方法。研究结果表明:新的方法无需再对实际区块进行数值模拟研究,只需输入实际区块的储层物性参数、井位坐标、注采量等信息,即可通过深度卷积对抗神经网络模型得到区块在不同时刻下的剩余油饱和度分布,方法预测精度达到90 % 以上。经过测试,深度 卷积对抗神经网络模型表现出较好的泛化能力,模型能够被广泛应用于相似的复杂断块油藏剩余油饱和度场预测中,从而提高油藏开发研究的工作效率。

来源：2024年第4期

《石油学报》期刊编辑部

查看石油学报杂志2024年第4期