致密低渗油藏压裂井网气驱深度学习预测模型

TE341%TE348; 压裂井网气驱将油藏压裂与注气井网驱油结合,是当前致密低渗油藏提高采收率有效技术之一.水力裂缝及多相流动复杂性,使得基于精细油藏数值模拟的压裂井网气驱效果预测变得困难且耗时.提出一种基于均方根传播(root mean square propagation,RMSProp)深度学习的压裂井网气驱效果预测方法.通过建立压裂直井/水平井混合井网气驱数值模拟模型,引入高斯函数定量表征压裂水平井多级裂缝分布特征.利用正交试验筛选试验样本方案,自主编程实现数值模拟结果自动提取与数据处理,建立致密低渗油藏压裂井网气驱样本数据库.基于随机森林算法,筛选油藏地质、裂缝、生产等关键参数重要...

Full description

Saved in:
Bibliographic Details
Published in深圳大学学报(理工版) Vol. 39; no. 5; pp. 559 - 566
Main Authors 朱璇, 袁彬, 同元辉, 赵明泽, 郑贺, 刘秀磊
Format Journal Article
LanguageChinese
Published 中国石油大学(华东)石油工程学院,山东青岛266580%中国石油塔里木油田实验检测研究院油气分析测试中心,新疆库尔勒841009 01.09.2022
Subjects
Online AccessGet full text
ISSN1000-2618
DOI10.3724/SP.J.1249.2022.05559

Cover

Abstract TE341%TE348; 压裂井网气驱将油藏压裂与注气井网驱油结合,是当前致密低渗油藏提高采收率有效技术之一.水力裂缝及多相流动复杂性,使得基于精细油藏数值模拟的压裂井网气驱效果预测变得困难且耗时.提出一种基于均方根传播(root mean square propagation,RMSProp)深度学习的压裂井网气驱效果预测方法.通过建立压裂直井/水平井混合井网气驱数值模拟模型,引入高斯函数定量表征压裂水平井多级裂缝分布特征.利用正交试验筛选试验样本方案,自主编程实现数值模拟结果自动提取与数据处理,建立致密低渗油藏压裂井网气驱样本数据库.基于随机森林算法,筛选油藏地质、裂缝、生产等关键参数重要性特征,通过误差逆传播(back propagation,BP)神经网络、长短期记忆单元(long short-term memory,LSTM)、双向长短期记忆单元(bi-directional long short-term memory,BiLSTM)等深度学习算法,建立日产油、地层压力和采出程度预测代理模型,通过与油藏数值模拟对比,验证模型准确性.结果表明,BiLSTM算法在预测压裂井网气驱和压裂衰竭开发时效果最好.所提出的基于RMSProp的深度学习方法有效兼顾了模型实用性与精确性,为致密低渗油藏压裂井网气驱模拟预测提供了新途径.
AbstractList TE341%TE348; 压裂井网气驱将油藏压裂与注气井网驱油结合,是当前致密低渗油藏提高采收率有效技术之一.水力裂缝及多相流动复杂性,使得基于精细油藏数值模拟的压裂井网气驱效果预测变得困难且耗时.提出一种基于均方根传播(root mean square propagation,RMSProp)深度学习的压裂井网气驱效果预测方法.通过建立压裂直井/水平井混合井网气驱数值模拟模型,引入高斯函数定量表征压裂水平井多级裂缝分布特征.利用正交试验筛选试验样本方案,自主编程实现数值模拟结果自动提取与数据处理,建立致密低渗油藏压裂井网气驱样本数据库.基于随机森林算法,筛选油藏地质、裂缝、生产等关键参数重要性特征,通过误差逆传播(back propagation,BP)神经网络、长短期记忆单元(long short-term memory,LSTM)、双向长短期记忆单元(bi-directional long short-term memory,BiLSTM)等深度学习算法,建立日产油、地层压力和采出程度预测代理模型,通过与油藏数值模拟对比,验证模型准确性.结果表明,BiLSTM算法在预测压裂井网气驱和压裂衰竭开发时效果最好.所提出的基于RMSProp的深度学习方法有效兼顾了模型实用性与精确性,为致密低渗油藏压裂井网气驱模拟预测提供了新途径.
Author 刘秀磊
朱璇
袁彬
赵明泽
郑贺
同元辉
AuthorAffiliation 中国石油大学(华东)石油工程学院,山东青岛266580%中国石油塔里木油田实验检测研究院油气分析测试中心,新疆库尔勒841009
AuthorAffiliation_xml – name: 中国石油大学(华东)石油工程学院,山东青岛266580%中国石油塔里木油田实验检测研究院油气分析测试中心,新疆库尔勒841009
Author_FL ZHU Xuan
YUAN Bin
LIU Xiulei
ZHENG He
TONG Yuanhui
ZHAO Mingze
Author_FL_xml – sequence: 1
  fullname: ZHU Xuan
– sequence: 2
  fullname: YUAN Bin
– sequence: 3
  fullname: TONG Yuanhui
– sequence: 4
  fullname: ZHAO Mingze
– sequence: 5
  fullname: ZHENG He
– sequence: 6
  fullname: LIU Xiulei
Author_xml – sequence: 1
  fullname: 朱璇
– sequence: 2
  fullname: 袁彬
– sequence: 3
  fullname: 同元辉
– sequence: 4
  fullname: 赵明泽
– sequence: 5
  fullname: 郑贺
– sequence: 6
  fullname: 刘秀磊
BookMark eNotj01LwzAch3OY4Jz7Bt49tf6TNG0CXmT4ykBBPY90SUSRDizi8Ciih8JEUHYTX2DoQXSi6Ab7Nm3svoUVPf3gOTwPvylUilqRRmgGg0sD4s1tbrhrLiaecAkQ4gJjTJRQGQOAQ3zMJ1E1jndDAAJUCIrLaD4_f89eztJRx3517dsg715knSR_OEmH19-jS_t6NX7q289-Nuxlz710cDu-P7UfiX28y26SaTRh5H6sq_9bQdtLi1u1Fae-vrxaW6g7MS5KDgUhMDOKKE6lr7QXACXcMMoJ1QKHkoWB9ppECx5yI43CnCvNC05x0yeaVtDsn_dIRkZGO4291uFBVBQb8bFqt8Pfs8AAA_0BmRlhxQ
ClassificationCodes TE341%TE348
ContentType Journal Article
Copyright Copyright © Wanfang Data Co. Ltd. All Rights Reserved.
Copyright_xml – notice: Copyright © Wanfang Data Co. Ltd. All Rights Reserved.
DBID 2B.
4A8
92I
93N
PSX
TCJ
DOI 10.3724/SP.J.1249.2022.05559
DatabaseName Wanfang Data Journals - Hong Kong
WANFANG Data Centre
Wanfang Data Journals
万方数据期刊 - 香港版
China Online Journals (COJ)
China Online Journals (COJ)
DatabaseTitleList
DeliveryMethod fulltext_linktorsrc
Discipline Sciences (General)
DocumentTitle_FL Deep-learning-based proxy model for forecasting gas flooding performance of fractured well pattern in tight oil reservoirs
EndPage 566
ExternalDocumentID szdxxb202205010
GrantInformation_xml – fundername: (国家自然科学基金); (国家重点研发计划); (泰山学者建设工程专项经费资助项目); (中央高校基本科研业务费专项资金资助项目)
  funderid: (国家自然科学基金); (国家重点研发计划); (泰山学者建设工程专项经费资助项目); (中央高校基本科研业务费专项资金资助项目)
GroupedDBID -03
2B.
4A8
92I
93N
ALMA_UNASSIGNED_HOLDINGS
CCEZO
CEKLB
PSX
TCJ
ID FETCH-LOGICAL-s1020-309915fd2d83a6de470328f53823e91ba5b7e4c2e98b8fafd188de8ba531c62e3
ISSN 1000-2618
IngestDate Thu May 29 03:55:52 EDT 2025
IsPeerReviewed false
IsScholarly true
Issue 5
Keywords 致密油藏
气驱
代理模型
井网
油田开发
深度学习
水平井
压裂
提高采收率
Language Chinese
LinkModel OpenURL
MergedId FETCHMERGED-LOGICAL-s1020-309915fd2d83a6de470328f53823e91ba5b7e4c2e98b8fafd188de8ba531c62e3
PageCount 8
ParticipantIDs wanfang_journals_szdxxb202205010
PublicationCentury 2000
PublicationDate 2022-09-01
PublicationDateYYYYMMDD 2022-09-01
PublicationDate_xml – month: 09
  year: 2022
  text: 2022-09-01
  day: 01
PublicationDecade 2020
PublicationTitle 深圳大学学报(理工版)
PublicationTitle_FL Journal of Shenzhen University(Science & Engineering)
PublicationYear 2022
Publisher 中国石油大学(华东)石油工程学院,山东青岛266580%中国石油塔里木油田实验检测研究院油气分析测试中心,新疆库尔勒841009
Publisher_xml – name: 中国石油大学(华东)石油工程学院,山东青岛266580%中国石油塔里木油田实验检测研究院油气分析测试中心,新疆库尔勒841009
SSID ssib002039931
ssib023167934
ssib058868920
ssj0040343
ssib002423991
ssib057620144
ssib006704940
ssib041262056
ssib051373859
ssib001129675
Score 2.3457189
Snippet TE341%TE348; 压裂井网气驱将油藏压裂与注气井网驱油结合,是当前致密低渗油藏提高采收率有效技术之一.水力裂缝及多相流动复杂性,使得基于精细油藏数值模拟的压裂井网气驱效果预测变得困难且耗时.提出一种基于均方根传播(root mean square...
SourceID wanfang
SourceType Aggregation Database
StartPage 559
Title 致密低渗油藏压裂井网气驱深度学习预测模型
URI https://d.wanfangdata.com.cn/periodical/szdxxb202205010
Volume 39
hasFullText 1
inHoldings 1
isFullTextHit
isPrint
link http://utb.summon.serialssolutions.com/2.0.0/link/0/eLvHCXMwnR1Na9RANJR68SLWD_xmDw7oYddkMpOZAS_JNkspKB5a6K3s7CZ6WsFtofQooodCRVB6Ez-g6EG0omgL_Tfdtf0XvveSTbK1YBWWZTLz5s37SubNMO-N41xvuwl89LmtW9e6dSEUr1tu3LprEptahfljMMD5zt1gZl7MLsiFiclB5dTS8pJtdFaPjCv5H61CHegVo2T_QbMFUqiAMugX_kHD8H8sHbNYM1jMR4LFkoUtpgMWCxZNMx2zOGCRZkZRgbPIIDA86hYCA4COsCb0mebUK2RGslhhd-NRL5cZwGxYaFiU1SgqSAQOAxp0mgoC8YcuAXOmBQFLGiJgIYxCvQwOWvWGx3CaJot8wilYqCrIi0LANIwLRLZY1GRaI7XGJa4l4gmJfm2oKYMptjmwN47gUSegUZUtmojOGIORmmWLJPxNkhj8fISN4jG0GhmFH-LXI8H7gKi6nwJL8dGBsewNIJFpZAzHiHBcpKtFIigU9ocsuCZSMgUTBuCJm6P7FhIBBaAmCjkaZkhPnBgDkaBURtiwdRolhE0caAPfSuIBUXlsmr3cbsA0UXYkeKChhFEIAOaFwDGaBdpNmAOjRboVA1JoWIhQkSFW6C8RFsYqUfeabAXQmioejW-IGeciaqFSeUYkIUHagpFJwStBFlkij0AyWniuayqzOaZN4EE-wefTvW8qnzVZmbtlnpo-cwNldhnQYQ_DV1zgGYd7jdkG3tveQBNqYNY8U3pUxTnX_mp3ZcVyimanQNATXKnsNEm-80OrFvC5qymVuIurhrFwc6iohIcrTOpUTLMck1mYMsuj8PCSiTJFlvQwe1m5apHg_-A-SvGsdaDpzrrMgRWun8cl5dLLIo6R81tH8U3hjr203btf8cznTjun8iV1Lcy-j1POxOqDM85U7rT0azfyzPo3zzq39599G3x-ure7Pvy5Mfy6vb_xfLC-tv_-8d7Oq1-7L4ZfXh583Br-2BrsbA4-be5tvzl492T4fW344e3g9do5Z74VzzVn6vn1MfW-h5tiPix-PZl2eVf77aCbCIW5Q1OJJx8S49m2tCoRHZ4YbXXaTrue1t1EQ73vdQKe-Oedyd7DXnLBqXmm00kMT13fBiJVmKSxY9M2LF-tcf1uetGp5SJYzKeH_uIh3V_6O8hl52T5QbriTC49Wk6uwpJnyV4jg_kNDmnuHw
linkProvider Directory of Open Access Journals
openUrl ctx_ver=Z39.88-2004&ctx_enc=info%3Aofi%2Fenc%3AUTF-8&rfr_id=info%3Asid%2Fsummon.serialssolutions.com&rft_val_fmt=info%3Aofi%2Ffmt%3Akev%3Amtx%3Ajournal&rft.genre=article&rft.atitle=%E8%87%B4%E5%AF%86%E4%BD%8E%E6%B8%97%E6%B2%B9%E8%97%8F%E5%8E%8B%E8%A3%82%E4%BA%95%E7%BD%91%E6%B0%94%E9%A9%B1%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E9%A2%84%E6%B5%8B%E6%A8%A1%E5%9E%8B&rft.jtitle=%E6%B7%B1%E5%9C%B3%E5%A4%A7%E5%AD%A6%E5%AD%A6%E6%8A%A5%EF%BC%88%E7%90%86%E5%B7%A5%E7%89%88%EF%BC%89&rft.au=%E6%9C%B1%E7%92%87&rft.au=%E8%A2%81%E5%BD%AC&rft.au=%E5%90%8C%E5%85%83%E8%BE%89&rft.au=%E8%B5%B5%E6%98%8E%E6%B3%BD&rft.date=2022-09-01&rft.pub=%E4%B8%AD%E5%9B%BD%E7%9F%B3%E6%B2%B9%E5%A4%A7%E5%AD%A6%28%E5%8D%8E%E4%B8%9C%29%E7%9F%B3%E6%B2%B9%E5%B7%A5%E7%A8%8B%E5%AD%A6%E9%99%A2%2C%E5%B1%B1%E4%B8%9C%E9%9D%92%E5%B2%9B266580%25%E4%B8%AD%E5%9B%BD%E7%9F%B3%E6%B2%B9%E5%A1%94%E9%87%8C%E6%9C%A8%E6%B2%B9%E7%94%B0%E5%AE%9E%E9%AA%8C%E6%A3%80%E6%B5%8B%E7%A0%94%E7%A9%B6%E9%99%A2%E6%B2%B9%E6%B0%94%E5%88%86%E6%9E%90%E6%B5%8B%E8%AF%95%E4%B8%AD%E5%BF%83%2C%E6%96%B0%E7%96%86%E5%BA%93%E5%B0%94%E5%8B%92841009&rft.issn=1000-2618&rft.volume=39&rft.issue=5&rft.spage=559&rft.epage=566&rft_id=info:doi/10.3724%2FSP.J.1249.2022.05559&rft.externalDocID=szdxxb202205010
thumbnail_s http://utb.summon.serialssolutions.com/2.0.0/image/custom?url=http%3A%2F%2Fwww.wanfangdata.com.cn%2Fimages%2FPeriodicalImages%2Fszdxxb%2Fszdxxb.jpg