基于多层感知机模型的煤层气井压后生产动态反演研究

煤层气井压裂后生产动态反演是实现气藏高效开发的关键技术。为了提高传统数值模拟方法的反演效率,借助机器学习建模技术和智能算法,开展煤层气储层割理渗透率、含气饱和度、裂缝半长、裂缝条数和裂缝导流能力等关键参数自动反演和程序化设计研究。采用嵌套型离散裂缝煤层气数值模拟器正演生成训练数据构造多层感知机模型,并结合智能算法实现储层-裂缝参数的协同反演,将自动反演技术应用于储层案例。研究结果表明:利用较少的训练样本(研究案例仅需要100组模拟样本),机器学习代理模型能够精确地仿真裂缝/储层参数与煤层气井日产量和累计产气量的定量关系;基于机器学习代理辅助的智能反演算法收敛高效,能够快速获得高反演精度下合理的煤层-裂缝参数组合模式。将机器学习建模技术与智能反演算法相结合,有助于推动煤层气藏智能优化技术的应用和发展,为加快中国非常规油气藏智能化开发提供理论指导与技术支撑。

资料为PDF文档格式.

本文档关键词:气井,煤层,感知,多层,模型