基于机器学习的高含水油田剩余油预测方法

根据高含水油田剩余油分布特点,提出了含油饱和度等值线拟合样本预制作方法及基于人工神经网络的剩余油预测方法。利用数值模拟批量生成不同井距、物性、工作制度等条件下注采井组间剩余油分布场,编写模块自动提取少量含油饱和度等值线,使用多项式函数拟合不同时刻和层位含油饱和度等值线建立拟合参数样本数据集,实现机器学习样本参数量的大幅度降低。使用Tensorflow搭建神经网络模型,学习训练后形成注采井组间含油饱和度等值线预测模型,根据多个井组间等值线图叠加结果重构研究区含油饱和度场。基于高含水油田实际数据,与数值模拟相比,该方法对断层边界、层间剩余油富集区、井间局部零散剩余油均具一定预测能力;同时可将注采井生产动态数据快速转化为含油饱和度场数据,较传统方法的计算速度和定量化程度显著提高。

资料为PDF文档格式.

本文档关键词:剩余,油田,机器,预测,含水