机器学习在油气田开发中的应用、挑战及发展趋势

随着石油勘探开发领域生产数据的不断激增,整合和分析难度日益加大,人工分析法难以满足油气田现场的开发需求。机器学习可精准高效地实现数据的处理,是数据分析和优化领域中的一项关键技术,利用机器学习处理油气田开发中的疑难问题已成为业内的主攻方向。但由于受标准化建设、样本库建立、现场融合度等方面的限制,机器学习在石油勘探开发领域中的应用尚存在不少挑战和不足,未来应致力于加强机器学习标准化建设、提高深度学习算法的数据处理能力、深度机器学习领域的学科交叉,多管齐下,共同推进机器学习在油气田行业内的长足发展。

基于多层感知器神经网络的测井曲线重构方法研究

测井曲线在识别岩性、判别油气层、分析地层地质构造,以及计算孔隙度、渗透率和饱和度方面具有无可替代的作用。然而,在实际的测井数据应用时往往会遇到测井曲线因为仪器测量或者井眼坍塌等原因,造成某些井段部分测井曲线失真或间断性缺失的情况,重测不仅价格昂贵且操作困难。为此,提出基于多层感知器神经网络系统的测井曲线重构技术,基于训练数据建立曲线预测模型,该模型由1个输入层、1个输出层和1个或多个隐藏层组成。在模型中引入激活函数加入非线性因素,并且在模型训练学习时引入损失函数和MBGD(小批量梯度下降法)的最优化方法不断迭代寻求最优参数组合。最终通过预测曲线与原始测量曲线误差对比以进行质量控制,从而得到测井曲线重构的最佳结果。结果显示:通过该技术重构得到的曲线精度高、计算速度快、普适性强,便于在油田推广使用。

scCO_(2)强化页岩气开采与地下封存一体化展望

利用超临界CO_(2)开发页岩气是当前国际研究的前沿,开展该领域的研究对页岩气增产、CO_(2)减排、节约水资源具有重要的现实意义。scCO_(2)-ESGR技术可以显著提升页岩气的单井产量和采收率,同时可对CO_(2)实施就地埋存,减少碳的排放。在介绍超临界CO_(2)特性的基础上,着重论述了scCO_(2)-ESGR工艺的核心技术,剖析了scCO_(2)强化开采页岩气的技术优越性,并指出了其目前尚需解决的科学问题及存在的弊端和不足,最后提出了从室内理论研究和现场应用效果评价两方面出发,双管齐下,全面实现页岩气的高效开发和规模化生产。

超临界CO_(2)强化开采煤层气研究进展

scCO_(2)强化煤层气开采技术因其具有节能减排和高效开采煤层气的特点,已成为未来煤层气开采和发展的新方向。经室内试验和现场实践证明,scCO_(2)-ECBM技术可以显著提升煤层气的产量,对残余CO_(2)实施就地封存,减少碳的排放。介绍了scCO_(2)的特性,简述了scCO_(2)开发煤层气的相关机理,着重论述了scCO_(2)-ECBM工艺的关键技术,分析了scCO_(2)强化开采煤层气的研究现状,并指出了实现煤岩储层中CO_(2)地质封存与煤层气开采的规模高效科学环保一体化是强化开发煤层气下一阶段的发展目标。