融合注意力机制的Bi-LSTM页岩气产能预测方法

传统的经验公式法和数学解析法对页岩气产能预测的误差较大,为此,提出一种融合注意力机制的双向长短时记忆神经网络(Attention-Bi-LSTM)对页岩气产能进行预测。在Bi-LSTM的网络层架构中添加注意力机制后,神经网络输入子集的能力、模型处理时间序列数据的能力均得到了提升。采用该模型对页岩气井的日产气量进行预测,相对于单一的Bi-LSTM、LSTM,此模型的预测效果更好。

低孔低渗气层产能预测方法研究——以苏里格气田苏77区块二叠系储层为例

苏里格气田苏77区块二叠系气层属典型的低孔、低渗、低压、低丰度气藏,储层自然产能低,只有经过储层改造才能获得比较好的产能。为了评价储层的含气性以及储层改造的效果,本文在储层参数精细解释的基础上,总结出一套适合本区的气层产能预测方法。首先优选声波时差与补偿密度曲线比值、自然电位相对值、自然伽马相比值等3个测井特征参数比值,并对产能进行敏感性分析,赋以权重系数,构建一个产能预测综合评价系数K,同时根据改造储层段的有效厚度H,建立了气层产能Q与储能评价综合指数P(KH)之间的预测模型。将该模型用于苏77区新井储层评价中,预测结果与试采对比表明,该方法效果明显,具有广阔的应用前景。

逐类组合支持向量机在致密储层判识和产能预测中的应用

针对致密储层判识和产能预测准确率低,提出一种新的建模方法——逐类组合支持向量机方法(TCSVM).首先应用支持向量分类机(SVC)实现储层类别判识,然后用支持向量回归机(SVR)建立气层产能预测模型,最后对未知储层进行判识和产能预测.该模型通过前期降噪、降维的属性优化,有效降低数据类别对储层判识的干扰,提高储层判识和气层产能预测的准确率.以陕甘宁盆地中部气田马五1气藏为例,选用19口井的92个已测试层位作为已知样本(其中78个训练样本,14个检验样本),以气层、含气层、干层、水层和产能赋值为目标,挑选与储层特征密切相关的10个特征参数作为输入变量,建立中部气田马五1气藏的储层判识模型和气层产能预测模型.检验结果表明:模型的预测误差较传统的建模方法和多项式自组织神经网络方法(MOSN)低,其中尤以主成分分析逐类组合支持向量机模型(PCA-TCS-VM)的预测误差最低(平均绝对误差为0.359,平均相对误差为0.036).表明逐类组合支持向量机方法减少数据类别对储层判识和产能预测的干扰,提高准确率,对油气勘探具有积极指导意义.

高分辨率井周储层深探测反射声波测井成像方法

针对井周深部储层评价问题,采用深探测反射波测井成像方法,利用Shearlet变换去除阵列声波测井数据中的滑行波,从而准确提取高分辨率反射波,结合井周层析速度成像获取径向速度剖面分布,进而优化偏移算法以改善井周反射界面成像效果。该方法可以对井眼周围几十米范围的地层界面、裂缝、溶洞、流体分布和岩性等进行成像,并在此基础上评价井周小尺度地质构造、识别储层和监测裂缝发育情况。将该方法用于多个油田实际测井数据处理,结果显示,深探测反射波测井成像方法的探测深度可达到30 m,分辨率达到20 cm,可以利用不同反射体同相轴的特征不同,直观观察压裂对储层的改造效果和井周流体分布状态,实现对地震成像的有效细化,在页岩气层产能评价中取得了突出效果,展示了巨大的潜在应用价值。该方法的发展方向主要集中于:①在油气资源勘探开发评价中,针对储层裂缝、溶洞以及流体分布,研究反射方位信息的获取和成像方法,以有效指导压裂方位的确定;②充分利用不同方位接收器记录的反射波信息,对井周反射体、岩性和流体分布进行三维成像,为深地油气资源探测提供有力的新工具;③由于沿井壁传播并在层界面、过井裂缝等位置产生的反射波未携带地层深处的有用信息,对反射成像产生干扰,因此,开发基于不同地层波速的自适应井壁反射波滤除方法是亟需研究的问题。