低效井重复压裂产量深度时间序列预测方法综述
贾靖1
樊庆虎2
王李昌3
李帝铨4
1.中南大学地球科学与信息物理学院,湖南 长沙 410083;中国石油西部钻探工程有限公司,新疆 克拉玛依 8340002.中国石油西部钻探工程有限公司,新疆 克拉玛依 8340003.中南大学地球科学与信息物理学院,湖南 长沙 410083;长沙市深地资源能源开发技术创新中心,湖南 长沙 4100834.中南大学地球科学与信息物理学院,湖南 长沙 410083
摘要：当前,我国非常规原油产量不及总产油量的 2%,老区在较长时间内仍然是稳产主力.重复压裂是储层增产改造的重要技术组成,压后产量的准确预测是重复压裂目标井正确选择的关键.由于储层内部的不连续界面、孔渗异质性和关键油藏参数缺失等因素的影响,传统基于经验式或数值模拟的压后产量预测方法在老区的适用性受限,深度学习模型是一个优秀的选项.传统深度学习方法(如RNN、LSTM)存在梯度消失、长期依赖建模能力不足等局限,难以应对石油时间序列数据的高维、非平稳及噪声干扰等特性.Transformer架构凭借多头注意力机制与并行计算能力,可有效捕捉产量时间序列中的长短期依赖关系.系统回顾重复压裂技术沿革,以及深度时间序列预测模型研究进展,提出构建基于Transformer架构的低效井重复压裂产量深度时间序列预测模型,并在准噶尔盆地某油田W区块的历史产量数据上进行了案例研究.研究是构建适应老区重复压裂批量化快速精确选井的理论及方法体系的创新尝试,力求为老区持续稳产提供全新视角与解决方案.展望未来研究方向:一是针对计算成本控制,建议优化经典Transformer架构的注意力模块、配合时间序列分解技术,实现低算力成本的重复压裂产量预测;二是针对多区块协同选井,建议引入领域自适应理论,从对抗领域自适应或伪标签领域自适应入手,开发具备迁移学习能力的Transformer骨干架构.
关键词：重复压裂井产量预测深度时间序列预测模型循环神经网络Transformer架构
分类号：TE357.1(油气田开发与开采)
资助基金：中国石油西部钻探有限公司核心技术资助项目(2024XZ011)国家科技重大专项(2024ZD1002901)国家自然科学基金(42474170)湖南省科技创新计划资助项目(2023RC1014)
论文发表日期：2025-03-31
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：23( 14-36 )
英文信息