开放期刊系统

深度学习技术在 Y 油田剩余油预测中的探索

青 王(西安石油大学地球科学与工程学院,中国 东方地球物理公司研究院地质研究中心,中国)
爱荣 李(3254974255@qq.com)
嘉伟 任(东方地球物理公司研究院,中国)
振周 李(东方地球物理公司研究院,中国)
宁 尹(东方地球物理公司研究院,中国)

摘要

随着大量油田由勘探阶段向开发阶段转移,对油藏精细描述的需求日益突出。剩余油分布关系到开发方案的编制,因此剩余油预测技术成为油藏开发的重要技术手段之一。当前常用的剩余油预测方法存在多属性耦合、精度无法保证的缺点,深度学习神经网络算法,可以通过数据训练建立数据之间的非线性映射关系,再通过数据学习获得未知数据。因此,论文开展了深度学习技术在剩余油预测中的探索,利用1991年和2011年地震井旁道信息和地震采集时钻井的含水饱和度曲线,通过深度学习神经网络模型,建立地震数据和含水饱和度信息之间的非线性映射关系,实现地震数据体输入以及含水饱和度体的输出,进而刻画出Y油田2011年的剩余油平面预测图。

关键词

深度学习;神经网络;剩余油预测

参考

杜睿,杨小川,韩耀祖,等.动静态结合在复杂断块油藏剩余油表征中的应用[C]//2021油气田勘探与开发国际会议论文集(下册),2021:463-469.

Li Airong, Qiang Qian, Yin Shuai, et al. Numerical simulation of remaining oil distribution in tight sandstone reservoirs: a case study of the upper Triassic Yanchang formation in the Ordos Basin,China[J]. Arabian Journal of Geosciences, 2021,14(1):73-74.

Xu SY, White RE. A new velocity model for clay-sand mixtures[J].Geophysical Prospecting,1995,43(1):91-118.

尹宁,李爱荣,王青,等.优势频率条件下无监督模式断裂识别技术的应用[C]//2020油气田勘探与开发国际会议论文集,2020:1909-1918.

尹宝才,王文通,王立春.深度学习研究综述[J].北京工业大学学

报,2015,41(1):48-59.

李策,陈海霞,汉语,等.深度学习算法中卷积神经网络的概念综述[J].电子测试,2018(23):61-62.



DOI: http://dx.doi.org/10.12345/smg.v4i3.11405

Refbacks

  • 当前没有refback。
版权所有(c)2022 鑫 佟 Creative Commons License
此作品已接受知识共享署名-非商业性使用 4.0国际许可协议的许可。
  • :+65-98550280 QQ:2249355960 :contact@s-p.sg