基于人工神經網絡方法的頁巖油氣產量預測新技術——以美國Eagle Ford頁巖油氣田為例

作者：李彥尊,白玉湖,陳桂華,徐兵祥,陳嶺,董志強

摘要：頁巖油氣產量受地質、工程等多重因素影響,常規產量預測方法難以反映其真實生產特征,因此引入了機器學習方法進行頁巖油氣產量預測。以美國Eagle Ford頁巖某區塊400余口生產井地質、油藏、工程數據為學習樣本,對人工神經網絡模型進行訓練和優化,確定了最佳模型參數;結合交叉驗證等手段改進了訓練方法,提高計算效率和預測精度,得到了初始產量、遞減率、遞減指數等產量遞減參數與地質、油藏、工程參數之間的關系模型,進而形成了基于靜態參數的頁巖油氣單井產量預測技術。實例應用表明,投產5年內,本文模型產量預測精度可達90%。在沒有生產數據或生產數據較少情況下,本文模型預測產量具有突出優勢。

發文機構：中海油研究總院有限責任公司

關鍵詞：頁巖油氣人工神經網絡產量預測產量遞減shale oil and gasartificial neural networkproduction predictionproduction decline

分類號： TE328[石油與天然氣工程—油氣田開發工程]