神经网络方法在致密油藏非线性渗流模型中的应用

作     者：丁荷颖 宋付权 朱维耀 汪勇 孙业恒 He-ying Ding;Fu-quan Song;Wei-yao Zhu;Yong Wang;Ye-heng Sun

作者机构：浙江海洋大学石油化工与环境学院舟山316022 北京科技大学土木与环境工程学院北京100083 中国石油化工股份有限公司胜利油田分公司勘探开发研究院东营257015 

出 版 物：《水动力学研究与进展（A辑）》 (Chinese Journal of Hydrodynamics)

年 卷 期：2022年第37卷第6期

页      面：837-845页

核心收录：

学科分类：0820[工学-石油与天然气工程] 12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 082002[工学-油气田开发工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金面上项目(12272350) 国家重大专项(2017ZX05072005) 

主　　题：致密油藏 神经网络方法 模型参数预测 非线性渗流模型 

摘      要：微纳米尺度下,流体的流动规律呈现非线性渗流规律,故需基于微纳米空间中受限流体的非牛顿流体特征,建立液体的非线性渗流模型,模型中的参数需要通过流动实验得到。为了更方便地获取模型参数,预测流体在致密油藏孔隙中的渗流特征,该文基于神经网络预测方法,用现有的实验拟合数据进行机器学习,从而预测出模型参数。并以胜利油田某致密油藏为研究对象,选取77块致密岩芯并测量其物性参数,将渗透率、孔隙半径和稠度系数作为输入参数,建立了预测模型参数的神经网络模型。研究结果表明:使用反向传播神经网络方法,可以准确预测致密油藏中油和水流动时的非线性渗流模型参数,未来可用于预测油藏储层中其他物性特征,具有较高的准确性和广阔的前景。