基于机器学习的井位及注采参数联合优化方法

• 作者: 王文东 石梦翮 庄新宇 卜亚辉 苏玉亮
• 来源期刊: 深圳大学学报（理工版）
• 学科: 工学
• 关键词: 油田开发 水驱油藏 注采井网 机器学习 智能优化 代理模型 随机森林 径向基神经网络
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 环境与能源|Environment and Energy
• 页码范围: 126-133
• 页数: 8页
• 分类号: TE341|TE324
• 语种: 中文
• DOI: 10.3724/SP.J.1249.2022.02126

摘要

针对水驱油藏传统优化方法过于依赖人为经验及顺序优化难以求得全局最优解等问题,提出一种基于机器学习的井位及注采参数联合优化方法.基于水驱油藏特征,利用随机森林算法筛选影响注水开发效果的主控因素,以井网形式、产量和注采比等作为输入参数,累计产油量为输出参数,通过流线数值模拟方法构建机器学习预测样本集,综合径向基函数神经网络预测水驱开发效果.基于粒子群算法建立优化数学模型,以最大化产油量作为目标对井网形式和注采参数进行联合优化求解.结果表明,与传统优化方法相比,联合优化方法能够自动同步优化井网形式、井位和注采比等参数,优化后开发效果提升约12％,为水驱油藏的智能高效开发奠定基础.