近日，地球科学学院地质学专业2022级硕士研究生李强裕在中科院三区期刊《Processes》发表题为“Productivity Prediction Model of Tight Oil Reservoir Based on Particle Swarm Optimization–Back Propagation Neural Network”的研究论文。长江大学地球科学学院为论文第一署名单位，李强裕为论文第一作者，其导师郭康良(教授)为第一通讯作者。
单井产能是评价油气藏开发效果的重要指标，准确预测产能是实现油气藏高效经济开发的关键。传统的产能预测方法（经验公式和数值模拟）局限于特定的储层类型，影响因素较少，预测产能时对假设条件做出大量理想化假设，应用场景较为理想。然而，致密油储层影响产能的因素众多，且各因素相互作用表现出显著的复杂性，继续沿用传统的储层产能预测方法可能会产生较大的计算误差，给油田开发带来经济损失。为提高致密储层产能预测精度，实现油气藏经济高效开发，本文以北部湾地区WZ区块致密储层为研究对象，综合考虑地质和工程因素对产能的影响，采用随机森林树和Spearman相关系数分析了产能的主要影响因素。采用粒子群优化算法优化的反向传播神经网络，建立了海上深层及超深层致密储层产能预测模型（PSO-BP模型），并代入油田实际测试井数据。实例应用分析结果显示，该模型的均方根误差（RMSE）为0.032，平均绝对值（MAE）为1.209，相关系数（R2）为0.919。与传统产能预测方法相比，该模型合理实用，计算速度更快，计算结果更准确，可大幅降低产能误差。所构建的模型能够很好地预测WZ区块致密储层的产能，对类似储层的产能预测具有一定的指导意义，有利于油藏经济高效开发。
论文链接：https://doi.org/10.3390/pr12091890
图1论文首页
