10.12363/issn.1001-1986.23.02.0106
基于物理信息约束的页岩油储层可压性评价新方法
储层可压性的准确评价是储层压裂设计和压后产能评估的重要前提.目前,采用岩石力学参数进行页岩可压裂性评价取得了较好的现场应用效果.因此,如何准确获取岩石力学参数成为至关重要的问题.通过建立一种基于物理信息约束的神经网络模型,该模型采用物理和数据双驱动,仅使用少量数据就能够实现岩石力学参数的准确预测.为验证模型性能的优异性,采用人工神经网络、随机森林和XGBoost模型与之进行对比.结果表明,物理信息约束的神经网络在少量数据下预测岩石力学参数的平均准确率高于 95%,性能远优于其他模型.采用物理信息约束的神经网络预测得到弹性模量、泊松比、抗拉强度和断裂韧性 4种岩石力学参数,基于岩石力学参数对储层可压性的影响,建立了基于脆性指数和力学参数的可压性评价方法.最后,以渤海湾盆地沧东凹陷K2段不同储层可压性为例进行验证.结果表明:研究区整体可压性较好,其中,纹层状混合质页岩可压裂指数高于 0.7,可压性良好;纹层状长英质页岩、厚层状灰云质页岩和薄层灰云质页岩可压裂指数均处在 0.4~0.7,可压性中等.评价结果与实际施工现场各储层日采油量进行对比,证实了可压性智能评价方法的可靠性,该方法可以推广至页岩储层可压性评价工作中.
页岩油储层、岩石力学参数、可压性、机器学习、物理信息约束
51
TU45(土力学、地基基础工程)
国家自然科学基金;中国石油科技创新基金项目
2023-11-08(万方平台首次上网日期,不代表论文的发表时间)
共15页
37-51