基于多变量时间序列及向量自回归机器学习模型的水驱油藏产量预测方法

摘要：

提出了一种基于多变量时间序列(MTS)及向量自回归(VAR)机器学习模型的水驱油藏产量预测方法,并进行了实例应用.该方法在井网分析的基础上通过MTS分析对注采井组数据进行优选,并将井组内不同采出井产油量及注入井注水量作为彼此相关的时间序列,通过建立VAR模型从多个时间序列中提取出相互作用规律,挖掘注采井间流量的依赖关系从而进行产量预测.水驱油藏历史生产数据分析结果表明,与数值模拟历史拟合结果相比,机器学习模型产量预测结果具有更高精度,同时不确定性分析提升了预测结果的安全性.通过脉冲响应分析对注入井的采油贡献量进行评价,可为注水开发方案调整提供理论指导.

关键词：水驱油藏、产量预测、机器学习、多变量时间序列、向量自回归、不确定性分析

所属期刊栏目：48

分类号：TP392(计算技术、计算机技术)

资助基金：霍英东教育基金会高等院校青年教师基金;四川省杰出青年科技人才项目

在线出版日期：2021-03-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：175-184