基于机器学习的火驱注采井间连通性研究——以红浅1井区火驱先导试验区为例

摘要：

判断火驱稠油油藏注采井间连通关系进而计算燃烧前缘位置是火驱开发调整的首要工作,而现有注采关联模型难以表征复杂的火驱注采井间连通情况.以红浅1井区火驱先导试验区为例,建立了适用于火驱的多元热采关联模型.首先对原始动态数据进行了数据预处理;然后利用决策树、随机森林和Ada-Boost 3种机器学习算法进行了特征变量的重要性比较,选择计算精度最高的随机森林算法确定出影响火驱产量的3个主特征为含水率、注气量和油压;在此基础上,建立了火驱多元注采关联模型,对典型井组注采井间连通性进行了计算;最后利用生产特征和示踪剂测试对计算结果进行了验证.结果表明,井间连通性计算值符合生产动态分析对生产井状态的认识,示踪剂监测结果也进一步验证了注采连通性的准确性.本文方法准确简便,有助于清晰认识火驱井间状态,并为后续火驱注采调整和产量预测提供决策依据.

关键词：火驱、机器学习、主特征、注采关联模型、井间连通性

所属期刊栏目：35

分类号：TE33(油气田开发与开采)

资助基金：国家自然科学基金;西安石油大学研究生创新与实践能力培养项目;陕西省自然科学基础研究重点项目

在线出版日期：2023-05-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：93-100