基于人工神经网络方法的页岩油气产量预测新技术——以美国Eagle Ford页岩油气田为例

作者：李彦尊,白玉湖,陈桂华,徐兵祥,陈岭,董志强

摘要：页岩油气产量受地质、工程等多重因素影响,常规产量预测方法难以反映其真实生产特征,因此引入了机器学习方法进行页岩油气产量预测。以美国Eagle Ford页岩某区块400余口生产井地质、油藏、工程数据为学习样本,对人工神经网络模型进行训练和优化,确定了最佳模型参数;结合交叉验证等手段改进了训练方法,提高计算效率和预测精度,得到了初始产量、递减率、递减指数等产量递减参数与地质、油藏、工程参数之间的关系模型,进而形成了基于静态参数的页岩油气单井产量预测技术。实例应用表明,投产5年内,本文模型产量预测精度可达90%。在没有生产数据或生产数据较少情况下,本文模型预测产量具有突出优势。

发文机构：中海油研究总院有限责任公司

关键词：页岩油气人工神经网络产量预测产量递减shale oil and gasartificial neural networkproduction predictionproduction decline

分类号： TE328[石油与天然气工程—油气田开发工程]