基于小样本数据驱动的吸水剖面预测研究
国内大部分陆上油田平面和纵向非均质性严重，尤其是经过长期注水开发后，油藏平面及层间驱替差异进一步扩大，开发难度越来越高，而准确认识层间吸水差异是提高水驱开发效果的一个重要基础，因此注水井吸水剖面预测是高含水老油田面临的一项重要工作，也是高效开发老油田的重要保障。吸水剖面矿场测试是掌握层间吸水状况的一种有效手段，但是该方法的测试成本高、耗时长，长期监测难度较大。如何利用油藏生产周期内积累的有限吸水剖面资料，建立有效的吸水剖面预测模型和方法是目前面临的一个重要工程问题。 本文针对油田矿场吸水剖面监测资料少，难以准确反映储层在全生产时段的吸水情况这一难点，首次提出了一套基于小样本数据驱动的吸水剖面预测方法，明确了影响吸水剖面的主要因素，实现了注水井吸水剖面全生产时段的准确预测。本文首先改进了动态时间规整算法（DTW），提出了一种基于多维时间序列相似性的井间连通性计算方法（MD-SDTW）。通过引入时间序列的梯度信息来消除DTW的奇异点对相似性度量准确性的影响，并利用马氏距离度量多维变量的局部距离提高注采井输入-响应信号相似性分析的准确性。以日注水量和注入产出比为注水井的输入信号，以日产液量和含水率为生产井响应信号，构造多维时间序列，评估注采井间的连通程度。对22X井区开展连通性分析，分析结果与示踪剂监测结果高度吻合，验证了算法的合理性和正确性，为井区吸水剖面数据的融合奠定了基础。其次，提出了一种基于图拉普拉斯理论和L2,1正则化的半监督特征选择方法（GLS2FS2）。利用图拉普拉斯理论建立标记数据和未标记数据的邻域图，得到保留数据空间结构的半监督散布矩阵；同时结合L2,1正则化来保证特征变换矩阵W的稀疏性，建立GLS2FS2的目标函数；然后利用迭代方式求解变换矩阵，并根据2||Wi||评估各个特征的重要性。通过标准回归数据集的测试，验证了GLS2FS2方法可有效剔除冗余特征，提高模型的预测精度。以22X井区进行了GLS2FS2算法的吸水剖面特征选择测试，从43个特征参数中筛选出了孔隙度、渗透率和注入压力等25个敏感因素用于预测建模。最后，针对有少量吸水剖面资料的井区，提出了一种基于XGBoost协同训练的半监督回归方法（EnXGB-CoReg）以解决小样本条件下的吸水剖面预测问题。利用自助抽样生成多组训练集，并利用遗传算法初始化多个XGBoost模型，增强协同训练范式中基学习器的多样性。通过协同训练将模型筛选出的高置信度未标记样本逐步添加到自身的训练集，保证模型的预测性能可以逐步提升，规避传统半监督学习方法存在学习性能下降的风险，建立安全、可靠的吸水剖面预测模型。以标准回归数据集测试了EnXGB-CoReg算法在小样本学习问题上的优势，结果表明与传统的机器学习方法相比其预测精度更高。在22X井区的矿场应用表明，EnXGB-CoReg算法的吸水剖面预测效果明显好于KH劈分方法和SVM、CoReg等监督/半监督学习方法，能准确挖掘吸水剖面的变化规律。针对没有吸水剖面资料的井区，本文首次提出了一种基于联合分布适配和集成学习的吸水剖面迁移预测方法（JDA-Ens）。通过JDA联合适配源域和目标域的边缘分布和条件概率分布挖掘域间的共有特征表示，从而利用源域井区的监测剖面数据辅助建立目标井区的吸水剖面预测模型。利用集成模型为未标记样本提供伪标记和建立最终的预测模型，提高JDA算法对于高维度特征数据的学习能力。同时，为了提高集成模型的预测精度和减少人工调参的工作量，建立一种基于遗传算法和交叉验证相结合的模型调参策略，实现模型参数的快速自动寻优。以22NA-11和25E-2井组测试了JDA-Ens算法的吸水剖面预测效果，验证了方法的正确性和适用性。本论文创建的适用于小样本和零样本条件下的吸水剖面预测方法，为高含水老油田的高效开发奠定了理论和技术基础。
吸水剖面预测;井间连通性;集成XGBoost协同训练;联合分布适配
中国石油大学(华东)
博士
油气田开发工程
刘威;谷建伟
2021
中文
TE53
2023-08-22（万方平台首次上网日期，不代表论文的发表时间）