基于物理约束和傅里叶神经算子的压裂水平井产量智能预测新模型

来源：石油科学通报杂志2025年第6期北京时间：

作者：高欣, 陈志明, 朱海锋, 宋海强

单位：1 中国石油大学(北京)油气资源与工程全国重点实验室， 北京 102249 2 美国德克萨斯州大学奥斯汀分校， 得克萨斯州奥斯汀， 78712

摘要：页岩油井受页岩储层特征及特殊渗流机制影响，常使用压裂水平井开发，产量预测是其压裂方案优化与经济指标评价的重要前提，然而，目前常用的产量预测方法还不够完善。因此，针对上述问题提出一种基于物理约束和傅里叶神经算子(FNO)的压裂水平井压后智能产量预测方法：首先，建立压裂水平井渗流数学模型，求得瞬时产量典型解后，利用商业软件的不稳定产量分析方法(RTA)模块验证，结果显示两者瞬时产量典型解高度一致，再基于该渗流模型生成不同参数范围下的产量数据作为FNO网络数据集；其次，构建FNO网络并进行训练，训练结果显示，在训练集与验证集中，预测值与真实值的决定系数R2均超过0.99，表明网络具备优异的泛化能力；最后，以古龙页岩油H1井为实例，对其未来两年产量进行预测，具体步骤有：(1)收集该井实际生产资料、地质资料、压裂施工资料，结合试井解释得到输入参数；(2)分别采用RTA与FNO方法对H1井日产油量进行预测；(3)对比两种预测方法，发现FNO网络预测结果与RTA预测结果具有高度一致性(离散点决定系数R2为0.95)，证明了FNO网络预测结果的准确性与可靠性，并且FNO网络速度远快于RTA(FNO：1-2s，RTA：600s)。此外，对不同产量智能预测模型展开评估，对比了FNO与Bi-LSTM、LSTM、CNN模型在同一数据集上的训练误差，结果显示，FNO模型在验证集上误差最小，泛化能力最强。因此，基于FNO网络的压裂水平井压后产量预测方法有望为页岩油井压裂优化和经济评价提供理论支撑，助力油气藏高效开发。

关键词：人工智能,压裂水平井,产量预测,傅里叶神经算子,试井解释

基金资助：国家自然科学基金项目(52074322);北京市自然科学基金项目(3232027);油气资源与工程全国重点实验室开放课题“基于多相“返排-生产”数据的页岩油藏动态裂缝反演方法研究”(PRP/open-2212)