融合数值模型与图神经网络的井间连通性分析方法研究

来源：石油科学通报杂志2025年第5期北京时间：

作者：赵玉龙, 李慧琳, 曾星杰, 张烈辉, 康博, 倪美琳, 肖清宇

单位：1 西南石油大学油气藏地质及开发工程全国重点实验室，成都 6105002 西南石油大学计算机科学学院，成都 6105003 振华石油控股有限公司，北京 100031

摘要：井间连通性已成为指导水驱油藏开发的重要依据之一。传统井间连通性预测方法，如示踪剂分析、试井分析、数值模拟等，存在计算困难、过程繁琐、费用高等问题，而基于深度学习的方法又存在数据敏感、适应性差等问题。为应对上述挑战，本文提出了一种融合数值模型与图神经网络的井间连通性预测方法。该方法一方面充分考虑了生产过程中与注采井网相关的物理参数，推导了考虑多项因素的井间连通性数值模型，解决了以往数值模型形式单一的问题；另一方面合理利用了井网结构与图结构的相似性，设计了以长短期记忆神经网络为基础模型的图神经网络模型，并提出数值模型与深度学习模型的融合方法，解决了传统人工智能方法忽略物理参数的问题，并在长短期记忆神经网络框架下引入自注意力机制优化模型，应用所建融合模型，结合机理模型与油藏实际生产数据，完成了井间连通性及产液量的同步预测，并据此制定新的开发方案。多组实验验证表明，该模型对井间连通性的预测准确率高，基于连通性结果进一步计算的产液量预测值准确率可达98%，证实了模型的可靠性。用融合模型预测油藏不同小层的井间连通性，发现模型在不同规模的井网上的预测准确率都达到了95%以上，具有较强的适用性。最后基于连通性预测结果对生产方案进行调整，对连通性高的井降液，对连通性较低的井增液。对比发现，调整后的开发方案相较于原始方案，预测10年后的采出程度提高了6.8%。该方法兼顾物理可解释性与计算效率，为水驱油藏开采效果判断和二次开发方案设计提供了技术参考。

关键词：水驱油藏,井间连通性,数值模型,图神经网络,开发方案调整

基金资助：国家自然科学基金青年科学基金项目“基于物理图神经网络的井间连通性智能识别理论与方法”(52404040)