基于TPE优化的时空图神经网络油藏产量动态预测

来源：石油科学通报杂志2025年第5期北京时间：

作者：张博维, 刘月田, 黄晋江, 薛亮, 宋来明

单位：1 中国石油大学(北京)人工智能学院，北京 1022492 中国石油大学(北京)油气资源与工程全国重点实验室，北京 1022493 中国石油大学(北京)石油工程学院，北京 1022494 中海油研究总院有限责任公司，北京 100028

摘要：油田开发过程中，准确的产量动态预测可以为油田生产措施调整、开发决策优化提供重要帮助。地下井网系统复杂的空间结构和动态随机的时变特征影响产量动态预测方法对注采井时空关系的有效学习，同时现有预测方法未能考虑多参数跨时间步的时空响应关系，导致井组多生产动态时序特征提取和关联分析存在局限性，制约产量预测精度的提升。本文考虑多节点多生产动态时序特征，建立时空图神经网络多井产量动态预测方法及基于树结构的贝叶斯算法的模型参数优化策略，有效聚合邻近节点多元信息，提高油藏产量预测精度和鲁棒性。该模型利用某海上水驱油藏生产数据验证。结果表明，优化后的模型精度较高，具有较好的产量趋势及置信区间预测；通过对比实验证明该模型可以有效实现多生产动态信息利用，提高预测精度，预测精度相较前人方法均方误差降低23.67%~56.96%，分位数损失函数降低18.31%~59.58%。研究成果可用于水驱油藏产量动态预测，为油藏生产决策提供可靠支持。

关键词：产量预测,多井预测,时空图神经网络,时空图建模,TPE优化策略,概率预测

基金资助：中国海洋石油有限公司联合研究院科技项目“基于流场适配性的砂岩油藏开发动态智能分析与评价方法”(CL2O22RCPS2018XNN)