同时的多井产量预测和异质水库中的运营战略意识:一个时空注意力增强的多图形卷积网络

科学领域:

• 石油工程是石油工程中的一个.
• 人工智能的人工智能
• 储水库工程 储水库工程

背景情况:

• 在超高水切割油田中准确的产量预测至关重要,但由于运营不确定性,水库异质性和井间干扰而受到挑战.
• 传统的方法是计算密集型的,依赖于简化假设,而现有的时空模型往往无法捕捉动态水库行为.
• 现有的多图框架缺乏适应不断变化的生产场景的适应性.

研究的目的:

• 开发一种新的时空注意力增强多图形卷积网络 (STA-MGCN),用于同时进行多井生产预测.
• 解决现有方法在捕捉复杂的空间和时间水库动态方面的局限性.
• 为了在油田开发中实现高效和准确的实时决策.

主要方法:

• 构建了四个编码井模式特征的图形,并应用图形卷积来进行空间相互作用分析.
• 开发了一种混合时间序列,集成历史数据和实时变量,由注意力增强的长期短期记忆模块处理.
• 实现了层 wise 交替更新和多图形融合,以实现真正的时空合和自适图形权重.

主要成果:

• 在预测油田产量方面,STA-MGCN表现优于基线模型.
• 该模型在液体提升和井封闭等场景中实现了高精度和物理一致性.
• 有效地捕获了水库异质性和井间干扰,推断速度比数值模拟快3个数量级.

结论:

• 在具有挑战性的超高水切割油田阶段,STA-MGCN为产量预测提供了强大而高效的解决方案.
• 该模型能够动态适应水库变化和井间干扰,从而提高预测的准确性和可靠性.
• 显著的速度优势使得实际的实时决策和复杂的场景分析在油田管理中成为可能.