創(chuàng)新點

油氣行業(yè)內首次將Transformer架構引入重復壓裂井的產量預測，驗證Transformer架構捕捉時間序列長期依賴性的有效性，提出基于Transformer架構的油井重復壓裂產量預測模型，在理論上為油氣大數(shù)據分析開辟了一個新的深度學習路徑。基于Transformer架構，嘗試建立適應老區(qū)重復壓裂批量化快速精確選井的理論及方法體系，力求為老區(qū)持續(xù)穩(wěn)產提供全新視角與解決方案。

長按識別二維碼閱讀全文

低效井重復壓裂產量深度時間序列預測方法綜述

作者：賈靖^{1, 2}, 樊慶虎, 王李昌^{1, 3}, 李帝銓

單位：1. 中南大學 地球科學與信息物理學院；2. 中國石油西部鉆探工程有限公司；3. 長沙市深地資源能源開發(fā)技術創(chuàng)新中心

引用格式：

賈靖，樊慶虎，王李昌，等.低效井重復壓裂產量深度時間序列預測方法綜述[J].綠色礦山，2025，3(1)：14?36.JIA Jing，F(xiàn)AN Qinghu，WANG Lichang，et al. Prediction of post-refracture production of low-productivitywells using deep time series models: A critical review[J]. Journal of Green Mine，2025，3(1)：14?36.

摘要

當前，我國非常規(guī)原油產量不及總產油量的2%，老區(qū)在較長時間內仍然是穩(wěn)產主力。重復壓裂是儲層增產改造的重要技術組成，壓后產量的準確預測是重復壓裂目標井正確選擇的關鍵。由于儲層內部的不連續(xù)界面、孔滲異質性和關鍵油藏參數(shù)缺失等因素的影響，傳統(tǒng)基于經驗式或數(shù)值模擬的壓后產量預測方法在老區(qū)的適用性受限，深度學習模型是一個優(yōu)秀的選項。傳統(tǒng)深度學習方法(如RNN、LSTM)存在梯度消失、長期依賴建模能力不足等局限，難以應對石油時間序列數(shù)據的高維、非平穩(wěn)及噪聲干擾等特性。Transformer架構憑借多頭注意力機制與并行計算能力，可有效捕捉產量時間序列中的長短期依賴關系。系統(tǒng)回顧重復壓裂技術沿革，以及深度時間序列預測模型研究進展，提出構建基于Transformer架構的低效井重復壓裂產量深度時間序列預測模型，并在準噶爾盆地某油田W區(qū)塊的歷史產量數(shù)據上進行了案例研究。研究是構建適應老區(qū)重復壓裂批量化快速精確選井的理論及方法體系的創(chuàng)新嘗試，力求為老區(qū)持續(xù)穩(wěn)產提供全新視角與解決方案。展望未來研究方向：一是針對計算成本控制，建議優(yōu)化經典Transformer架構的注意力模塊、配合時間序列分解技術，實現(xiàn)低算力成本的重復壓裂產量預測；二是針對多區(qū)塊協(xié)同選井，建議引入領域自適應理論，從對抗領域自適應或偽標簽領域自適應入手，開發(fā)具備遷移學習能力的Transformer骨干架構。

引言

當前，我國非常規(guī)原油產量不及總產油量的2%，老區(qū)在較長時間內仍然是穩(wěn)產主力，低效油井重復壓裂是提高原油采收率的重要手段。重復壓裂就是對已經壓裂改造過的井再度實施壓裂改造，可以恢復由于支撐劑嵌入、縫周結垢、細顆粒堵塞或巖石蠕變等導致的裂縫導流能力下降，亦可能制造新裂縫、激活天然裂縫或溝通更大范圍的儲層，是常規(guī)儲層改造手段的重要補充。

重復壓裂成功的前提是選擇正確的井，選擇正確井的關鍵是精確預測壓裂井的壓后產量。天然地層的井間地質條件大多不連續(xù)，很難用巖心分析來推斷整個區(qū)塊的地質特征。由于儲層異質性和井間干擾，井筒狀態(tài)需較長時間才能穩(wěn)定，壓力測試通常難以得出明確的結論。若干老區(qū)經過五六十年的開采，油藏特征參數(shù)已不可得，重新勘探或原位取心也不可能，參數(shù)的缺失制約了數(shù)值模擬工具的使用。低滲砂礫巖儲層(本研究的目標儲層)存在大量可運移多粒徑顆粒，幾乎無法找到解析解來預測此類儲層中的重復壓裂井產量。在諸多限制之下，需要尋找某些方法在油藏特征參數(shù)缺失的情況下對壓裂井產能進行預測，深度學習模型以其獨特的非線性關系捕捉能力和不依賴物理模型的數(shù)據驅動機制而成為一個優(yōu)秀的選項。

但是，石油數(shù)據樣本多呈現(xiàn)高維、非平穩(wěn)等特征，且通常含有過多的噪音、異?；蛉笔е担瑐鹘y(tǒng)深度學習模型不足以準確建模石油時間序列數(shù)據的上述復雜性。同時，傳統(tǒng)深度學習模型在處理長期依賴或捕捉復雜模式等方面也存在限制。2017年，VASWANI等提出Transformer架構。作為序列到序列(Seq2seq)問題的通用逼近器，Transformer天然地適用于時間序列預測，注意力機制允許Transformer無視距離、任意地訪問歷史中的任何部分，這使其更適合抓住具有長期依賴性的重復模式。

筆者系統(tǒng)回顧重復壓裂技術沿革，以及深度時間序列預測模型研究進展，提出“繞過復雜數(shù)學物理分析，從能夠精確掌握的產量數(shù)據入手，以高精度的產量預測和高魯棒性的樣本數(shù)據處理方法為基礎，從數(shù)據中挖掘剩余油”?；跍矢翣柵璧啬秤吞颳區(qū)塊的歷史產量數(shù)據進行案例研究。在高精度重復壓裂產量預測算法的支持下，嘗試構建適應老區(qū)重復壓裂批量化快速精確選井的理論及方法體系，力求為老區(qū)持續(xù)穩(wěn)產提供全新視角與解決方案。

部分圖片

圖 1 3種典型選井方法的效果對比

圖 2 低效油井重復壓裂前后的產量對比示意

圖 3 基于聚類分析的重復壓裂目標井推薦

圖 4 序列到序列計算示意

圖 5 RNN中信息的順序傳遞

圖 6 長短期記憶神經網絡的結構

圖 7 Softmax在注意力機制中的執(zhí)行過程

圖 8 目前主要深度時間序列預測模型(基于RNN和Transformer)

圖 9 Transformer架構

圖 10 多頭注意力的計算流程

圖 11 本研究深度神經網絡架構

圖 12 滑動窗口示意

圖 13 滑動窗口Transformer的損失曲線及產量預測結果

圖 14 9口井的擬合預測結果

圖 15 9口井的誤差驗證結果

圖 16 6口新壓井的產量預測

第一作者

賈靖（1994—），男，甘肅金昌人，博士研究生。研究方向為儲層增產改造。

通訊作者

李帝銓（1982—），男，廣西北流人，中南大學二級教授，“升華學者計劃”學科領軍人才，博士。長期致力于電磁勘探方法理論與探測技術的研究，擔任教育部重點實驗室副主任，中國地球物理學會地球物理技術委員會委員、國家礦業(yè)青年科學家論壇學術委員會執(zhí)行主席。研發(fā)的方法技術得到廣泛應用，效果顯著，曾獲得國家技術發(fā)明一等獎1項（R2）、省部級一等獎2項（R1）、中國青年科技獎（2022 年）。

研究方向

依托中南大學國家重點學科“地球探測與信息技術”、國家一流本科專業(yè)“地球物理學”以及“雙一流”建設學科“地球科學”，建設“深地智能感知”團隊，聚焦智能廣域電磁探測系統(tǒng)研發(fā)、智能感知技術研發(fā)、智能數(shù)據處理與解譯、智能感知平臺建設等。

主要成果

近年來，團隊承擔了深地國家重大專項、國家重點研發(fā)計劃、重大科研儀器設備研制專項等國家重大項目10項；發(fā)表國內外高水平學術論文50余篇、授權發(fā)明專利20余項、出版專著3本；獲得國家技術發(fā)明獎一等獎1項，中國青年科技獎1項、何梁何利獎1項、中國有色金屬工業(yè)科學技術一等獎2項、湖南省青年科技獎1項。

策劃丨郭曉煒

責編丨宮在芹

編輯丨李莎

審核丨常明然

煤炭科學研究總院期刊出版公司擁有科技期刊21種。其中，SCI收錄1種，Ei收錄5種、CSCD收錄6種、Scopus收錄7種、中文核心期刊9種、中國科技核心期刊11種、中國科技期刊卓越行動計劃入選期刊4種，是煤炭行業(yè)最重要的科技窗口與學術交流陣地，也是行業(yè)最大最權威的期刊集群。

期刊簡介

為深入貫徹習近平生態(tài)文明思想，踐行“綠水青山就是金山銀山”理念，搭建綠色礦山建設領域高端學術交流平臺，2023年5月，經國家新聞出版署批準，由中國煤炭科工集團主管、煤炭科學研究總院有限公司主辦的中文科技期刊——《綠色礦山》（Journal of Green Mine）應運而生?！毒G色礦山》為季刊，國內統(tǒng)一連續(xù)出版物號為：CN10-1912/TD，ISSN號：2097-3357，由《綠色礦山》編輯部負責策劃、出版、發(fā)行。

刊登范圍

綠色勘查、綠色開采、礦山地下空間利用、綠色選冶、礦山環(huán)境保護、低碳技術及節(jié)能減排、數(shù)字礦業(yè)、綠色低碳經濟政策與評價等。

聯(lián)系：常明然

電話： 010-87986451

郵箱：changmingran0216@163.com

---

聲明：本文系轉載自互聯(lián)網，請讀者僅作參考，并自行核實相關內容。若對該稿件內容有任何疑問或質疑，請立即與鐵甲網聯(lián)系，本網將迅速給您回應并做處理，再次感謝您的閱讀與關注。