TY -的A2 -托雷斯,何塞·安东尼奥·非盟- Li Weirong盟——咚,真真AU -李,John w . AU - Ma,仙林盟——钱,Shihao PY - 2022 DA - 2022/04/04 TI -发展的递减曲线分析参数对油井使用机器学习算法SP - 8441075六世- 2022 AB -获得一个可靠的生产预测,必须建立地质模型与测井和地震数据。地质模型通常使用某些高档升级技术。然后,构造动态油藏模型与另一个数据集,包括完成数据、生产数据、流体性质和相对渗透率曲线。最后,需要验证的动态模型匹配的历史过程。这种方法是数据密集型、耗时,而且往往不严格完成由于缺乏技能和时间。在这项研究中,10000组储层/完成输入数据是由拉丁超立方抽样法,然后,10000组输出(油率和累积生产数据)通过数值模拟获得。接下来,机器学习技术应用于输入数据之间建立一个模型,确定递减曲线分析模型的拟合参数生成的累积产量。总体系数的测定( R 2 )三个Arps递减曲线的因素分别为0.966,0.990和0.945。验证结果表明,提出的产率和累积产量预测的机learning-decline曲线分析(ML-DCA)同意与储层模拟的仿真模型。由于ML-DCA回归模型,可以建立一个完整的理解的影响DCA的储层属性模型。提出ML-DCA模型不仅为石油工程师提供了一个快速和健壮的方法来估计生产性能的非常规油气藏储层和属性没有细致的完成geocellular建模,还可以用来优化完成和操作参数对井的兴趣。SN - 1468 - 8115 UR - https://doi.org/10.1155/2022/8441075 - 10.1155 / 2022/8441075摩根富林明Geofluids PB - Hindawi KW - ER