基于混合优化算法和深度神经网络模型结合的致密砂岩气藏裂缝参数优化

作     者：罗山贵 赵玉龙 肖红林 陈伟华 贺戈 张烈辉 杜诚 LUO Shangui;ZHAO Yulong;XIAO Honglin;CHEN Weihua;HE Ge;ZHANG Liehui;DU Cheng

作者机构：西南石油大学理学院 西南石油大学人工智能研究院 油气藏地质及开发工程全国重点实验室·西南石油大学 中国石油西南油气田公司致密油气勘探开发项目部 中国石油西南油气田公司工程技术研究院 中国石油西南油气田公司川西北气矿 

基　　金：国家自然科学基金优秀青年科学基金项目“页岩气多尺度非线性渗流力学”(编号:52222402) 国家自然科学基金重点项目“海相页岩水平井超临界二氧化碳压裂机理与一体化模拟研究”(编号:52234003) 四川省杰出青年科技人才项目“深层海相页岩气藏流体赋存与传质机制研究”(编号:2022JDJQ0009) 

出 版 物：《天然气工业》 (Natural Gas Industry)

年 卷 期：2024年第44卷第9期

页      码：140-151页

摘      要：水平井分段压裂是致密砂岩气藏的主要开发方式，其中水力压裂裂缝参数的合理设计对于气藏的经济效益开发至关重要。基于群智能优化算法和机器学习代理模型的自动优化方法存在所需数值模拟次数多、收敛速度慢和代理模型更新复杂等问题，且依靠现场工程师经验和正交实验等传统方法难以获得最佳的裂缝参数设计。为此，建立了一种新的基于混合优化算法和自适应深度神经网络（DNN）结合的致密气藏裂缝参数优化方法。首先，混合优化算法采用遗传算法（GA）和贝叶斯自适应直接搜索（BADS）之间循环迭代的混合策略。在自适应学习过程中，提出了以“最大平均距离点”作为最不确定解，同时辅以最有希望解和少量拉丁超立方采样解共同更新优化过程中的DNN代理模型。随后，将建立的优化方法用于非均质致密砂岩气藏裂缝参数优化。研究结果表明：(1)在标准测试函数和低维裂缝参数优化问题上，GA+BADS混合优化算法表现出了显著优于GA的寻优速度；(2)针对高维裂缝参数优化问题，GA+BADS混合优化算法在约1/2的GA总数值模拟次数下提高了131万元的经济净现值（NPV），收敛速度和寻优精度都明显增加；(3)相比于GA+BADS混合优化算法，在获得相同NPV时，自适应DNN代理加速优化可再减少24.54%的数值模拟运算次数。结论认为，该优化方法显著提升了优化效率，为解决非常规油气藏中水力压裂裂缝参数设计问题提供了一套可行且高效的智能优化方法，将有力促进非常规油气的规模效益开发。

主 题 词：致密气 沙溪庙组 裂缝参数优化 混合优化算法 深度神经网络 自适应学习 代理模型 

学科分类：0820[工学-航空航天类] 12[管理学] 1201[管理学-管理科学与工程类] 081104[081104] 08[工学] 0835[0835] 082002[082002] 0811[工学-水利类] 0812[工学-测绘类] 

核心收录：

D　O　I：10.3787/j.issn.1000-0976.2024.09.013

馆 藏 号：203143370...