近日，永利6774app手机版官网地質學專業2022級碩士研究生李強裕在中科院三區期刊《Processes》發表題為“Productivity Prediction Model of Tight Oil Reservoir Based on Particle Swarm Optimization–Back Propagation Neural Network”的研究論文。永利6774app手机版官网為論文第一署名單位，李強裕為論文第一作者，其導師郭康良(教授)為第一通訊作者。
單井産能是評價油氣藏開發效果的重要指标，準确預測産能是實現油氣藏高效經濟開發的關鍵。傳統的産能預測方法（經驗公式和數值模拟）局限于特定的儲層類型，影響因素較少，預測産能時對假設條件做出大量理想化假設，應用場景較為理想。然而，緻密油儲層影響産能的因素衆多，且各因素相互作用表現出顯著的複雜性，繼續沿用傳統的儲層産能預測方法可能會産生較大的計算誤差，給油田開發帶來經濟損失。為提高緻密儲層産能預測精度，實現油氣藏經濟高效開發，本文以北部灣地區WZ區塊緻密儲層為研究對象，綜合考慮地質和工程因素對産能的影響，采用随機森林樹和Spearman相關系數分析了産能的主要影響因素。采用粒子群優化算法優化的反向傳播神經網絡，建立了海上深層及超深層緻密儲層産能預測模型（PSO-BP模型），并代入油田實際測試井數據。實例應用分析結果顯示，該模型的均方根誤差（RMSE）為0.032，平均絕對值（MAE）為1.209，相關系數（R2）為0.919。與傳統産能預測方法相比，該模型合理實用，計算速度更快，計算結果更準确，可大幅降低産能誤差。所構建的模型能夠很好地預測WZ區塊緻密儲層的産能，對類似儲層的産能預測具有一定的指導意義，有利于油藏經濟高效開發。
論文鍊接：https://doi.org/10.3390/pr12091890
圖1論文首頁
