明确注采井间连通情况对油田稳产、控水、提高采收率具有重要意义，而传统的判断方法施工较繁琐，且费用高。应用机器学习方法，基于RNN-DTW进行井间连通性分析，通过训练RNN神经网络模型并预测油井未来产液量，避免DTW算法由于注水传播见效延迟导致的注水量与注水见效后油井产液量的差异，并使用DTW算法分析注水量与产液量的相似程度，确定井间连通状况。现场应用结果表明，该方法的计算结果符合井组物性特征，可以作为油田现场判断注采井间连通性的一种方法。
科研之友
微信
新浪微博
Facebook
分享链接
