基于神经网络的水合物藏降压开采产能预测及参数优化

基于数值模拟求解的传统水合物藏产能预测方法耗时长、效率低,准确、高效地预测天然气水合物藏产能是目前面临的难点问题。基于实际海域水合物藏的地质数据建立大量数值模拟样本,利用神经网络模型对数值模拟结果进行学习,建立水合物藏产能预测的神经网络模型。同时,预测神狐水合物藏和日本南海水合物藏开采2 a的产能,并对降压开采的压力进行推荐。结果表明：神经网络模型预测的准确率超过97%;预测得到神狐水合物藏2 a的日均产气量为2 839 m³,最佳开采压力为3 MPa;日本南海水合物藏2 a的日均产气量为21 523 m³,综合考虑产气量和气水比,最佳开采压力为4 MPa;69%的水合物藏适合的开采压力为3 MPa;但当水合物藏的水合物饱和度大于65%、地层绝对渗透率高于0.1μm²及原始地层压力高于20 MPa时,建议开采压力选择5 MPa。