油藏开发的混合与自动化机器学习方法：以北海Volve油田为例

本文描述了智能方法在油田开发任务中的使用，其可辅助决策过程。我们聚焦于井位优化问题及其中的两项任务：利用机器学习方法改进石油产量估计质量，以及为合理井位布置与参数化估计储层特征。对于石油产量估计，我们实现并研究了物理驱动、纯数据驱动以及混合三类预测模型的质量。CRMIP模型被选为物理驱动方法。我们在石油产量预测任务框架下将其与机器学习和混合方法进行比较。在井位选择的储层特征研究中，我们通过卷积神经网络的演化识别实现地震分析的自动化以进行储层检测。Volve油田数据集被用作案例研究开展实验。所实现的方法可用于分析不同油田或适配于类似的物理相关问题。