海岸带管理杂志

抽象的

通过使用深度学习预测油藏原始储量并应用敏感性分析来提高采油率，从而进行油藏表征

朱莉娅·姆巴马拉

当今生产面临的问题是无法最佳地回收已发现的资源量。从统计分析来看，只有约60%的石油可回收，迄今为止记录的最高量也只有已发现石油的80%。也就是说，大约25%的石油仍然存在于已经废弃的油田井中。

从尼日利亚的各个油田获取数据，使用深度学习计算可发现石油的数量。该网络经过训练，可以准确预测最初估计的石油储量。对生成的神经网络模型进行敏感性分析，揭示了哪些输入参数对估计 IOIP 贡献最大

根据推断的信息，理想的提高采收率的井是其决定因素根据参数改变的可行性最小化或最大化的井。神经原型通过改进感兴趣的决定性特性进行了优化。数据更新随后导致进一步的训练，并且通常会提高可达到的采收程度。

尽管其他能源正在不断被发现，但石油和天然气仍然是能源行业不可或缺的一部分，因此，确保最大限度地优化这种能源的回收率的措施不容忽视。