人工智能方法与地下渗流融合是未来油气藏模拟的重大突破口

smartdou

我在2021年10月20日青岛召开的2021年油气田开发与开发国际会议上提出的目前油气藏渗流领域存在的几个理论问题列在下面供大家讨论。
（1）基于人工智能技术的代理模型下的油藏模拟， 代理模型目前不可逾越的一道鸿沟——采用数值模拟值产生大量供机器学习的数据，这些数据质量决定了代理模型的质量，这种解决问题的思路没有从根本上解决油藏模拟的问题，问题思考，离开数值模拟器产生数据，采用地震、测井、生产等多尺度、多模态数据产量构造出可能的地质模型和地下流体分布，采用GAN和图神经网络等方法，从真正意义上实现数据驱动，目前的技术可以将一个人从孩子模拟到人年老的随时间变化的成功预测，油气地下流动我们一定能模拟出油气在不同开采环境下的动态分布问题。
（2）目前低渗透、致密储层、页岩储层我们通过常规的实验室方法无法等渗透率和孔隙度，流动也不同于提出条件下的流动，油气在地下的运动不仅有扩散，而且有弥散、吸附和解吸附等现象，达西定律已经不能适应目前的储层流体运动规律，需要我们在理论上重新思考解决问题的思路，渗透率和孔隙度都是一个等效关系式，使我们求解流量和压力关系的之间过程值，如果没有渗透率，我们如何采用数据+N-S双驱动来研究地下流体的流动问题？我们可否回到N-S方程的流体力学根本问题上和考虑范德华力分子模拟基本问题上？
（3）三次采油驱油过程中如果驱替的是殘余油，提高采收率的理论估计问题是目前的理论瓶颈，在理论上殘余油是以油滴或者以一种分散相分布在储层中，在理论上我们无法得到驱油面积，也就意味着我们无法得到驱油效率，考虑借助AR/XR的技术解决这个理论问题。

冷眼看热闹

谢谢窦老师分享宝贵资料！