赫俊民 李亚传

（1.中石化胜利油田物探院 东营 257100）（2.中国石油大学（华东） 青岛 266580）

1 引言

油藏资源是油田企业发展的基础，油气储量的分析与预测是油气企业发展中不可或缺的基础工作。只有通过科学分析，量化投入产出关系，才能尽可能在有限的资源下创造最大收益。因此，在勘探数据分析的基础上，准确预测油藏年度规划储量，对优化勘探规划结构、提高油藏发现效率都具有重大意义。在油气开采的过程中，相关专家一直在探索一种准确、高效的资源预测方法。然而由于对不确定因素难以准确地量化，预测结果与实际产出之间存在较大误差。本文在勘探规划数据分析的基础上，提出了一种基于深度学习的储量预测方法——基于RNNs（Recurrent Neural Networks）的油藏年度规划储量预测网络，是利用RNNs在油藏年度规划储量预测方面的第一次尝试。通过建立不同级别地质单元的的预测模型，利用近几十年的历史数据，实现对不同地质单元不同勘探阶段的中短期年份油气储量的预测。实验证明，基于RNNs的油藏年度规划储量预测网络在油藏年度规划储量预测上的效果明显优于传统的预测方法［1～2］，而且计算效率有大幅提高。

2 相关工作

2.1 传统的储量预测方法

油气田年度规划储量预测的结果准确度，取决于预测方法和所建立的数学模型。总地来讲，规划储量预测方法分为数学模型法、历史拟合法、时间序列预测分析法等几大类［3～4］。

数学模型法从模型的理论思想、数学表达式、求解方法、适用范围、应用效果等方面进行分析，并实际应用于油田的年度规划储量预测［5］。……