Применение физически-информированной нейронной сети для прогнозирования динамики изменения пластового давления вокруг работающей скважины

В результате исследования была обучена физически-информированная нейросетевая модель скважины, которая предсказывает поля давлений, при этом учитывая уравнения фильтрации. Модель работает на несколько порядков быстрее, чем численный симулятор. Это свойство модели, а также ее свойство дифференцируемости, позволяют использовать данную модель для различных задач моделирования течения жидкости на реальном пласте. В качестве примера таких задач можно привести задачу адаптации карт проницаемости (history matching), когда по данным дебитам скважины нужно предсказать карту проницаемости вокруг нее. Для этого в совокупности с физически-информированной моделью скважины можно использовать нейросетевой генератор карт проницаемости. Такая схема позволит быстро перебрать тысячи возможных карт проницаемостей, предсказать для них поля давлений и дебиты в скважине и сравнить с историей, выделив наиболее правдоподобные карты проницаемости. Модель пока что работает с упрощенными уравнениями фильтрации, не разделенными по фазам. В дальнейшем модель можно расширить на многофазные течения с меняющимися во времени характеристиками, и использовать для предсказания карт проницаемости всего месторождения по историческим замерам в скважинах, что приведет к новому алгоритму адаптации модели нефтяного пласта.