基于MLP增强生成对抗网络的致密气藏数据增强与最终可采储量预测

《Physics and Chemistry of the Earth, Parts A/B/C》：Data augmentation and EUR prediction in tight gas fields via MLP-enhanced GANs

　　

• •
  提出了一种新颖的MLP-GANs框架，用于生成合成数据以预测致密气EUR。
• •
  该模型仅使用静态地质参数，无需生产历史数据。
• •
  使用增强合成数据后，MAPE分别降至6.7%（MLP）和6.3%（XGBoost）。
• •
  该方法有效缓解了小规模致密气储层中数据稀缺的问题。
• •
  实现了钻井后对油气井采收率的准确即时评估。

引言

中国致密气的大规模开发使其成为国内天然气供应的重要贡献者。准确预测致密气井的EUR对于评估新井的经济效益以及制定致密砂岩储层的开发策略至关重要。以苏里格气田为例的致密砂岩储层具有低孔隙度、低渗透率、储层强非均质性以及气井产量快速递减等特征。EUR预测受多种复杂因素的影响，包括沉积特征、压裂方式和生产管理。传统方法，特别是常规递减曲线分析（DCA）如Arps模型，在致密气储层中表现出明显的局限性。具体而言，这些模型从根本上依赖于边界主导流的假设，需要长时间的稳态生产数据。然而，由于致密砂岩的超低渗透率，气井在早期生命周期中通常处于长时间的非稳态流状态，这使得DCA的核心假设失效，无法在钻井后立即进行快速、早期的EUR预测（Li等人，2022；Arps，1945）。从根本上说，静态地质参数（如孔隙度、渗透率、含气饱和度和有效厚度）决定了原始地质储量（OGIP）和储层的流动能力，从而对油气井的EUR产生直接且主导性的控制作用。利用这些固有的地质属性，可以在钻井后立即进行可靠的EUR估算，无需依赖传统方法所需的长期动态生产数据。本研究基于深度学习开发了一种MLP-GANs模型，用于增强致密砂岩气井EUR预测的训练数据集，从而提高机器学习模型的准确性，实现完井后或生产早期高效精确的EUR估算。

章节摘要

研究背景

致密砂岩气储层通常具有低孔隙度、低渗透率和强非均质性的特征，储层参数的空间变异性显著影响气井产能动态（Yu等人，2023）。研究表明，储层非均质性受沉积环境和成岩作用共同控制，不仅导致岩石物理性质上的多尺度差异，还导致气井产量递减过程中快速且复杂的递减行为。

区域地质特征

苏里格气田位于鄂尔多斯盆地东北部（图1），是中国代表性的致密砂岩气储层，也是目前开发规模最大、技术难度最高的陆相致密气田之一。其地质构造设置复杂，苏里格气田整体表现出"三低"特征：孔隙度通常低于10%，渗透率大多小于1 mD，含气层厚度较薄，且

方法论

为缓解数据稀缺问题并提高泛化能力，通过GANs进行数据增强是一种有前景的解决方案，该方法通过合成保留真实数据分布的样本来实现（Salimans等人，2016a；Saxena和Cao，2021）。然而，传统的基于卷积神经网络（CNN）的GANs在处理高维、稀疏的表格数据时表现不佳，尤其是当数据中存在非线性交互和不平衡的边际分布时。因此，我们提出MLP-GANs，在生成器和判别器中均用多层感知机（MLP）取代CNN组件。

案例研究

本研究的工作流程（图6）从致密砂岩气数据的相关性分析开始，以选择与EUR相关的地质特征，然后将多源数据整合为训练集。随后，我们提出MLP-GANs，使用MLP作为生成器和判别器，为表格数据增强生成高保真合成样本。接着，采用MLP回归和XGBoost回归算法在增强后的数据集上训练预测模型，进一步提升了模型的

讨论

致密砂岩气井的传统EUR预测方法，包括统计回归、SVM和基于CNN的深度学习，在小样本表格数据条件下面临根本性的局限性。线性模型无法捕捉非线性的地质交互作用，而RF和XGBoost等基于树的方法需要大量的特征工程，并且对数据稀疏性仍然敏感。尽管CNN在图像领域表现出色，但由于缺乏

结论

本研究提出了一种基于MLP-GANs的数据增强方法，该方法仅使用含气层厚度、孔隙度、渗透率和含气饱和度等静态地质参数，有效提高了致密砂岩气井的EUR预测精度。MLP-GANs生成的增强合成数据显著提升了模型在小样本条件下的性能，证实了地质属性对EUR可预测性的主导影响，揭示了结构化增强方法

CRediT作者贡献声明

刘星：数据整理、概念构思、撰写原稿。李进布：资金获取、形式化分析。刘莉莉：方法论设计。白雨琦：资源提供。沈雨依：软件开发。

利益冲突声明

作者声明他们不存在已知的可能影响本文所报告工作的竞争性财务利益或个人关系。

致谢

本研究由国家科技重大专项"苏里格致密砂岩气提高采收率技术与集成示范"（任务2："剩余气精细描述"）[项目编号2025D1405502]资助；以及中国石油天然气集团有限公司"致密砂岩气储层提高采收率关键技术研究"（任务1："致密砂岩气储层精细描述技术研究"）[项目编号2023ZZ25YJ01]资助。

刘星|李进布|刘莉莉|白雨琦|沈雨依