基于机器学习与遗传算法的地热储层渗透率智能反演研究

摘要

拟合地热储层长期注采过程中的生产动态是反演储层渗透率分布的重要技术。为了逼近真实的储层特征，传统反演方法需要反复调用数值模型进行试错搜索，计算成本高，时间周期长。对此，提出将机器学习代理模型与遗传算法相结合的智能反演思路，以实现地热储层的高效表征。本研究通过随机森林算法建立了均质、各向异性和非均质渗透率储层的智能预测模型，以代理不同生产时间的数模计算。智能代理模型在提高效率的同时保持了较好的计算精度，预测误差低于5%。遗传算法通过生产温度、输出热功率和累积取热量3个生产指标反演渗透率的分布参数。不确定性分析结果证明了反演模型在3种类型的储层中的可行性。后验模型生产数据的离散度相比于先验模型下降了76%以上，历史匹配结果较好。文中还对不同渗透.率分布参数的反演准确性进行了比较和分析。本研究有助于丰富地热储层渗透率的反演理论。

关键词

地热能 / 非均质渗透率 / 智能代理模型 / 智能反演方法 / 不确定性