在過去二十年里，為了應(yīng)對全球能源需求的持續(xù)增長，非常規(guī)油氣的開發(fā)進程顯著提速。盡管在整體能源結(jié)構(gòu)中，石油與天然氣面臨著溫室氣體減排和凈零排放目標(biāo)的挑戰(zhàn)，但在可預(yù)見的未來，對非常規(guī)化石燃料的依賴將持續(xù)保持強勁?？v觀各種因素，準(zhǔn)確的產(chǎn)量預(yù)測是有效管理非常規(guī)油氣藏的關(guān)鍵。事實上，產(chǎn)量預(yù)測不準(zhǔn)確，會導(dǎo)致低能源投資回報率。

目前業(yè)內(nèi)的產(chǎn)量預(yù)測方法并不適用于非常規(guī)油氣田的開發(fā)與作業(yè)決策。油藏模擬方法常用于常規(guī)油藏，但效率低且耗時長。非常規(guī)井儲量預(yù)測的標(biāo)準(zhǔn)程序是基于遞減曲線分析的統(tǒng)計型曲線。然而，這種類型曲線法存在內(nèi)在缺陷，不適合油藏管理與油田開發(fā)決策。類型曲線無法獲取井況變化（如地質(zhì)、井間距、完井參數(shù)），往往會導(dǎo)致預(yù)測不準(zhǔn)確（低估或高估）。

SUN集成了SpeedWise遞減曲線分析和更多強大功能，例如機器學(xué)習(xí)與深度學(xué)習(xí)（循環(huán)神經(jīng)網(wǎng)絡(luò)），用于靈活的產(chǎn)量概率預(yù)測。

·自動提取特征，例如井間距計算、從日志與地圖中獲取地質(zhì)參數(shù)等；

·數(shù)據(jù)處理能力優(yōu)秀，如數(shù)據(jù)插補、分類編碼、數(shù)據(jù)去關(guān)聯(lián)、數(shù)據(jù)降維等；

·集成了SpeedWise 機器學(xué)習(xí)平臺，內(nèi)嵌穩(wěn)定、經(jīng)過訓(xùn)練的機器學(xué)習(xí)模型，以進行準(zhǔn)確的預(yù)測分析；

·風(fēng)險量化的經(jīng)濟敏感性分析；

·基于網(wǎng)頁端的交互式儀表板；

在SUN系統(tǒng)內(nèi)，有三種不同的AI方法用于可靠、靈活的產(chǎn)量預(yù)測：遞減曲線自動分析(DCA)：這是一種基于數(shù)據(jù)的工作流程，可自動對井進行多段遞減曲線分析，主要用于儲量預(yù)估。

基于機器學(xué)習(xí)的參數(shù)模型：擬合出產(chǎn)量曲線的函數(shù)方程（如Arp方程），建立機器學(xué)習(xí)模型來預(yù)測模型參數(shù)。它主要用于規(guī)劃新區(qū)域，如井距、完井作業(yè)設(shè)計優(yōu)化等。

基于深度學(xué)習(xí)的時序模型：使用獨有的Encoder-Decoder深度學(xué)習(xí)架構(gòu)，對油、氣、水的產(chǎn)量進行多步概率預(yù)測。主要用于生產(chǎn)井的主動管理、優(yōu)化作業(yè)成本和修井計劃。

SUN采用最先進的機器學(xué)習(xí)方法，結(jié)合獨特的模型解釋與不確定性量化功能，以進行客觀的數(shù)據(jù)分析。SUN已成功用于規(guī)劃、提高全球多個大型非常規(guī)油氣田的產(chǎn)能，工作流程為：

SUN的AI技術(shù)常用于以下三種決策場景：

利用其專有的數(shù)據(jù)分析方法，SUN提供了遞減曲線自動分析，以預(yù)估現(xiàn)有油井的產(chǎn)能。針對這種往往繁瑣且有誤差的工作，SUN的主要優(yōu)點包括：

1、效率提高100倍以上，例如不到一天的時間內(nèi)，可對1000口井進行遞減曲線自動分析。

2、利用自動事件檢測與分位數(shù)回歸法，進行穩(wěn)定、客觀、準(zhǔn)確的預(yù)測。

3、基于機器學(xué)習(xí)的類型曲線法，適用于產(chǎn)量歷史數(shù)據(jù)有限的井。

4、通過協(xié)作式SaaS平臺實現(xiàn)高度靈活性，例如系統(tǒng)審查與調(diào)整、輕松導(dǎo)出、與同事共享結(jié)果等。

5、與標(biāo)準(zhǔn)下降曲線分析方法相比，具有更高的精度。

加密井與新區(qū)域開發(fā)需要針對不同場景進行產(chǎn)量建模分析，例如不同的井位、設(shè)計、完井方式、井間距等。利用機器學(xué)習(xí)自動流程，SUN可幫助工程師獲取油井產(chǎn)能與油井特征之間的非線性、復(fù)雜關(guān)系，最大限度地提高資本效率和能源投資回報率。主要優(yōu)點包括：

1、與傳統(tǒng)類型曲線法相比，誤差降低50%以上；

2、效率增加，利用AWS云上的機器學(xué)習(xí)自動流程，能夠以10倍速度構(gòu)建模型；

3、智能特征工程與數(shù)據(jù)處理，為機器學(xué)習(xí)訓(xùn)練油田歷史數(shù)據(jù)；

4、通過可解釋機器學(xué)習(xí)，分析每個參數(shù)（如地質(zhì)、完井、井距）對產(chǎn)能的影響，了解背后的原因，從而更有信心做出決策；

5、預(yù)估產(chǎn)量曲線的置信區(qū)間；

6、團隊協(xié)作，能夠與業(yè)務(wù)部門輕松共享模型。

諸如調(diào)整適當(dāng)?shù)淖鳂I(yè)條件、安裝新的人工舉升系統(tǒng)、重復(fù)壓裂規(guī)劃等作業(yè)決策，需要對油、氣、水的產(chǎn)量進行實時預(yù)測。如前所述，類型曲線等當(dāng)前方法并不理想。SUN提供了一種基于深度學(xué)習(xí)的框架，可對油、氣、水的產(chǎn)量進行可靠的多步預(yù)測，并創(chuàng)造出傳統(tǒng)方法（遞減曲線分析、統(tǒng)計類型曲線）或傳統(tǒng)機器學(xué)習(xí)算法無法實現(xiàn)的新可能性：

1、通過訓(xùn)練單個模型來預(yù)測所有三相流，從而獲取油、氣、水的產(chǎn)量之間的相關(guān)性；

2、通過預(yù)估每個時間段的置信區(qū)間，更好地進行風(fēng)險管理；

3、由于該模型整合了靜態(tài)特征（例如地質(zhì)、井間距、完井特征），因此可對投產(chǎn)時間不長的油氣井進行可靠、準(zhǔn)確的預(yù)測；

4、使作業(yè)者能夠結(jié)合預(yù)先已知的控制變量，例如節(jié)流尺寸、重復(fù)壓裂作業(yè)、人工舉升類型，做出明智的作業(yè)決策。

其他優(yōu)點包括：

1、自動訓(xùn)練模型和超參數(shù)調(diào)整；

2、模型集成；

3、自動化特征工程和數(shù)據(jù)處理；

4、通過易于使用的瀏覽器端的用戶界面進行團隊協(xié)作。

SUN 系統(tǒng)用于分析與規(guī)劃拉丁美洲的一個大型非常規(guī)油氣田。 通過系統(tǒng)分析了 4000 多口井的產(chǎn)能、地質(zhì)、鉆完井設(shè)計、井間距， SUN 系統(tǒng)建立了可靠的預(yù)測模型，能夠預(yù)測出新井的初始產(chǎn)量和預(yù)計采收率，以及該預(yù)測結(jié)果的不確定性。 基于預(yù)測模型與泄油體積分析，對該井的計劃產(chǎn)量進行全局優(yōu)化，自動識別出 5000 多個新開發(fā)機會，從而使凈現(xiàn)值最大化、風(fēng)險最小化。

在機器學(xué)習(xí)訓(xùn)練中，根據(jù)測井與鉆完井?dāng)?shù)據(jù)估算了地質(zhì)和壓裂相關(guān)的幾個物理量，并將其作為訓(xùn)練過程中的特征?；趯I(yè)知識的訓(xùn)練顯著提高了預(yù)測模型的準(zhǔn)確性與穩(wěn)定性。該模型經(jīng)過訓(xùn)練后，再進行仔細檢查、專家審查與假設(shè)檢驗，以確保該模型能夠正確地符合物理特性。

SUN 系統(tǒng)幫助一家大型國際油氣公司分析、優(yōu)化了加拿大某個大型頁巖氣田的水力壓裂作業(yè)。 在數(shù)據(jù)非常有限的情況下，基于它們的壓裂與完井設(shè)計，我們客觀、穩(wěn)定的分析模擬出現(xiàn)有油氣井的產(chǎn)能。

該預(yù)測模型應(yīng)用于未建成的油氣井時，準(zhǔn)確度超過80%。SUN獨有的模型解釋能力用于尋找每個單獨設(shè)計參數(shù)的影響。例如該模型研究出完井長度、壓裂段數(shù)、泵送流體、支撐劑充填等因素對油氣井產(chǎn)能的影響，使這些因素之間的干擾最小。換句話說，僅使用200個數(shù)據(jù)點與100多個參數(shù)，就完成了全面的敏感性分析。這種模型解釋能力可為上述問題提供物理學(xué)分析，以及指導(dǎo)未來的開發(fā)作業(yè)，特別是在將該模型外推至參數(shù)范圍之外的情況下。