얼도스 분지의 G 유전은 개발 중후반기에 접어들었으며, 지층 에너지 감소로 인한 생산량 감소 문제에 직면해 있습니다. 수압파쇄 개조와 주수 보충은 일반적인 증산 전략이지만, G 유전은 파쇄 축적 에너지 인자 불일치로 인해 수층 침입과 인접 유전의 조기 수분 출현이 빈번히 발생하여 개발 효과를 심각하게 제한하고 있습니다. 따라서 본 연구는 G 유전의 파쇄 축적 에너지 인자 통합 최적화에 중점을 두었습니다. 먼저, CMG 수치 시뮬레이션 소프트웨어를 기반으로 대표적인 유정군의 지질 모델을 구축하고 주수 축적 메커니즘을 심층 분석하였습니다. 이후 단일 인자 분석법을 사용하여 1000일 누적 생산량에 유의미한 영향을 미치는 주요 제어 인자들을 체계적으로 식별하였으며, 그 인자들은 균열 길이 비, 균열 유동 능력, 주입 강도, 일일 주수량, 휴지 시간 등을 포함합니다. 다음으로 반응 표면 방법을 적용하여 주요 인자와 누적 생산량 간의 고정밀 예측 모델을 구축하고 잔차 분석 및 수치 시뮬레이션을 통해 모델의 신뢰성을 검증하였습니다. 마지막으로 통합 학습 입자군 최적화 알고리즘을 도입하여 누적 생산량 극대화를 목표로 주요 인자를 반복적으로 최적화하였습니다. 해당 통합 최적화 전략 적용 후 개발 효과가 크게 향상되었으며, 최적화 방안은 반응 표면법으로 최적화된 인자에 따른 시뮬레이션 결과 대비 1000일 누적 생산량을 5.98% 증가시켰습니다. 연구 결과는 G 유전 파쇄 축적 에너지에 적합한 최적 인자 조합을 성공적으로 확정하였으며, 단일 인자 분석법, 반응 표면법 및 지능형 최적화 알고리즘 융합 통합 최적화 방법이 파쇄 축적 인자 불일치로 인한 저효율 생산 문제를 효과적으로 해결하여 원유 생산량을 크게 증대시킬 수 있음을 보여줍니다. 본 연구에서 제안한 통합 최적화 전략은 저압 계수 유전에 흔히 존재하는 자연 생산력 부족 및 개발 효율성 향상 난제 해결에 체계적이고 실현 가능한 기술 방안을 제공하며, 얼도스 분지 및 유사 유전에 중요한 응용 가치를 갖습니다.

통합 학습 입자군 알고리즘; 축적 에너지; 수압파쇄; 공정 인자 최적화; 반응 표면법