O campo petrolífero de Mahu, localizado na parte noroeste da bacia de Junggar, em Xinjiang, é um dos maiores campos de petróleo em conglomerado do mundo, com reservas na escala de bilhões de toneladas. No entanto, as propriedades do reservatório do campo são pobres e a heterogeneidade é forte, o que apresenta um grande desafio para o desenvolvimento eficiente dos recursos de petróleo e gás. A chave para o desenvolvimento eficiente dos recursos de petróleo e gás reside na identificação precisa dos reservatórios com valor de produção industrial, ou seja, aquelas áreas com alta capacidade de produção de petróleo e gás e baixo custo de desenvolvimento. Devido à complexidade da avaliação dos reservatórios de petróleo e gás na depressão de Mahu, na bacia de Junggar, o estudo propôs um modelo de previsão do valor do reservatório de petróleo e gás baseado em um algoritmo integrado — OGRV (Oil and Gas Reservoir Value). O estudo primeiro analisou profundamente as características geológicas da depressão de Mahu e o estado atual da exploração de petróleo e gás, em seguida, construiu um algoritmo integrado que combina a floresta aleatória (RF), a rede de memória de longo e curto prazo (LSTM) e a rede neural convolucional (CNN) para melhorar a precisão e a capacidade de generalização da avaliação do reservatório. Na fase de implementação, por meio de pré-processamento sistemático e engenharia de características, foram extraídos parâmetros-chave, e, combinando o conhecimento de especialistas da área, foram construídas características aumentadas, como a proporção de umidade de hidrocarbonetos, a proporção de equilíbrio de hidrocarbonetos e a proporção de características de hidrocarbonetos. Além disso, foi introduzida a técnica de janela deslizante para rastrear a tendência de variação das características com a profundidade, utilizando informações de categoria de poços semelhantes como conhecimento a priori para reforçar a capacidade preditiva do modelo. Finalmente, combinando as vantagens de diferentes modelos, foi construído um algoritmo preciso e robusto de avaliação do reservatório que pode identificar efetivamente os reservatórios com valor de produção industrial na depressão de Mahu. No conjunto de teste, as pontuações F1, a precisão e a área sob a curva (AUC) foram de 0,8470, 0,7725 e 0,7810, respectivamente. O estudo também explorou profundamente a interpretabilidade do modelo, visando esclarecer aos geólogos o mecanismo de decisão do modelo, auxiliando-os a tomar decisões mais informadas na exploração e desenvolvimento de petróleo e gás.

previsão de reservatórios; depressão de Mahu; janela deslizante; modelo integrado; interpretabilidade