多層油層における各層の注入井と生産井間の連結性関係を明確にすることは、注入・生産計画の策定や残油分布の判断に役立つだけでなく、油層の動的変化を分析することで開発計画に科学的な指針を提供し、油層開発の効率を効果的に向上させる。従来の深層学習手法は流動メカニズムなどの物理的制約を取り入れていなかったため、解釈性が低く、逆問題のパラメータ推定が困難であったという課題に対し、物理情報を持つニューラルネットワークに基づく多層水駆油層の井間連結性解析手法を提案した。物質収支方程式とニューラルネットワークを融合し、井群データとネットワーク重みを乗算する処理によって、注水井に連結する生産井のみに着目することで周囲の井戸の影響を減らし、データ処理の負担を軽減した。物理的制約を組み込んだ損失関数を設計し、縦方向に水駆油層の生産井の液体産出率を分割することで、各層の物質収支を満たし、多層水駆油層の井間連結性解析におけるモデルの解釈性と信頼性を向上させた。この手法の有効性を検証するため、実際の油田ブロックを選択して分析を行い、モデルの学習と予測を通じて各層の注入井と生産井間の連結性および生産井の液体産出率の結果を得た。結果は、井間連結性の結果がトレーサー監視データとほぼ一致し、生産井の液体産出率予測曲線の精度が高いことを示している。これは油田の実生産における井間連結性解析に強力な技術支援を提供する。

多層水駆油層;井群;井間連結性;物質収支方程式;ニューラルネットワーク