다층 유전에서 주입정과 생산정 간의 연계성을 명확히 하는 것은 주입 및 생산 계획 수립, 잔류유 분포 판단뿐만 아니라 유전의 동적 변화를 분석하는 데에도 도움이 되어 개발 방안에 과학적 지침을 제공하고 유전 개발 효율을 효과적으로 향상시킨다. 전통적인 심층 학습 방법이 유동 메커니즘 등의 물리적 제약을 통합하지 않아 해석력이 낮고 역산 파라미터 추정이 어려운 문제를 해결하기 위해, 물리 정보 신경망 기반의 다층 수치 회유 유전 간 상호 연계성 분석 방법을 제안하였다: 물질 평형 방정식과 신경망을 융합하고, 정 그룹 데이터와 신경망 가중치의 곱 연산을 통해 주입정과 연계된 생산정에만 집중함으로써 주변 정들로 인한 분석 결과의 간섭을 줄이고 데이터 처리 부담을 낮추었다; 물리적 제약이 내장된 손실 함수를 설계하여 종방향으로 수치 회유 유전 내 생산정의 유체 생산 속도를 분할함으로써 다층 수치 회유 유전이 종방향으로 물질 평형을 만족하도록 하여 모델의 해석력과 신뢰성을 높였다. 이 방법의 유효성을 검증하기 위해 실제 유전 블록을 선택하여 분석하였으며, 모델 학습 및 예측을 통해 각 층별 주입정과 생산정 간 연결성 및 생산정 유체 생산 속도 결과를 얻었다. 결과는 정 간 연결성 결과가 추적제 모니터링 데이터와 대체로 일치하며 생산정 유체 생산 속도 예측 곡선의 정확도가 높음을 보여준다. 이는 유전의 실제 생산에서 정 간 연결성 분석에 강력한 기술적 지원을 제공한다.

다층 수치 회유 유전;정 그룹;정 간 연결성;물질 평형 방정식;신경망