德州农工大学研究团队通过整合机器学习与数据压缩技术，开发出一种新型油藏预测模型，显著提升油气产量评估的效率和准确度。该油藏预测模型将传统需要约11分钟的计算过程缩短至1秒内完成，同时保持约97%的预测准确率。

石油工程系研究员穆罕默德·埃尔卡迪指出：“产量预测的方法有很多种，但一切都取决于它。任何决定——无论是贷款、经济研究还是开发阶段的决策——都取决于预测结果，因为它能告诉你将生产多少石油、天然气或水。”研究团队在导师西达尔特·米斯拉博士指导下，创建了一种适用于复杂地质条件的油藏预测方法。

该油藏预测模型创新性地将神经网络与地质数据压缩技术相结合。研究人员首先构建了4,000个均质虚拟储层模型，每个模型包含88,000个网格单元，总计生成超过25万个数据点。通过两种不同的数据压缩技术，将原始数据压缩至五万分之一的比例，并在Python环境中训练神经网络进行产量预测。

埃尔卡迪解释说：“地质数据通常包含大量数据，其中一些可能不如其他数据重要。这就是数据压缩的妙处;它不仅仅是压缩数据，它还能从这些数据中提取出重要特征。”在初步测试中，该模型相比传统模拟器的700秒计算时间，仅需不到1秒即可完成预测，且误差率控制在3%以内。

研究团队进一步与沙特阿美公司合作，利用其提供的模拟数据创建了约3,000个异构储层模型。随着参数增加，特别是加入人为操作因素后，团队持续优化模型表现。研究员维娜·库马尔表示：“我们很兴奋地尝试改进多元预测模型，以进行长达十年的长期预测。”

目前该油藏预测模型正进行参数扩展和技术改进，研究人员计划下一步采用实际生产数据进行验证。这项技术有望为油气行业的投资决策和生产规划提供更可靠的数据支持。

更多信息：Mohammad Elkady 等人，《大型凝析页岩气藏超快多相生产预测》(2023)。