数字岩心渗流物理特性智能预测研究进展OA

岩心分析是储层评价的基石,数字岩心技术(digital rock physics,DRP)通过三维成像与数值模拟,实现了对储层微观结构与渗流特性的定量表征.本文总结了数字岩心技术从“所见为所得”结构表征范式,到“所算为所得”数值计算范式,再到“所学为所得”智能预测范式的演进历程.前两代范式面临代表性单元体(representative elementary volume,REV)尺度难寻、数值计算成本高昂等核心瓶颈.本文从结构特性、单相渗流特性(渗透率)以及多相渗流特性(相对渗透率、毛管压力、润湿性)等方面着重梳理了“所学为所得”的数字岩心分析技术进展.该范式以深度学习为核心,为突破传统瓶颈提供了革命性路径:一方面,利用生成对抗网络(generative adversarial networks,GANs)与超分辨率技术(super-resolution,SR),通过数据驱动重建和增强数字岩心,缓解了REV难题;另一方面,通过构建卷积神经网络(convolutional neural network,CNN)等高效代理模型,将物性预测速度提升数个数量级,有效解决了计算耗时问题.最后,本文探讨了当前数字岩心智能预测技术在数据依赖、模型泛化与物理可解释性方面面临的挑战,并展望了将物理机理深度融入AI模型、推动多尺度数据融合以及构建储层“数字孪生”等未来发展方向,支撑我国智慧油田建设.