Tief-poröse-Spalt-Bruch-Komplexmitteldicht-Gas-Kondensat-Lagerstätten weisen hochgradig heterogene Flüssigkeitsströmungsmerkmale auf. Während der Entwicklung tritt im Risssystem aufgrund lokal zu niedrigen Drucks häufig eine Rückkondensation auf, wobei der Matrixdruck und der mittlere Lagerstättendruck immer noch über dem Taupunkt liegen. Dadurch können herkömmliche auf dem mittleren Druck basierende Lagerstättentechnikmethoden den Zeitpunkt und das Ausmaß der lokalen Rückkondensation nur schwer genau erkennen. Zur Lösung dieses Problems untersucht dieser Artikel das Bozi-Kondensatgaslagerstätten im Kuqa-Becken im nördlichen Tarim-Becken, analysiert systematisch die Fluidströmungsmechanismen im dreifachen Medienporen-Spalt-Bruch-System und deren Druckreaktionsgesetzmäßigkeiten. Basierend auf den Veränderungen des Ölbohrkopfdrucks wird die Förderphase in drei Kategorien unterteilt: stabile Abnahmephase, instabile Schwankungsphase und beschleunigte Abklingphase. Abnormale Schwankungen des Gas-Öl-Verhältnisses (Gas-Oil Ratio, GOR) sind ein Warnsignal für Phasenübergänge; eine phasenweise Untersuchung des GOR in unterschiedlichen Druckbereichen kann die dynamische Entwicklung des komplexen Medienreservoirs in verschiedenen Phasen widerspiegeln. Dieser Artikel schlägt ein kombiniertes Vorhersagemodell vor, das auf der Pelican Optimization Algorithm (POA) optimierten Long Short-Term Memory-Netzwerk (LSTM) und dem Temporal Convolutional Network (TCN) basiert. Mit dem POA-Algorithmus werden die Hyperparameter von LSTM und TCN global optimiert, und mit einer gewichteten Fusionsstrategie wird ein POA-LSTM-TCN-Kombinationsmodell erstellt, um eine segmentierte Anpassungsprognose des GOR in verschiedenen Phasen zu realisieren. Die Ergebnisse zeigen, dass der mittlere absolute prozentuale Fehler (MAPE) der optimierten POA-LSTM- und POA-TCN-Modelle 3,71 % bzw. 7,73 % beträgt, während das MAPE des POA-LSTM-TCN-Kombinationsmodells 2,40 % beträgt, was einer Verringerung um 1,31 % bzw. 5,33 % gegenüber den einzelnen Modellen entspricht. In Verbindung mit numerischen Simulationsergebnissen zeigt sich, dass traditionelle Lagerstättentechnikmethoden, die sich nur auf den mittleren Druck verlassen, Rückkondensationen in den Rissen nicht effektiv erkennen können; die Anwendung des POA-LSTM-TCN-Modells zur Vorhersage des GOR ermöglicht dagegen eine hochpräzise und schnelle Erkennung von Rückkondensationen durch Bewertung von GOR-Prognoseabweichungen, die über einem festgelegten Schwellenwert liegen. Daher füllt diese Studie die Lücken traditioneller Methoden bei der Erkennung lokaler Rückkondensationen und bietet eine Frühwarnmethode basierend auf frühzeitiger Anomalieerkennung, die für die dynamische Produktionsanalyse komplexer Lagerstätten, die Erkennung von Rückkondensationsmechanismen und die Optimierung von Entwicklungsplänen bedeutende theoretische und ingenieurtechnische Werte besitzt.

Tarim-Becken; Bozi-Lagerstätte; komplexe Medien; Kondensatlagerstätte; Gas-Öl-Verhältnis; Rückkondensation; neuronale Netze