Le champ pétrolier de Mahu, situé dans la partie nord-ouest du bassin de Junggar au Xinjiang, est l'un des plus grands champs pétroliers de conglomérats au monde, avec une réserve atteignant le niveau d'un milliard de tonnes. Cependant, les propriétés physiques du réservoir sont médiocres et fortement hétérogènes, ce qui représente un défi majeur pour le développement efficace des ressources pétrolières et gazières. La clé du développement efficace des ressources pétrolières et gazières réside dans l'identification précise des réservoirs ayant une valeur industrielle, c'est-à-dire les zones à forte capacité de production de pétrole et de gaz et à faible coût de développement. En réponse à la complexité de l'évaluation des réservoirs pétroliers et gaziers dans la dépression de Mahu du bassin de Junggar, cette étude propose un modèle de prédiction de la valeur des réservoirs pétroliers et gaziers basé sur un algorithme intégré — OGRV (Oil and Gas Reservoir Value). La recherche a d'abord analysé en profondeur les caractéristiques géologiques de la dépression de Mahu et l'état actuel de l'exploration pétrolière et gazière, puis a construit un algorithme intégré fusionnant la forêt aléatoire (RF), le réseau de mémoire à long et court terme (LSTM) et le réseau de neurones convolutionnel (CNN) afin d'améliorer la précision et la capacité de généralisation de l'évaluation des réservoirs. Lors de la mise en œuvre, un prétraitement systématique et une ingénierie des caractéristiques ont permis d'extraire des paramètres clés, et en combinant les connaissances d'experts du domaine, des caractéristiques améliorées ont été construites, telles que le rapport d'hydratation des hydrocarbures, le rapport d'équilibre des hydrocarbures et le rapport des caractéristiques des hydrocarbures. De plus, la technique de fenêtre glissante a été introduite pour suivre l'évolution des caractéristiques selon la profondeur, et les informations sur la catégorie de puits similaires ont été utilisées comme connaissance a priori pour renforcer la capacité prédictive du modèle. Enfin, en combinant les avantages de différents modèles, un algorithme précis et robuste d'évaluation des réservoirs a été développé, capable d'identifier efficacement les réservoirs à valeur de production industrielle dans la dépression de Mahu. Sur le jeu de test, les scores F1, la précision et l'AUC étaient respectivement de 0,8470, 0,7725 et 0,7810. L'étude a également exploré en profondeur l'explicabilité du modèle afin d'éclairer les géologues sur le mécanisme de décision du modèle, les aidant ainsi à prendre des décisions plus éclairées dans l'exploration et le développement du pétrole et du gaz.

prédiction des réservoirs; dépression de Mahu; fenêtre glissante; modèle intégré; explicabilité