El campo petrolero de Mahu, ubicado en la parte noroeste de la cuenca de Junggar en Xinjiang, es uno de los mayores campos de petróleo conglomerado del mundo, con reservas que alcanzan la escala de miles de millones de toneladas. Sin embargo, las propiedades físicas del yacimiento son pobres y la heterogeneidad es fuerte, lo que representa un gran desafío para el desarrollo eficiente de los recursos de petróleo y gas. La clave para el desarrollo eficiente de los recursos de petróleo y gas radica en la identificación precisa de los yacimientos con valor de producción industrial, es decir, aquellas áreas con alta capacidad de producción de petróleo y gas y costos de desarrollo bajos. Debido a la complejidad de la evaluación de los yacimientos de petróleo y gas en la depresión de Mahu en la cuenca de Junggar, el estudio propuso un modelo de predicción del valor del yacimiento de petróleo y gas basado en un algoritmo integrado llamado OGRV (Valor del Yacimiento de Petróleo y Gas). El estudio primero analizó en profundidad las características geológicas de la depresión de Mahu y el estado actual de la exploración de petróleo y gas; luego, construyó un algoritmo integrado que fusiona el bosque aleatorio (RF), la red de memoria a largo y corto plazo (LSTM) y la red neuronal convolucional (CNN) para mejorar la precisión y la capacidad de generalización de la evaluación del yacimiento. En la fase de implementación, mediante un procesamiento previo sistemático y la ingeniería de características, se extrajeron parámetros clave y, combinando el conocimiento experto del campo, se construyeron características aumentadas tales como la proporción de humedad de hidrocarburos, la proporción de equilibrio de hidrocarburos y la proporción de características de hidrocarburos. Además, se introdujo la técnica de ventana deslizante para rastrear la tendencia de cambio de las características con la profundidad, utilizando la información de categoría de pozos similares como conocimiento a priori para mejorar la capacidad predictiva del modelo. Finalmente, al integrar las ventajas de diferentes modelos, se construyó un algoritmo preciso y robusto de evaluación del yacimiento que puede identificar eficazmente los yacimientos con valor de producción industrial en la depresión de Mahu, logrando en el conjunto de prueba puntuaciones F1, precisión y área bajo la curva (AUC) de 0.8470, 0.7725 y 0.7810 respectivamente. El estudio también exploró en profundidad la interpretabilidad del modelo para aclarar a los geólogos el mecanismo de decisión del modelo, ayudándolos a tomar decisiones más informadas en la exploración y desarrollo de petróleo y gas.

predicción de yacimientos; depresión Mahu; ventana deslizante; modelo integrado; interpretabilidad