残余油区域（ROZ）由于地质条件多样而形成，位于主产油区的油水接触面下方。这些ROZ历史上被认为是使用传统一次采油方法经济上不可行的，因为存在不可动油。然而，它们代表了适合CO2封存和储存的大量地下体积。但是，目前缺乏有效的技术来评估CO2-EOR与CCUS在ROZ中的性能。本研究引入了机器学习技术，以评估/预测ROZ中石油回收和CO2储存能力的潜力。
我们的框架建立在向机器学习模型提供来自多次CO2注入模拟的数据，包括关键的地质和操作属性作为输入（厚度、渗透率/Kh、孔隙度、Sorw、Sorg、生产井BHP、注入速率、地层水盐度）。目标是预测CO2储存能力和石油回收潜力，消除耗时且成本高昂的油藏模拟的必要。研究结果表明，累积石油产量与Sorw、CO2注入速度、储层渗透率之间存在显著的正相关。相反，生产井BHP和垂直渗透率与水平渗透率之比显示出负相关。相反，ROZ中累积的CO2储存与生产井BHP、储层厚度、CO2注入速度显示出正相关，而与储层渗透率显示出负相关。
我们提出的ANN模型在预测CO2-EOR和储存效果方面证明具有高效的准确性。值得注意的是，累积石油产量和CO2储存模型的测试R2值在0.9到0.98之间，平均绝对百分比误差小于10%。此外，这些模型作为提高油藏管理的宝贵工具，通过优化操作参数，如生产井BHP和CO2注入速度。这些发现通过真实油田数据得到了严格验证，确认模型预测和实际结果之间有很高的一致性。开发的模型可以作为评估ROZ中CO2-EOR和储存的快速技术经济工具。使用真实的ROZ油田数据展示了ANN预测和实际数据之间的极佳一致性，使其非常适合油田应用。
CMG软件应用情况：
在本研究中，构建了一个三维油藏模型，使用CMG GEM来探索两个主要目标：（1）评估CO2驱对提高石油采收率（EOR）的效果；（2）确定通过残余和溶解捕集在油藏中的CO2量。油藏模型由36个x方向网格、36个y方向网格和10个z方向网格组成，水平网格大小为120英尺和122英尺。采用五点井网来评估CO2注入对EOR和碳捕集、利用和储存（CCUS）的影响。模拟进行了100年，包括90年的注气后时期。对注入井施加了最大井底压力（BHP）限制，设置为岩石破裂压力4000 psi。油藏岩石属性，包括孔隙度、渗透率、厚度、Sor（残余油饱和度）、Sorg（初始油饱和度）、地层水矿化度、生产井BHP和CO2注入速率，被视为敏感性分析的变量。
4011705