在石油開(kāi)發(fā)中，微觀剩余油的精確識(shí)別與分類(lèi)對(duì)提升油田采收率和開(kāi)發(fā)效率至關(guān)重要。隨著油田進(jìn)入高含水、高采出程度的“雙高”階段，超過(guò)70%的原油產(chǎn)量來(lái)自此階段。然而，剩余油分布零散且形態(tài)復(fù)雜，開(kāi)發(fā)后期仍存在局部富集現(xiàn)象，導(dǎo)致采收率遞減和效益降低，嚴(yán)重制約油田的可持續(xù)發(fā)展。因此，深入了解油層孔隙中剩余油的賦存形態(tài)，對(duì)于增加可采儲(chǔ)量和高效挖潛剩余油具有重要意義。

現(xiàn)有的微觀剩余油識(shí)別方法主要分為傳統(tǒng)人工方法和基于機(jī)器學(xué)習(xí)的方法。傳統(tǒng)方法依賴(lài)專(zhuān)業(yè)人員經(jīng)驗(yàn)，通過(guò)顯微鏡手動(dòng)分類(lèi)，效率低且易受主觀影響，特別是在處理形狀相似的油簇時(shí)準(zhǔn)確性不足?；跈C(jī)器學(xué)習(xí)的方法通過(guò)提取幾何特征構(gòu)建分類(lèi)模型，雖提高了自動(dòng)化水平，但在樣本不均衡和模型泛化方面仍存局限。近年來(lái)，東北石油大學(xué)趙婭副教授帶領(lǐng)團(tuán)隊(duì)對(duì)微觀剩余油賦存形態(tài)的分類(lèi)方法進(jìn)行了系統(tǒng)總結(jié)，并基于深度學(xué)習(xí)模型提出了一種新的分類(lèi)方法。該方法旨在提升微觀剩余油識(shí)別的精度與效率，為油田開(kāi)發(fā)中的剩余油管理與優(yōu)化提供了創(chuàng)新的技術(shù)路徑，具有顯著的理論意義和應(yīng)用價(jià)值。相關(guān)研究認(rèn)識(shí)刊登在《石油學(xué)報(bào)》第45卷第12期。

（1）基于冷凍制片熒光顯微鏡技術(shù)拍攝的微觀剩余油賦存形態(tài)分布圖像，依據(jù)現(xiàn)有的文獻(xiàn)數(shù)據(jù)對(duì)油藏高含水開(kāi)發(fā)階段常見(jiàn)的微觀剩余油的賦存形態(tài)進(jìn)行了歸納。根據(jù)形成原理和形態(tài)特征，將微觀剩余油賦存形態(tài)劃分為孔表薄膜狀、角隅狀、顆粒吸附狀、簇狀、粒間吸附狀和狹縫狀6種賦存形態(tài)。

（2）針對(duì)人工分類(lèi)方法和基于機(jī)器學(xué)習(xí)分類(lèi)方法流程復(fù)雜、分類(lèi)準(zhǔn)確率低等問(wèn)題，提出了一種新型的剩余油分類(lèi)網(wǎng)絡(luò)LLGFormer。該網(wǎng)絡(luò)架構(gòu)通過(guò)整合圖像預(yù)處理與分類(lèi)過(guò)程，簡(jiǎn)化剩余油圖像的處理流程，實(shí)現(xiàn)深度學(xué)習(xí)自動(dòng)提取圖像的深層特征，避免了人為因素的影響。LLGFormer省略了傳統(tǒng)方法中的圖像分割步驟，直接對(duì)原始圖像進(jìn)行深度學(xué)習(xí)分析，從而提高剩余油識(shí)別的速度和智能化水平。這種方法不僅簡(jiǎn)化了處理流程，還通過(guò)深度學(xué)習(xí)技術(shù)提升了分類(lèi)的準(zhǔn)確性和效率，為微觀剩余油的快速、準(zhǔn)確識(shí)別提供了一種有效的技術(shù)途徑。

（3）通過(guò)結(jié)合Ghost卷積和空洞卷積設(shè)計(jì)了高效的局部特征提取模塊，減少了計(jì)算量和參數(shù)。同時(shí)，創(chuàng)新性地引入稀疏判別自注意力機(jī)制，通過(guò)掩碼篩選重要特征，顯著降低了計(jì)算復(fù)雜度并提高了模型效率。這些設(shè)計(jì)有效優(yōu)化了微觀剩余油分類(lèi)模型的計(jì)算性能，為未來(lái)算法部署提供了更低計(jì)算資源需求的解決方案，同時(shí)提升了模型的準(zhǔn)確性和效率。

論文鏈接：http://www.syxb-cps.com.cn/CN/10.7623/syxb202412008

附件：趙婭等：基于卷積神經(jīng)網(wǎng)絡(luò)與視覺(jué)變換器的微觀剩余油分類(lèi)方法.pdf