川中地区大安寨段页岩油储层可压性评价实验

川中大安寨段页岩油储层主要发育在大二亚段，资源基础丰富，勘探开发潜力大，但工程地质特征及可压性评价手段不明确。为建立可压性评价方法、优化储层改造对策及工艺技术，开展了一系列储层工程地质特征实验，结果表明：川中大安寨以页岩和灰岩互层为主，有机碳含量相对较低，脆性矿物含量大于50%,孔隙度平均为5.9%,孔隙主要集中在0.001～0.1μm范围，发育有微米级孔隙；矿物组分以石英、白云石和方解石为主，平均黏土矿物含量41%,平均岩石力学脆性指数为58.5%;储层天然裂缝发育程度不高，灰岩段破裂压力与页岩段差值9～10 MPa,不利于裂缝在纵向上扩展。文章建立了页岩油储层可压性模型，基于页岩油储层可压性及岩性特征，提出了通过提高缝内净压力以实现层间突破、采取密切割压裂+暂堵转向的组合储层改造工艺来提高裂缝复杂程度的技术对策。通过现场试验，川中地区大安寨段页岩油储层改造效果从最初的油花微气到日产油2 m³/d,现场应用效果不断突破。     

融合两级注意力的多机器人强化学习导航

针对多智能体强化学习中因智能体之间的复杂关系所导致的学习效率低及收敛速度慢的问题, 提出基于两级注意力机制的方法MADDPG-Attention, 在MADDPG算法的Critic网络中增加了软硬两级注意力机制, 通过注意力机制学习智能体之间的可借鉴经验, 提升智能体之间的相互学习效率. 由于单层的软注意力机制会给完全不相关的智能体也赋予学习权重, 因此采用硬注意力判断两个智能体之间学习的必要性, 裁减无关信息的智能体, 再用软注意力判断两个智能体间学习的重要性, 按重要性分布来分配学习权重, 据此向有可用经验的智能体学习. 在多智能体粒子的合作导航环境上进行测试, 实验结果表明, MADDPG-Attention算法对复杂关系的理解更为清晰, 在3种环境的导航成功率都达到了90%以上, 有效提高了学习效率, 加快了收敛速度.