本文提出了一种基于深度学习的代理建模方法，用于有效预测非均质油藏注水期间的油藏压力和流体饱和度。代理模型建立在最近开发的深度学习框架——耦合生成对抗网络（Co-GAN）上，以学习多域高维图像数据的联合分布。在我们的公式中，输入包括储层静态特性（渗透率）、注入率和预测时间，而输出包括与预测时间相对应的储层动态（即储层压力和流体饱和度）。利用全尺寸油藏数值模拟获得的训练数据训练Co-GAN代理模型，然后利用测试数据评估训练模型的准确性和泛化能力。结果表明，Co-GAN代理模型能够高精度预测储层压力和流体饱和度，从而能够准确预测油井产量。此外，Co-GAN代理模型在推断动态储层状态方面也很稳健。本研究开发的深度学习代理模型为实时估计油藏产量提供了一种新的快速替代方法。
