[發(fā)明專利]一種數(shù)據(jù)驅(qū)動(dòng)的油井套損深度智能預(yù)測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202110292547.3
• 申請(qǐng)日: 2021-03-18
• 公開（公告）號(hào): CN113052374B
• 公開（公告）日: 2022-06-21
• 發(fā)明（設(shè)計(jì)）人: 隋義勇;吳亞洲;廖正毅;孫輝;王維強(qiáng)
• 申請(qǐng)（專利權(quán)）人: 中國石油大學(xué)（華東）
• 主分類號(hào): G06Q10/04
• 分類號(hào): G06Q10/04;G06Q50/02;G06F30/20
• 代理公司: 濟(jì)南竹森知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 37270
• 代理人: 呂利敏

1.一種數(shù)據(jù)驅(qū)動(dòng)的油井套損深度智能預(yù)測(cè)方法，其特征在于，包括步驟如下：

步驟1、建立油井套損智能預(yù)測(cè)模型，預(yù)測(cè)在給定的參數(shù)條件如下：

油井套管不發(fā)生套損，表示為0；發(fā)生套管變形，表示為1；套管錯(cuò)斷，表示為2；套管破裂，表示為3；

步驟2、建立套損深度智能預(yù)測(cè)模型，當(dāng)步驟1的模型預(yù)測(cè)結(jié)果非0時(shí)，預(yù)測(cè)發(fā)生套損的深度；

步驟3、運(yùn)用上述模型對(duì)油田實(shí)際套損狀況進(jìn)行預(yù)測(cè)；

該方法中步驟詳細(xì)內(nèi)容包括：

步驟1所述的建立油田套損智能預(yù)測(cè)模型包括：

S1.1、獲取套損預(yù)測(cè)的特征參數(shù)，包括：從油田數(shù)據(jù)庫中直接獲取與套損發(fā)生相關(guān)的原始參數(shù)數(shù)據(jù)，但不限于，固井質(zhì)量、套管壁厚、套管外徑、防砂次數(shù)、壓裂次數(shù)、酸化次數(shù)、孔徑、沉沒度、井斜角、滲透率、鉆遇斷層數(shù)、泥質(zhì)含量、開發(fā)時(shí)間、含水率、礦化度、對(duì)應(yīng)水井的月注入量、月產(chǎn)液量；

用開發(fā)時(shí)間、含水率、礦化度、對(duì)應(yīng)水井的月注入量、月產(chǎn)液量構(gòu)建采出離子總數(shù)和注采差異量；

其中，采出離子總數(shù)的計(jì)算方法表示為：

上述公式中，N為總采出礦化度，10⁴g；λ為含水率；K為礦化度，mg/L；q_i為月產(chǎn)液量10⁴m³；n為累計(jì)生產(chǎn)月數(shù)；

注采差異量為累注量與累產(chǎn)液量的差值絕對(duì)值，用以反映地應(yīng)力平衡狀態(tài)：

計(jì)算方法表示為：

上述公式中，Q_wj為月注入量，10⁴m³；Q_oj為月產(chǎn)液量，10⁴m³；h_i為油井的地層厚度，m；k_i為滲透率，μm^-2；n為累計(jì)生產(chǎn)月數(shù)；s為油井小層數(shù)；

S1.2、特征參數(shù)數(shù)值化處理，其中定義如下：

固井質(zhì)量為：未膠結(jié)-1，差-2，中等-3，好-4，優(yōu)-5；

套損類型為：套管不發(fā)生套損-0，套管變形-1，套管錯(cuò)斷-2，套管破裂-3；

S1.3、對(duì)各特征參數(shù)x與套損類型y之間進(jìn)行相關(guān)性分析，其中，所述各特征參數(shù)x包括固井質(zhì)量、套管壁厚、套管外徑、防砂次數(shù)、壓裂次數(shù)、酸化次數(shù)、井斜角、孔徑、沉沒度、采出離子總數(shù)、注采差異量、鉆遇斷層數(shù)和泥質(zhì)含量；所述套損類型y包括套管不發(fā)生套損-0、套管變形--1、套管錯(cuò)斷-2、套管破裂-3；

統(tǒng)計(jì)數(shù)據(jù)間相關(guān)系數(shù)計(jì)算公式表示為：

上述公式中，和為樣本方差，是描述數(shù)據(jù)分散程度大小的變量；為樣本協(xié)方差，是度量x和y間線性相關(guān)程度的變量，其中，x_i為特征參數(shù)對(duì)應(yīng)的樣本變量，y_i為x_i對(duì)應(yīng)的套損類型，為x_i的平均值，為y_i的平均值；x和y兩變量之間的相關(guān)系數(shù)為：

分別計(jì)算各特征參數(shù)與套損趨勢(shì)的相關(guān)系數(shù)，選取相關(guān)系數(shù)較大的特征參數(shù)構(gòu)成輸入集，以油井套損類型作為輸出集，輸入集和輸出集共同構(gòu)成樣本集；

S1.4、建立油井套損模型：隨機(jī)從所述樣本集抽取樣本作為訓(xùn)練集，計(jì)算在訓(xùn)練樣本中各種套損類型所占的比例：不發(fā)生套損P(Y₀)、套管變形P(Y₁)、套管錯(cuò)斷P(Y₂)和套管破裂P(Y₃)；對(duì)于特征參數(shù)為連續(xù)型變量時(shí)，假設(shè)套損特征參數(shù)也滿足高斯分布，則在各種套損類型的條件下，變量為x_i的概率為：

其中，j＝0，1，2，3，則Y_j代表各種套損類型，不發(fā)生套損Y₀，套管變形Y₁，套管錯(cuò)斷Y₂，套管破裂Y₃；分別為各套損類型樣本的均值；分別為各套損類型樣本的標(biāo)準(zhǔn)差；

利用公式得出計(jì)算各種套損類型的條件概率P(Y₀|X)、P(Y₁|X)、P(Y₂|X)和P(Y₃|X)，通過比較上述條件概率，其中概率最大值即為當(dāng)前條件下發(fā)生的套損類型；

所述步驟2的建立套損深度智能預(yù)測(cè)模型包括：

首先，按照步驟1的方法對(duì)套損深度與其特征參數(shù)進(jìn)行相關(guān)性分析后，確定輸入集和輸出集共同構(gòu)成樣本集；

其次，從樣本集中劃分出訓(xùn)練集后，將訓(xùn)練集每個(gè)特征所包含的值作為該特征的切分點(diǎn)，遍歷所述切分點(diǎn)，計(jì)算切分之后各子集的均方誤差，依據(jù)均方誤差最小化原則，選取其中最小的均方誤差對(duì)應(yīng)的值作為該特征的分界值；

步驟3所述的運(yùn)用上述模型對(duì)油田實(shí)際套損狀況進(jìn)行預(yù)測(cè)為：

將步驟1中的油田實(shí)際特征參數(shù)整理后代入套損智能預(yù)測(cè)模型，當(dāng)其中最大概率對(duì)應(yīng)的結(jié)果是發(fā)生套損時(shí)，再將步驟2中相應(yīng)的特征參數(shù)分別輸入套損深度智能預(yù)測(cè)模型，得出套損發(fā)生的部位。