[發明專利]一種基于多模型融合的致密砂巖產能預測方法和裝置

在審

• 申請號: 202310542675.8
• 申請日: 2023-05-15
• 公開（公告）號: CN116542157A
• 公開（公告）日: 2023-08-04
• 發明（設計）人: 姜寶勝;白玉湖;徐兵祥;王蘇冉;孫立春;蓋少華;樊偉鵬;張浩;吳佳琦;李津
• 申請（專利權）人: 中海石油（中國）有限公司;中海石油（中國）有限公司北京研究中心
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06F18/214;G06F18/27;G06F119/02
• 代理公司: 北京紀凱知識產權代理有限公司 11245
• 代理人: 池春錦

本發明公開了一種基于多模型融合的致密砂巖產能預測方法，包括以下步驟：(1)訓練建立多模型融合產能預測模型；(2)獲取待預測致密氣井的地質數據和工程數據；(3)將所獲取的地質數據和工程數據輸入多模型融合產能預測模型；(4)多模型融合產能預測模型輸出待預測致密氣井的無阻流量預測值。與現有技術相比，本發明具有穩定性強、計算速度快、預測精度高等特點，可實現對致密氣產能進行快速、準確地預測，更加適合于現場運用。

技術領域

本發明涉及致密砂巖產能預測技術領域，尤其涉及一種基于多模型融合的致密砂巖產能預測方法和裝置。

背景技術

在致密氣開發過程中，氣井產能的預測是準確認識氣藏、制定生產工作制度、科學合理地編制開發方案的重要基礎，是實現經濟效益開發的關鍵，對致密氣藏勘探開發具有重要意義。與常規油藏相比，由于致密氣藏特殊的地質條件及壓裂工藝的實施導致滲流規律異常復雜，其產能預測一直是項重大的挑戰。

當前產能預測方法主要為產能方程法、數值模擬法、線性統計分析法、機器學習算法四大類。對于產能方程法，其多應用于單相流動、雙孔雙滲等條件下的油氣井滲流，但其假設條件通常過于理想化，適用條件嚴格，相關參數難以獲得。對于數值模擬法，其準確性主要依賴于地質建模和歷史擬合，地質建模過程需要精確的流體性質和儲層物性參數等數據，但是由于致密氣儲層非均質性表征難度大，影響了產能模擬的準確性，同時歷史擬合主要依賴于個人經驗，增大了數值模型的不確定性。對于線性統計分析法，由于致密氣藏在生產過程中受到多種因素的制約與影響，動靜態因素與產能之間存在著復雜的非線性關系，應用多元線性回歸等傳統線性統計方法難以進行表征。對于機器學習算法，由于致密砂巖儲層復雜、非均質性強，單一機器學習算法無法準確表征影響因素與無阻流量之間的映射關系，無法兼顧穩定性與準確性。

因此，上述各方法尚無法實現對致密氣藏產能進行快速、準確地預測。

發明內容

本發明的目的在于：針對上述現有技術中存在的不足，提供一種基于多模型融合的致密砂巖產能預測方法和裝置，其具有穩定性強、計算速度快、預測精度高等特點，可實現對致密氣產能進行快速、準確地預測，更加適合于現場運用。

為實現上述目的，本發明采用以下技術方案：

第一方面，本發明提供了一種基于多模型融合的致密砂巖產能預測方法，包括以下步驟：

獲取待預測致密氣井的地質數據和工程數據；

將所獲取的地質數據和工程數據輸入訓練完成的多模型融合產能預測模型；

多模型融合產能預測模型輸出待預測致密氣井的無阻流量預測值。

進一步的，所述多模型融合產能預測模型的訓練過程為：

獲取目標區塊致密氣的地質數據、工程數據及對應的產能數據；

對所獲取的數據進行缺失值填補及歸一化處理，生成最終的學習樣本集；

將所述學習樣本集隨機分成k個數據量相同的子集；

基于k個所述子集訓練建立支持向量回歸產能預測基礎模型；

基于k個所述子集訓練建立基于自適應提升算法產能預測基礎模型；

通過嶺回歸算法對所述支持向量回歸產能預測基礎模型和所述基于自適應提升算法產能預測基礎模型進行融合，建立多模型融合產能預測模型。

進一步的，所述地質數據包括孔隙度、滲透率、氣層厚度和含氣飽和度，所述工程數據包括油壓、液氮量和加砂量，所述產能數據包括無阻流量。

進一步的，所述的對所獲取數據進行缺失值填補通過K近鄰算法進行。