【技术实现步骤摘要】
一种页岩气产能预测和开发方案优化方法
[0001]本专利技术属于页岩气开发
,更具体地,涉及一种页岩气产能预测和开发方案优化方法、电子设备及介质。
技术介绍
[0002]页岩气产能受水平井多级压裂影响非常显著,压裂完井参数设计对页岩气开发具有重要意义。在进行开发方案设计优化时,首先需要准确预测产能,然后以产能最大化为目标优化各压裂施工参数。但是在“基质
‑
裂缝
‑
井筒”复杂耦合流动、多重地质工程因素的共同影响下,最优施工参数组合很难确定。建立精准的产能预测模型,并提出高效的施工参数优化方案,对提高压裂改造效果、有效提升产能具有重要意义。
[0003]目前页岩气产能预测方法主要有三类:一是建立产能解析解或半经验公式模型,这类方法通常有理论依据、计算快捷,但是基于众多理想状态下的物理假设,在实际应用中具有较大局限性。二是建立完整的地质模型和气藏模型,通过数值模拟精确计算产能。这类方法应用广泛,但计算难度大、耗时长,且无法完全反映复杂地质条件及施工设计方案实际实施情况。三是建立反映地质工程参数和产能之间关系的替代模型。模型结构简单,则无法表征复杂多因素的共同影响,预测精度不高;模型结构复杂,则对数据质量和数量提出更高要求,容易出现过度拟合现象。施工参数优化工作要在产能精准预测的基础上开展,而现有产能预测方法在精度和效率上还有很大提升空间。
[0004]目前页岩气开发方案优化方法主要有三类:一是分析地质条件和类比相似区块,通过经验迁移和专家知识制定开发方案。这类方法在 ...
【技术保护点】
【技术特征摘要】
1.一种页岩气产能预测和开发方案优化方法,其特征在于,包括:获取多个单井对应的数据集(X,Y),其中,X为多个单井对应的地质工程数据集,Y为多个单井对应的产能表征数据集;从所述多个单井对应的数据集(X,Y)中按预设规则分别提取训练数据集(X1,Y1)和测试数据集(X2,Y2);基于所述训练数据集(X1,Y1)和所述测试数据集(X2,Y2),通过多个机器学习子模型框架的堆叠得到产能预测模型;获取待优化施工参数对应的数据集U,并基于所述待优化施工参数对应的数据集,应用所述产能预测模型得到优化产能目标值对应的数据集J;基于所述优化产能目标值对应的数据集J和所述待优化施工参数对应的数据集U,应用粒子群算法、差分进化算法、贝叶斯优化算法和网格自适应搜索算法,得到最优施工参数对应的数据集U
*
和最大产能目标值对应的数据集J
*
。2.根据权利要求1所述的页岩气产能预测和开发方案优化方法,其特征在于,所述获取多个单井对应的数据集(X,Y)包括:获取所述多个单井对应的历史数据集(X
′
,Y
′
);对所述历史数据集(X
′
,Y
′
)进行清洗,得到所述多个单井对应的数据集(X,Y)。3.根据权利要求1所述的页岩气产能预测和开发方案优化方法,其特征在于,所述从所述多个单井对应的数据集(X,Y)中按预设规则分别提取训练数据集(X1,Y1)和测试数据集(X2,Y2)包括:将所述述多个单井对应的数据集(X,Y)分割成k个数据子集;从k个所述数据子集中提取第i个数据子集作为所述测试数据集(X2,Y2)中的输入测试数据集X2,其中,N
i
表示第i个所述数据子集中样本的个数;从k个所述数据子集中提取排除第i个所述数据子集的k
‑
1个所述数据子集作为所述训练数据集(X1,Y1)中的输入训练数据集X1,其中,且N表示所述多个单井对应的数据集(X,Y)中样本的个数,i=1,...,k,N
i
表示第i个所述数据子集中样本的个数。4.根据权利要求3所述的页岩气产能预测和开发方案优化方法,其特征在于,所述基于所述训练数据集(X1,Y1)和所述测试数据集(X2,Y2),通过多个机器学习子模型框架的堆叠得到产能预测模型包括:建立P个所述机器学习子模型框架f
q
(X,ξ
q
,θ
q
),其中,f
q
为地质工程参数和产能之间的映射关系,X=(x1,
…
,x
M
),且表征M个地质工程参数,ξ
q
为第q个所述机器学习子模型框架f
q
(X,ξ
q
,θ
q
)对应的表征通过训练更新的模型参数,θ
q
为第q个所述机器学习子模型框架f
q
(X,ξ
q
,θ
q
)对应的表征控制模型结构的超参数,q=1,...,P,P为所述机器学习子模型框架的个数;对于每个所述机器学习子模型框架,执行以下步骤S1至S3,得到总第一层输出测试预测集Y4,其中,q=1,...,P,测集Y4,其中,q=1,...,P,为所述总第一层输出测试预测集Y4中第q个第一层输出测试预测集:
S1:确定第q个所述机器学习子模型框架f
q
(X,ξ
q
,θ
q
)对应的所述超参数θ
q
,并基于所述超参数θ
q
,确定第q个最优机器学习子模型框架S2:应用所述训练数据集(X1,Y1)和所述测试数据集(X2,Y2)对第q个所述最优机器学习子模型框架进行训练,更新所述模型参数ξ
q
,得到第一层机器学习子模型框架...
【专利技术属性】
技术研发人员:孟晋,叶天睿,周钰杰,肖倚天,韩萌,王惠勇,张宝森,
申请(专利权)人:中国石油化工股份有限公司石油勘探开发研究院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。