CN111932045A - 油井清洗方式的确定方法、装置及存储介质 - Google Patents

油井清洗方式的确定方法、装置及存储介质 Download PDF

Info

Publication number
CN111932045A
CN111932045A CN201910392510.0A CN201910392510A CN111932045A CN 111932045 A CN111932045 A CN 111932045A CN 201910392510 A CN201910392510 A CN 201910392510A CN 111932045 A CN111932045 A CN 111932045A
Authority
CN
China
Prior art keywords
factor
oil well
target
sensitive
value
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201910392510.0A
Other languages
English (en)
Other versions
CN111932045B (zh
Inventor
韩羽
江淑丽
李高峰
安淑凯
张光军
赵金赢
郭丹婷
张明明
董旭
陈善峰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Petrochina Co Ltd
Original Assignee
Petrochina Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Petrochina Co Ltd filed Critical Petrochina Co Ltd
Priority to CN201910392510.0A priority Critical patent/CN111932045B/zh
Publication of CN111932045A publication Critical patent/CN111932045A/zh
Application granted granted Critical
Publication of CN111932045B publication Critical patent/CN111932045B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • E—FIXED CONSTRUCTIONS
    • E21—EARTH DRILLING; MINING
    • E21B—EARTH DRILLING, e.g. DEEP DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
    • E21B37/00—Methods or apparatus for cleaning boreholes or wells
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/02—Agriculture; Fishing; Mining

Abstract

本申请公开了一种油井清洗方式的确定方法、装置及存储介质，属于石油工业采油工程领域。包括：基于多个历史油井在油井检泵后的产量恢复时长，确定目标时长，根据目标时长将多个历史油井分为产量恢复时长小于或等于目标时长的第一类油井和产量恢复时长大于目标时长的第二类油井，基于多个历史油井中每个历史油井的多个敏感因素的因素值，从多个敏感因素中选择目标敏感因素，基于第一类油井的目标敏感因素的因素值和第二类油井的目标敏感因素的因素值，确定目标敏感因素对应的判别系数，根据判别系数和待清洗油井的目标敏感因素的因素值，确定待清洗油井的清洗方式。解决了利用岩心实验确定清洗方式时不能适用于所有油井的问题。

Description

油井清洗方式的确定方法、装置及存储介质
技术领域
本申请涉及石油工业采油工程领域，特别涉及一种油井清洗方式的确定方法、装置及存储介质。
背景技术
油井检泵是排除抽油泵、抽油杆和油管的故障以及调整油井的生产参数的井下作业工艺。在油井检泵作业时通常需要洗井操作，一般可以直接向油井内注入洗井液，但是注入的洗井液将直接与油井的储层接触，可能会对较为敏感的储层造成损害，从而影响油井的产量恢复。为此，还可以将洗井液注入空心杆中，采用空心杆注入洗井液的方式进行洗井，避免洗井液与储层直接接触，但此时需要增加下空心杆的工序，且该工序比较繁琐，会影响施工进度。所以，在清洗油井时通常需要对油井进行分析，以便于确定采用何种方式清洗比较合适。
在现有技术中，通常是基于岩心实验的结果确定采用何种方式清洗。在油井开发初期，可以取岩心的石块样本做实验，以分析石块样本的声敏性、水敏性、酸敏性、渗透率等参数，根据这些参数确定储层与洗井液接触是否会影响油井的产量，若不会影响，则确定可以采用将洗井液直接注入油井中的方式进行洗井；若会影响，则确定采取空心杆注入洗井液的方式进行洗井。
然而，在上述实现方式中，由于取岩心的操作比较困难，且岩心实验一般只是对某区域中的某一口油井的岩石进行分析，具有一定的局限性，使得确定的清洗方式可能并不适用于其他油井。
发明内容
本申请实施例提供了一种油井清洗方式的确定方法、装置及存储介质，可以解决基于岩心实验结果确定清洗方式时具有一定的局限性，使得确定的清洗方式可能并不适用于其他油井的问题。所述技术方案如下：
第一方面，提供了一种油井清洗方式的确定方法，所述方法包括：
基于多个历史油井在油井检泵后的产量恢复时长，确定目标时长，所述目标时长用于指示所述多个历史油井在油井检泵后自动恢复产量的理想时长；
根据所述目标时长将所述多个历史油井分为第一类油井和第二类油井，所述第一类油井的产量恢复时长小于或等于所述目标时长，所述第二类油井的产量恢复时长大于所述目标时长；
基于所述多个历史油井中每个历史油井的多个敏感因素的因素值，从所述多个敏感因素中选择目标敏感因素，基于所述第一类油井的目标敏感因素的因素值和所述第二类油井的目标敏感因素的因素值，确定所述目标敏感因素对应的判别系数，其中，所述目标敏感因素对应的相关系数大于参考阈值；
根据所述判别系数和待清洗油井的目标敏感因素的因素值，确定所述待清洗油井的清洗方式。
在本申请一种可能的实现方式中，所述基于所述多个历史油井中每个历史油井的多个敏感因素的因素值，从所述多个敏感因素中选择目标敏感因素，包括：
对于所述多个敏感因素中的任一敏感因素，获取所述多个历史油井中每个历史油井的所述任一敏感因素的因素值；基于获取的因素值，确定所述任一敏感因素对应的相关系数；
从所述多个敏感因素中选择相关系数大于所述参考阈值的敏感因素作为所述目标敏感因素。
在本申请一种可能的实现方式中，所述基于所述第一类油井的目标敏感因素的因素值和所述第二类油井的目标敏感因素的因素值，确定所述目标敏感因素对应的判别系数，包括：
根据所述第一类油井中的每个历史油井的目标敏感因素的因素值，确定所述目标敏感因素的第一敏感因素均值，以及根据所述第二类油井中的每个历史油井的目标敏感因素的因素值，确定所述目标敏感因素的第二敏感因素均值；
将所述第一敏感因素均值与所述第二敏感因素均值相减，得到所述目标敏感因素的均差值；
将所述第一类油井中的每个历史油井的目标敏感因素的因素值与所述第一敏感因素均值相减，得到所述第一类油井中的每个历史油井的样本差，以及将所述第二类油井中的每个历史油井的目标敏感因素的因素值与所述第二敏感因素均值相减，得到所述第二类油井中的每个历史油井的样本差；
将所述第一类油井中的每个历史油井的样本差与所述第二类油井中的每个历史油井的样本差进行加权运算，得到多个协方差矩阵元素；
将所述多个协方差矩阵元素组成的矩阵的逆矩阵与所述均差值的转置相乘，得到所述判别系数。
在本申请一种可能的实现方式中，所述根据所述判别系数和待清洗油井的目标敏感因素的因素值，确定所述待清洗油井的清洗方式，包括：
基于第一敏感因素均值和第二敏感因素均值，确定所述目标敏感因素的均差平均值，所述第一敏感因素均值是基于所述第一类油井中的每个历史油井的目标敏感因素的因素值确定得到，所述第二敏感因素均值是基于所述第二类油井中的每个历史油井的目标敏感因素的因素值确定得到；
将所述判别系数的转置与所述均差平均值的转置相乘，得到第一结果；
根据所述判别系数、所述第一结果和待清洗油井的目标敏感因素的因素值，确定所述待清洗油井的清洗方式。
在本申请一种可能的实现方式中，所述根据所述判别系数、所述第一结果和待清洗油井的目标敏感因素的因素值，确定所述待清洗油井的清洗方式，包括：
获取所述待清洗油井的目标敏感因素的第一因素值，所述第一因素值是根据历史经验数据确定得到且入井液不为零；
基于所述判别系数、所述第一因素值和所述第一结果，通过目标公式确定第二结果，其中，所述目标公式为：
Figure BDA0002057037400000031
其中，所述W为所述第二结果，所述Qi为所述目标敏感因素的判别系数，所述xi为所述第一因素值，所述Q为所述第一结果，所述P为所述目标敏感因素的个数；
当所述第二结果大于第一数值时，确定采用直接注入洗井液的方式进行清洗；当所述第二结果小于所述第一数值时，确定采用空心杆注入洗井液的方式进行清洗。
第二方面，提供了一种油井清洗方式的确定装置，所述装置包括：
第一确定模块，用于基于多个历史油井在油井检泵后的产量恢复时长，确定目标时长，所述目标时长用于指示所述多个历史油井在油井检泵后自动恢复产量的理想时长；
分类模块，用于根据所述目标时长将所述多个历史油井分为第一类油井和第二类油井，所述第一类油井的产量恢复时长小于或等于所述目标时长，所述第二类油井的产量恢复时长大于所述目标时长；
第二确定模块，用于基于所述多个历史油井中每个历史油井的多个敏感因素的因素值，从所述多个敏感因素中选择目标敏感因素，基于所述第一类油井的目标敏感因素的因素值和所述第二类油井的目标敏感因素的因素值，确定所述目标敏感因素对应的判别系数，其中，所述目标敏感因素对应的相关系数大于参考阈值；
第三确定模块，用于根据所述判别系数和待清洗油井的目标敏感因素的因素值，确定所述待清洗油井的清洗方式。
在本申请一种可能的实现方式中，所述第二确定模块用于：
对于所述多个敏感因素中的任一敏感因素，获取所述多个历史油井中每个历史油井的所述任一敏感因素的因素值；基于获取的因素值，确定所述任一敏感因素对应的相关系数；
从所述多个敏感因素中选择相关系数大于所述参考阈值的敏感因素作为所述目标敏感因素。
在本申请一种可能的实现方式中，所述第二确定模块用于：
根据所述第一类油井中的每个历史油井的目标敏感因素的因素值，确定所述目标敏感因素的第一敏感因素均值，以及根据所述第二类油井中的每个历史油井的目标敏感因素的因素值，确定所述目标敏感因素的第二敏感因素均值；
将所述第一敏感因素均值与所述第二敏感因素均值相减，得到所述目标敏感因素的均差值；
将所述第一类油井中的每个历史油井的目标敏感因素的因素值与所述第一敏感因素均值相减，得到所述第一类油井中的每个历史油井的样本差，以及将所述第二类油井中的每个历史油井的目标敏感因素的因素值与所述第二敏感因素均值相减，得到所述第二类油井中的每个历史油井的样本差；
将所述第一类油井中的每个历史油井的样本差与所述第二类油井中的每个历史油井的样本差进行加权运算，得到多个协方差矩阵元素；
将所述多个协方差矩阵元素组成的矩阵的逆矩阵与所述均差值的转置相乘，得到所述判别系数。
在本申请一种可能的实现方式中，所述第三确定模块包括：
第一确定单元，用于基于第一敏感因素均值和第二敏感因素均值，确定所述目标敏感因素的均差平均值，所述第一敏感因素均值是基于所述第一类油井中的每个历史油井的目标敏感因素的因素值确定得到，所述第二敏感因素均值是基于所述第二类油井中的每个历史油井的目标敏感因素的因素值确定得到；
第二确定单元，用于将所述判别系数的转置与所述均差平均值的转置相乘，得到第一结果；
第三确定单元，用于根据所述判别系数、所述第一结果和待清洗油井的目标敏感因素的因素值，确定所述待清洗油井的清洗方式。
在本申请一种可能的实现方式中，所述第三确定单元用于：
获取所述待清洗油井的目标敏感因素的第一因素值，所述第一因素值是根据历史经验数据确定得到且入井液不为零；
基于所述判别系数、所述第一因素值和所述第一结果，通过目标公式确定第二结果，其中，所述目标公式为：
Figure BDA0002057037400000051
其中，所述W为所述第二结果，所述Qi为所述目标敏感因素的判别系数，所述xi为所述第一因素值，所述Q为所述第一结果，所述P为所述目标敏感因素的个数；
当所述第二结果大于第一数值时，确定采用直接注入洗井液的方式进行清洗；当所述第二结果小于所述第一数值时，确定采用空心杆注入洗井液的方式进行清洗。
第三方面，提供了一种预测设备，所述预测设备包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为实现上述第一方面所述的任一项方法的步骤。
第四方面，提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述第一方面所述的任一项方法。
第五方面，提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述第一方面所述的任一项方法。
本申请提供的技术方案至少可以带来以下有益效果：
基于多个历史油井在油井检泵后的产量恢复时长确定目标时长，该目标时长可以用于指示该多个历史油井在油井检泵后自动恢复产量的理想时长。然后根据目标时长将多个历史油井分为两类，一类中的历史油井的产量恢复时长小于或等于该目标时长，另一类中的历史油井的产量恢复时长大于该目标时长。由于每个历史油井中存在多个敏感因素，因此可以从该多个敏感因素选择目标敏感因素，基于上述两类油井的目标敏感因素的因素值，确定判别系数，根据判别系数和待清洗油井的目标敏感因素的因素值，确定该待清洗油井的清洗方式。由于该判别系数是基于大数据得到，所以基于该判别系数确定油井清洗方式可以避免局限性，从而解决了利用岩心实验确定清洗方式时不能适用于所有油井的问题。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是根据一示例性实施例示出的一种油井清洗方式的确定方法流程图；
图2是根据另一示例性实施例示出的一种油井清洗方式的确定方法流程图；
图3是根据一示例性实施例示出的一种产量恢复时长累积频数图；
图4是根据一示例性实施例示出的一种相关系数分布图；
图5是根据一示例性实施例示出的一种油井清洗方式的确定装置的结构示意图；
图6是根据一示例性实施例示出的一种预测设备的结构框图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。
在对本申请实施例进行详细的解释说明之前，先对本申请实施例中的应用场景和实施环境予以说明。
本申请实施例提供的油井清洗方式的确定方法可以应用在石油工业采油工程领域，在对油井进行油井检泵之前，通过一系列的计算来确定油井的清洗方式，从而减少对储层的伤害，进而缩短油井的产量恢复时长。
接下来，对本申请实施例的实施环境进行简单介绍。该实施环境主要包括预测设备。该预测设备是具有预测功能的设备，该预测设备可以获取多个历史油井的数据，通过获取的数据进行相应的数学计算，进而可以根据计算结果确定待清洗油井的清洗方式。该预测设备可以为平板电脑、计算机、笔记本电脑等等，本申请实施例对此不做限定。
图1是根据一示例性实施例示出的一种油井清洗方式的确定方法流程图，该方法可以应用于上述预测设备中，该方法可以包括如下几个实现步骤：
步骤101：基于多个历史油井在油井检泵后的产量恢复时长，确定目标时长，目标时长用于指示多个历史油井在油井检泵后自动恢复产量的理想时长。
步骤102：根据目标时长将多个历史油井分为第一类油井和第二类油井，第一类油井的产量恢复时长小于或等于目标时长，第二类油井的产量恢复时长大于目标时长。
步骤103：基于多个历史油井中每个历史油井的多个敏感因素的因素值，从多个敏感因素中选择目标敏感因素，基于第一类油井的目标敏感因素的因素值和第二类油井的目标敏感因素的因素值，确定目标敏感因素对应的判别系数，其中，目标敏感因素对应的相关系数大于参考阈值。
步骤104：根据判别系数和待清洗油井的目标敏感因素的因素值，确定待清洗油井的清洗方式。
在本申请实施例中，基于多个历史油井在油井检泵后的产量恢复时长确定目标时长，该目标时长可以用于指示该多个历史油井在油井检泵后自动恢复产量的理想时长。然后根据目标时长将多个历史油井分为两类，一类中的历史油井的产量恢复时长小于或等于该目标时长，另一类中的历史油井的产量恢复时长大于该目标时长。由于每个历史油井中存在多个敏感因素，因此可以从该多个敏感因素选择目标敏感因素，基于上述两类油井的目标敏感因素的因素值，确定判别系数，根据判别系数和待清洗油井的目标敏感因素的因素值，确定该待清洗油井的清洗方式。由于该判别系数是基于大数据得到，所以基于该判别系数确定油井清洗方式可以避免局限性，从而解决了利用岩心实验确定清洗方式时不能适用于所有油井的问题。
在本申请一种可能的实现方式中，基于多个历史油井中每个历史油井的多个敏感因素的因素值，从多个敏感因素中选择目标敏感因素，包括：
对于多个敏感因素中的任一敏感因素，获取多个历史油井中每个历史油井的任一敏感因素的因素值；基于获取的因素值，确定任一敏感因素对应的相关系数；
从多个敏感因素中选择相关系数大于参考阈值的敏感因素作为目标敏感因素。
在本申请一种可能的实现方式中，基于第一类油井的目标敏感因素的因素值和第二类油井的目标敏感因素的因素值，确定目标敏感因素对应的判别系数，包括：
根据第一类油井中的每个历史油井的目标敏感因素的因素值，确定目标敏感因素的第一敏感因素均值，以及根据第二类油井中的每个历史油井的目标敏感因素的因素值，确定目标敏感因素的第二敏感因素均值；
将第一敏感因素均值与第二敏感因素均值相减，得到目标敏感因素的均差值；
将第一类油井中的每个历史油井的目标敏感因素的因素值与第一敏感因素均值相减，得到第一类油井中的每个历史油井的样本差，以及将第二类油井中的每个历史油井的目标敏感因素的因素值与第二敏感因素均值相减，得到第二类油井中的每个历史油井的样本差；
第一类油井中的每个历史油井的样本差与第二类油井中的每个历史油井的样本差进行加权运算，得到多个协方差矩阵元素；
将多个协方差矩阵元素组成的矩阵的逆矩阵与均差值的转置相乘，得到判别系数。
在本申请一种可能的实现方式中，根据判别系数和待清洗油井的目标敏感因素的因素值，确定待清洗油井的清洗方式，包括：
基于第一敏感因素均值和第二敏感因素均值，确定目标敏感因素的均差平均值，第一敏感因素均值是基于第一类油井中的每个历史油井的目标敏感因素的因素值确定得到，第二敏感因素均值是基于第二类油井中的每个历史油井的目标敏感因素的因素值确定得到；
将判别系数的转置与均差平均值的转置相乘，得到第一结果；
根据判别系数、第一结果和待清洗油井的目标敏感因素的因素值，确定待清洗油井的清洗方式。
在本申请一种可能的实现方式中，根据判别系数、第一结果和待清洗油井的目标敏感因素的因素值，确定待清洗油井的清洗方式，包括：
获取待清洗油井的目标敏感因素的第一因素值，第一因素值是根据历史经验数据确定得到且入井液不为零；
基于判别系数、第一因素值和第一结果，通过目标公式确定第二结果，其中，目标公式为：
Figure BDA0002057037400000091
其中，W为第二结果，Qi为目标敏感因素的判别系数，xi为第一因素值，Q为第一结果，P为目标敏感因素的个数；
当第二结果大于第一数值时，确定采用直接注入洗井液的方式进行清洗；当第二结果小于第一数值时，确定采用空心杆注入洗井液的方式进行清洗。
上述所有可选技术方案，均可按照任意结合形成本申请的可选实施例，本申请实施例对此不再一一赘述。
图2是根据另一示例性实施例示出的一种油井清洗方式的确定方法流程图，该方法可以应用于上述预测设备中，该方法可以包括如下几个实现步骤：
步骤201：基于多个历史油井在油井检泵后的产量恢复时长，确定目标时长，目标时长用于指示多个历史油井在油井检泵后自动恢复产量的理想时长。
其中，该多个历史油井已经经过油井检泵处理，且每个历史油井的产量恢复时长已知。其中，油井检泵是指排除抽油泵、抽油杆以及油管的故障以及调整油井的生产参数的井下作业工艺。
在本申请实施例中，可以根据多个历史油井在油井检泵过程中涉及的数据来评估待清洗油井的一些特性，从而来确定适合该待清洗油井的清洗方式。因此，这里可以获取多个历史油井在油井检泵后的产量恢复时长。
作为一种示例，获取多个历史油井在油井检泵后的产量恢复时长之后，可以以参考时间阈值为时间间隔，将多个历史油井在油井检泵后的产量恢复时长划分为多个时间区间，统计产量恢复时长在每个时间区间内的历史油井的个数，绘制以产量恢复时长为横坐标，以频数为纵坐标的频数图，然后统计产量恢复时长小于或等于每个时间区间的历史油井的个数，绘制累积频数图，再根据累积频数图确定目标时长。
示例性地，根据累积频数图确定目标时长时，可以在绘制的累积频数图上，在靠近累积频数曲线两端处确定两条切线，将两条切线的交点对应的横坐标的时间区间确定为目标时长。作为一种示例，当油井的产量恢复时长小于或等于该目标时长时，可以认为油井的自动恢复能力较好，否则，当油井的产量恢复时长大于该目标时长时，可以认为油井的自动恢复能力较差，此时可能需要对油井在油井检泵时采用的措施进行调整使得调整后的油井的产量恢复时长小于或等于该目标时长。
其中，该参考时间阈值可以由用户根据实际需求进行设置，或者，该参考时间阈值也可以由该预测设备默认设置，本申请实施例对此不做限定。
参见图3，以1天为时间间隔，将历史油井在油井检泵作业后的产量恢复时长划分为35个时间区间，根据历史油井在油井检泵作业后的产量恢复时长绘制频数图，如图中柱状图所示，从图中可以看出，恢复时长为0天的有5个油井，恢复时长为3天的有25个油井等等，然后统计产量恢复时长小于或等于每个时间区间的油井的个数，绘制累积频数图，如图中曲线所示，再从累积频数图的两端确定两条切线，如图中两条直线所示，将两条切线的交点对应的6天确定为目标时长。
需要说明的是，目标时长是根据累积频数图来确定的，对于不同的历史数据，可能得到不同的目标时长，上述确定6天为目标时长只是示例性的，本申请实施例对此不做限定。
步骤202：根据目标时长将多个历史油井分为第一类油井和第二类油井，第一类油井的产量恢复时长小于或等于目标时长，第二类油井的产量恢复时长大于目标时长。
确定目标时长后，为了能够确定待清洗油井的清洗方式，根据该多个历史油井中每个历史油井的产量恢复时长与目标时长之间的关系，将多个历史油井分为两类，产量恢复时长小于或等于目标时长的历史油井为第一类油井，产量恢复时长大于目标时长的历史油井为第二类油井。
示例性地，假设有1000个历史油井，确定目标时长为6天，对每个历史油井进行编号，假设1号油井的产量恢复时长为2天，2号油井的产量恢复时长为8天，3号油井的产量恢复时长为6天，4号油井的产量恢复时长为3天，...，1000号油井的产量恢复时长为8天，则可以将1号油井、3号油井和4号油井等作为第一类油井，2号油井、1000号油井等作为第二类油井。
步骤203：基于多个历史油井中每个历史油井的多个敏感因素的因素值，从多个敏感因素中选择目标敏感因素，该目标敏感因素对应的相关系数大于参考阈值。
其中，该敏感因素一般可以包括但不限于地层水敏性、地层渗透率、入井液总量、入井液滞留时间、排液能力、洗井用水类型、日产液、目前地层压力等。
另外，每个敏感因素对油井的产量恢复时长影响大小可以通过相关系数来确定，相关系数越大，说明对油井的产量恢复时长影响越大。
每个油井的产量恢复时长与多个敏感因素有关，对于历史油井来说，其产量恢复时长是已知的，影响其产量恢复时长的敏感因素也是已知的，每个敏感因素对每个历史油井的产量恢复时长的影响程度，即每个敏感因素的因素值也是已知的。预测设备可以根据每个历史油井的多个敏感因素的因素值确定与油井产量恢复时长强相关的一个或者多个敏感因素，即确定目标敏感因素，该目标敏感因素的数量可能为一个，也可能为多个。
作为一种示例，确定目标敏感因素的具体实现可以包括：对于多个敏感因素中的任一敏感因素，获取多个历史油井中每个历史油井的任一敏感因素的因素值；基于获取的因素值，确定任一敏感因素对应的相关系数；从多个敏感因素中选择相关系数大于参考阈值的敏感因素作为目标敏感因素。
其中，该参考阈值可以根据实际需求进行设置，通常情况下，相关系数大于该参考阈值时，可以确定对应的敏感因素对油井的产量恢复时长影响较大，反之，则可以认为对油井的产量恢复时长影响较小，可以忽略。
进一步地，在获取多个历史油井中每个油井的多个敏感因素的因素值时，可以通过对作业过程中入井液路径的分析，从洗井参数、单井特性、地层特征等多个方面查找多个敏感因素，然后对该多个敏感因素进行统计，确定多个历史油井中每个历史油井的每个敏感因素的因素值。
示例性地，从该多个敏感因素中选择任一敏感因素，例如入井液滞留时间，获取多个历史油井中每个历史油井的入井液滞留时间的因素值，然后根据获取的入井液滞留时间的因素值，确定入井液滞留时间对应的相关系数。再如，从多个敏感因素中选择任一敏感因素，例如排液能力，获取多个历史油井中每个历史油井的排液能力的因素值，然后根据获取的排液能力的因素值，确定排液能力对应的相关系数。以此类推，确定该多个敏感因素中每个敏感因素对应的相关系数，然后筛选出相关系数大于参考阈值的敏感因素作为目标敏感因素，也即是，从多个敏感因素中筛选出对油井的产量恢复时长影响较大的一个或者多个敏感因素作为目标敏感因素。
作为一种示例，预测设备可以采用多重相关的分析方法来确定每个敏感因素的相关系数，具体实现可以参见相关技术，这里不做详细介绍。
参见图4，假设参考阈值为0.6，通过多重相关的分析方法，根据入井液滞留时间、入井液总量、排液能力、洗井用水类型、日产液、目前地层压力、地层渗透率、水敏情况、含水这几种敏感因素的因素值，对这几种敏感因素的相关系数进行了计算，并且将相关系数按照从大到小的顺序进行排序，从图中可以看出入井液滞留时间、入井液总量、排液能力、洗井用水类型、日产液、目前地层压力、地层渗透率这7种敏感因素的相关系数大于0.6，如此可以将这7种敏感因素确定为目标敏感因素。
需要说明的是，上述图4中确定的目标敏感因素仅是示例性地，在其他实施例中，根据多个历史油井中每个历史油井的多个敏感因素的因素值不同，确定的目标敏感因素的数量以及确定的目标敏感因素也可以不同，本申请实施例对此不做限定。
步骤204：基于第一类油井的目标敏感因素的因素值和第二类油井的目标敏感因素的因素值，确定目标敏感因素对应的判别系数，其中，目标敏感因素对应的相关系数大于参考阈值。
在一些实施例中，确定目标敏感因素对应的判别系数可以通过如下步骤(1)-(5)来实现：
(1)根据第一类油井中的每个历史油井的目标敏感因素的因素值，确定目标敏感因素的第一敏感因素均值，以及根据第二类油井中的每个历史油井的目标敏感因素的因素值，确定目标敏感因素的第二敏感因素均值。
作为一种示例，可以通过如下公式(1)确定目标敏感因素的第一敏感因素均值，也就是说，对于第一类油井，可以通过如下公式(1)确定第i个目标敏感因素的均值：
Figure BDA0002057037400000131
其中，在上述公式(1)中，n1表示第一类油井中的历史油井的个数，p表示目标敏感因素的个数，Xki (1)表示第一类油井中的第k个油井的第i个目标敏感因素的因素值。通过对i取不同的值，可以得到第一类油井中p个目标敏感因素的均值，将这p个目标敏感因素的均值统称为第一敏感因素均值。
同理，可以通过如下公式(2)确定目标敏感因素的第二敏感因素均值，也就是说，对于第二类油井，可以通过如下公式(2)确定第i个目标敏感因素的均值：
Figure BDA0002057037400000132
其中，在上述公式(2)中，n2表示第二类油井中的历史油井的个数，p表示目标敏感因素的个数，Xki (2)表示第二类油井中的第k个油井的第i个目标敏感因素的因素值。通过对i取不同的值，可以得到第二类油井中p个目标敏感因素的均值，将这p个目标敏感因素的均值统称为第二敏感因素均值。
(2)将第一敏感因素均值与第二敏感因素均值相减，得到目标敏感因素的均差值。
作为一种示例，可以通过如下公式(3)确定目标敏感因素的均差值，也就是说，可以通过如下公式(3)确定第i个目标敏感因素的均差值：
Figure BDA0002057037400000133
其中，在上述公式(3)中，Ai表示第i个目标敏感因素的均差值，
Figure BDA0002057037400000141
表示第一类油井中第i个目标敏感因素的均值，
Figure BDA0002057037400000142
表示第二类油井中第i个目标敏感因素的均值。
参见表1，假设目标敏感因素为入井液滞留时间、入井液总量、排液能力、用水类型、日产液、目前地层压力和地层渗透率这7种敏感因素，该表1示出了各个目标敏感因素的相关数值：
表1
Figure BDA0002057037400000143
其中，第一类油井中第1个目标敏感因素入井液滞留时间的均值为3.78，第二类油井中第1个目标敏感因素入井液滞留时间的均值为5.83，第1个目标敏感因素入井液滞留时间的均差值为-2.05，第一类油井中第2个目标敏感因素入井液总量的均值为34.79，第二类油井中第2个目标敏感因素入井液总量的均值为46.00，第2个目标敏感因素入井液总量的均差值为-11.21等等。
(3)将第一类油井中的每个历史油井的目标敏感因素的因素值与第一敏感因素均值相减，得到第一类油井中的每个历史油井的样本差，以及将第二类油井中的每个历史油井的目标敏感因素的因素值与第二敏感因素均值相减，得到第二类油井中的每个历史油井的样本差。
作为一种示例，可以通过如下公式(4)确定第一类油井中的每个历史油井的样本差，也就是说，对于第一类油井，可以通过如下公式(4)确定第k个历史油井的第i个目标敏感因素的样本差：
Figure BDA0002057037400000144
其中，在上述公式(4)中，Cki表示第一类油井中第k个历史油井的第i个目标敏感因素的样本差，通过对k和i取不同的值，可以得到第一类油井中的每个历史油井的样本差。
例如，假设入井液滞留时间为目标敏感因素，第一类油井中第1个历史油井的入井液滞留时间这一目标敏感因素的因素值为5，第一类油井中入井液滞留时间这一目标敏感因素的均差值为3.78，可以确定第一类油井中第1个历史油井的入井液滞留时间这一目标敏感因素的样本差为5-3.78，即为1.22。
同理，可以通过如下公式(5)确定第二类油井中的每个历史油井的样本差，也就是说，对于第二类油井，可以通过如下公式(5)确定第k个历史油井的第j个目标敏感因素的样本差：
Figure BDA0002057037400000151
其中，在上述公式(5)中，Ckj表示第二类油井中第k个历史油井的第j个目标敏感因素的样本差，通过对k和j取不同的值，可以得到第二类油井中的每个历史油井的样本差。
例如，假设入井液滞留时间为目标敏感因素，第二类油井中第1个历史油井的入井液滞留时间这一目标敏感因素的因素值为0，第二类油井中入井液滞留时间这一目标敏感因素的均差值为5.83，可以确定第二类油井中第1个历史油井的入井液滞留时间这一目标敏感因素的样本差为0-5.83，即为-5.83。
(4)将第一类油井中的每个历史油井的样本差与第二类油井中的每个历史油井的样本差进行加权运算，得到多个协方差矩阵元素。
作为一种示例，可以通过如下公式(6)确定多个协方差矩阵元素：
Figure BDA0002057037400000152
其中，在上述公式(6)中，Cki表示第一类油井中第k个历史油井的第i个目标敏感因素的样本差，Ckj表示第二类油井中第k个历史油井的第j个目标敏感因素的样本差，n表示第一类历史油井与第二类历史油井中所有历史油井的个数总和。通过对i、j和k取不同的值，可以得到多个协方差矩阵元素。
(5)将多个协方差矩阵元素组成的矩阵的逆矩阵与均差值的转置相乘，得到判别系数。
作为一种示例，将上述得到的多个协方差矩阵元素组成一个p行p列的协方差矩阵，然后求出协方差矩阵的逆矩阵，再将上述计算得到的均差值组成一个1行p列的均差值矩阵，求出均差值矩阵的转置，得到一个p行1列的矩阵，用协方差逆矩阵与均差值矩阵的转置做矩阵乘法，可以得到一个p行1列的矩阵，将该矩阵确定为判别系数矩阵，该矩阵中的元素确定为判别系数。
步骤205：基于第一敏感因素均值和第二敏感因素均值，确定目标敏感因素的均差平均值，第一敏感因素均值是基于第一类油井中的每个历史油井的目标敏感因素的因素值确定得到，第二敏感因素均值是基于第二类油井中的每个历史油井的目标敏感因素的因素值确定得到。
作为一种示例，在上述步骤204中计算得到了第一敏感因素均值
Figure BDA0002057037400000161
和第二敏感因素均值
Figure BDA0002057037400000162
可以通过如下公式(7)确定目标敏感因素的均差平均值：
Figure BDA0002057037400000163
其中，在上述公式(7)中，Bi表示第i个目标敏感因素的均差平均值，通过对i取不同的值，可以得到每个目标敏感因素的均差平均值。
参见表1，假设目标敏感因素为入井液滞留时间、入井液总量、排液能力、用水类型、日产液、目前地层压力和地层渗透率这7种敏感因素，该第1个目标敏感因素入井液滞留时间的均差平均值为4.80，第2个目标敏感因素入井液总量的均差平均值为40.39，第3个目标敏感因素排液能力的均差平均值为29.89，第4个目标敏感因素用水类型的均差平均值为0.85，第5个目标敏感因素日产液的均差平均值为12.84，第6个目标敏感因素目前地层压力的均差平均值为10.74，第7个目标敏感因素地层渗透率的均差平均值为131.99。
步骤206：将判别系数的转置与均差平均值的转置相乘，得到第一结果。
作为一种示例，求出步骤204中得到的p行1列的判别系数矩阵的转置，得到一个1行p列的矩阵，然后将步骤205中得到的均差平均值组成一个1行p列的矩阵，求出该均差平均值矩阵的转置，得到一个p行1列的矩阵，将判别系数的转置与均差平均值的转置做矩阵乘法，可以得到一个1行1列的矩阵，即一个数值，将该数值确定为第一结果。
步骤207：根据判别系数、第一结果和待清洗油井的目标敏感因素的因素值，确定待清洗油井的清洗方式。
因为目标敏感因素对油井在油井检泵后产量恢复时长的影响较大，所以需要获取待清洗油井目标敏感因素的因素值，根据该目标敏感因素的因素值、判别系数和第一结果，确定待清洗油井的清洗方式。
作为一种示例，确定待清洗油井的清洗方式时可以通过如下步骤(1)-(3)来实现：
(1)获取待清洗油井的目标敏感因素的第一因素值，第一因素值是根据历史经验数据确定得到且入井液不为零。
作为一种示例，当目标敏感因素的数量为多个时，该多个目标敏感因素中除了与入井液相关的目标敏感因素之外，其它目标敏感因素的第一因素值一般根据历史经验数据确定后不会发生变化，但对于与入井液相关的目标敏感因素的第一因素值会随着入井液的有无而不同，比如，当入井液不为零时，与该入井液相关的目标敏感因素的第一因素值也不为零，此时可以根据历史经验数据进行估计；当入井液为零时，与该入井液相关的目标敏感因素的第一因素值也为零。在本实施例中，可以获取入井液不为零时待清洗油井的目标敏感因素的第一因素值，以便于确定有入井液时是否会对待清洗油井的产量恢复时长产生影响。
需要说明的是，从原理上来说，该目标敏感因素通常至少会包括与入井液相关的敏感因素。
(2)基于判别系数、第一因素值和第一结果，通过目标公式确定第二结果，其中，目标公式为：
Figure BDA0002057037400000171
其中，W为第二结果，Qi为目标敏感因素的判别系数，xi为第一因素值，Q为第一结果，p为目标敏感因素的个数。
目标公式为可以预测待清洗油井在油井检泵后产量恢复时长的公式，将步骤204中确定的判别系数与第一因素值中每个目标敏感因素的因素值对应相乘，将乘积求和后减去第一结果，就可以得到一个数值，将该数值确定为第二结果。
进一步地，在通过目标公式确定第二结果之前，还可以将多个历史油井中任一历史油井的目标敏感因素的因素值代入目标公式中，得到一个数值，通过该数值确定该历史油井的产量恢复时长，将确定的产量恢复时长与该历史油井的实际产量恢复时长进行对比，检测该目标公式预测的准确性。
(3)当第二结果大于第一数值时，确定采用直接注入洗井液的方式进行清洗；当第二结果小于第一数值时，确定采用空心杆注入洗井液的方式进行清洗。
其中，第一数值可以根据实际需求自行设置，可以为0或者1等等，本申请实施例对此不做限定。
示例性地，假设目标时长为6，第一数值为0，当通过目标公式确定的第二结果大于0时，说明待清洗油井属于第一类油井，即产量恢复时长小于或等于6天；当通过目标公式确定的第二结果小于0时，说明待清洗油井属于第二类油井，即产量恢复时长大于6天。
作为一种示例，当第二结果大于第一数值时，说明该待清洗油井在有入井液的情况下属于第一类油井，即在有入井液的情况下该待清洗油井在油井检泵后的产量恢复时长小于或等于目标时长，确定对该待清洗油井采用直接注入洗井液的方式进行清洗；当第二结果小于第一数值时，说明该待清洗油井在有入井液的情况下属于第二类油井，即在有入井液的情况下该待清洗油井在油井检泵后的产量恢复时长大于目标时长，说明入井液对该待清洗油井的影响比较大，在油井检泵时应尽量避免储层接触到入井液，所以确定对该待清洗油井采用空心杆注入洗井液的方式进行清洗。
也就是说，无论有没有入井液都可以在目标时长内恢复产量的待清洗油井，可以采用直接注入洗井液的方式进行清洗；只要没有入井液就可以在目标时长内恢复产量的待清洗油井，需要避免储层与入井液直接接触，可以采用空心杆注入洗井液的方式进行清洗；无论有没有入井液都不能在目标时长内恢复产量的待清洗油井，可以采用空心杆注入洗井液的方式进行清洗，期望可以缩短其产量恢复时长。
在本申请实施例中，基于多个历史油井在油井检泵后的产量恢复时长确定目标时长，该目标时长可以用于指示该多个历史油井在油井检泵后自动恢复产量的理想时长。然后根据目标时长将多个历史油井分为两类，一类中的历史油井的产量恢复时长小于或等于该目标时长，另一类中的历史油井的产量恢复时长大于该目标时长。由于每个历史油井中存在多个敏感因素，因此可以从该多个敏感因素选择目标敏感因素，基于上述两类油井的目标敏感因素的因素值，确定判别系数，根据判别系数和待清洗油井的目标敏感因素的因素值，确定该待清洗油井的清洗方式。由于该判别系数是基于大数据得到，所以基于该判别系数确定油井清洗方式可以避免局限性，从而解决了利用岩心实验确定清洗方式时不能适用于所有油井的问题。
图5是根据一示例性实施例示出的一种油井清洗方式的确定装置的结构示意图，该油井清洗方式的确定装置可以由软件、硬件或者两者的结合实现。参见图5，该油井清洗方式的确定装置可以包括：第一确定模块501、分类模块502、第二确定模块503、第三确定模块504。
第一确定模块501，用于基于多个历史油井在油井检泵后的产量恢复时长，确定目标时长，目标时长用于指示多个历史油井在油井检泵后自动恢复产量的理想时长；
分类模块502，用于根据目标时长将多个历史油井分为第一类油井和第二类油井，第一类油井的产量恢复时长小于或等于目标时长，第二类油井的产量恢复时长大于目标时长；
第二确定模块503，用于基于多个历史油井中每个历史油井的多个敏感因素的因素值，从多个敏感因素中选择目标敏感因素，基于第一类油井的目标敏感因素的因素值和第二类油井的目标敏感因素的因素值，确定目标敏感因素对应的判别系数，其中，目标敏感因素对应的相关系数大于参考阈值；
第三确定模块504，用于根据判别系数和待清洗油井的目标敏感因素的因素值，确定待清洗油井的清洗方式。
在本申请一种可能的实现方式中，第二确定模块503用于：
对于多个敏感因素中的任一敏感因素，获取多个历史油井中每个历史油井的任一敏感因素的因素值；基于获取的因素值，确定任一敏感因素对应的相关系数；
从多个敏感因素中选择相关系数大于参考阈值的敏感因素作为目标敏感因素。
在本申请一种可能的实现方式中，第二确定模块503用于：
根据第一类油井中的每个历史油井的目标敏感因素的因素值，确定目标敏感因素的第一敏感因素均值，以及根据第二类油井中的每个历史油井的目标敏感因素的因素值，确定目标敏感因素的第二敏感因素均值；
将第一敏感因素均值与第二敏感因素均值相减，得到目标敏感因素的均差值；
将第一类油井中的每个历史油井的目标敏感因素的因素值与第一敏感因素均值相减，得到第一类油井中的每个历史油井的样本差，以及将第二类油井中的每个历史油井的目标敏感因素的因素值与第二敏感因素均值相减，得到第二类油井中的每个历史油井的样本差；
将第一类油井中的每个历史油井的样本差与第二类油井中的每个历史油井的样本差进行加权运算，得到多个协方差矩阵元素；
将多个协方差矩阵元素组成的矩阵的逆矩阵与均差值的转置相乘，得到判别系数。
在本申请一种可能的实现方式中，第三确定模块504包括：
第一确定单元，用于基于第一敏感因素均值和第二敏感因素均值，确定目标敏感因素的均差平均值，第一敏感因素均值是基于第一类油井中的每个历史油井的目标敏感因素的因素值确定得到，第二敏感因素均值是基于第二类油井中的每个历史油井的目标敏感因素的因素值确定得到；
第二确定单元，用于将判别系数的转置与均差平均值的转置相乘，得到第一结果；
第三确定单元，用于根据判别系数、第一结果和待清洗油井的目标敏感因素的因素值，确定待清洗油井的清洗方式。
在本申请一种可能的实现方式中，第三确定单元用于：
获取待清洗油井的目标敏感因素的第一因素值，第一因素值是根据历史经验数据确定得到且入井液不为零；
基于判别系数、第一因素值和第一结果，通过目标公式确定第二结果，其中，目标公式为：
Figure BDA0002057037400000201
其中，W为第二结果，Qi为目标敏感因素的判别系数，xi为第一因素值，Q为第一结果，P为目标敏感因素的个数；
当第二结果大于第一数值时，确定采用直接注入洗井液的方式进行清洗；当第二结果小于第一数值时，确定采用空心杆注入洗井液的方式进行清洗。
在本申请实施例中，基于多个历史油井在油井检泵后的产量恢复时长确定目标时长，该目标时长可以用于指示该多个历史油井在油井检泵后自动恢复产量的理想时长。然后根据目标时长将多个历史油井分为两类，一类中的历史油井的产量恢复时长小于或等于该目标时长，另一类中的历史油井的产量恢复时长大于该目标时长。由于每个历史油井中存在多个敏感因素，因此可以从该多个敏感因素选择目标敏感因素，基于上述两类油井的目标敏感因素的因素值，确定判别系数，根据判别系数和待清洗油井的目标敏感因素的因素值，确定该待清洗油井的清洗方式。由于该判别系数是基于大数据得到，所以基于该判别系数确定油井清洗方式可以避免局限性，从而解决了利用岩心实验确定清洗方式时不能适用于所有油井的问题。
需要说明的是：上述实施例提供的油井清洗方式的确定装置在确定油井的清洗方式时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将预测设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的油井清洗方式的确定装置与油井清洗方式的确定方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
图6示出了本申请一个示例性实施例提供的预测设备600的结构框图。该预测设备600可以是：智能手机、平板电脑、MP3播放器(Moving Picture Experts Group AudioLayer III，动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts GroupAudio Layer IV，动态影像专家压缩标准音频层面4)播放器、笔记本电脑或台式电脑。预测设备600还可能被称为用户终端、便携式终端、膝上型终端、台式终端等其他名称。
通常，预测设备600包括有：处理器601和存储器602。
处理器601可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器601可以采用DSP(Digital Signal Processing，数字信号处理)、FPGA(Field－Programmable Gate Array，现场可编程门阵列)、PLA(Programmable Logic Array，可编程逻辑阵列)中的至少一种硬件形式来实现。处理器601也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称CPU(Central ProcessingUnit，中央处理器)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器601可以在集成有GPU(Graphics Processing Unit，图像处理器)，GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中，处理器601还可以包括AI(Artificial Intelligence，人工智能)处理器，该AI处理器用于处理有关机器学习的计算操作。
存储器602可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器602还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中，存储器602中的非暂态的计算机可读存储介质用于存储至少一个指令，该至少一个指令用于被处理器601所执行以实现本申请中方法实施例提供的油井清洗方式的确定方法。
在一些实施例中，预测设备600还可选包括有：外围设备接口603和至少一个外围设备。处理器601、存储器602和外围设备接口603之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与外围设备接口603相连。具体地，外围设备包括：射频电路604、触摸显示屏605、摄像头606、音频电路607、定位组件608和电源609中的至少一种。
外围设备接口603可被用于将I/O(Input/Output，输入/输出)相关的至少一个外围设备连接到处理器601和存储器602。在一些实施例中，处理器601、存储器602和外围设备接口603被集成在同一芯片或电路板上；在一些其他实施例中，处理器601、存储器602和外围设备接口603中的任意一个或两个可以在单独的芯片或电路板上实现，本实施例对此不加以限定。
射频电路604用于接收和发射RF(Radio Frequency，射频)信号，也称电磁信号。射频电路604通过电磁信号与通信网络以及其他通信设备进行通信。射频电路604将电信号转换为电磁信号进行发送，或者，将接收到的电磁信号转换为电信号。可选地，射频电路604包括：天线系统、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路604可以通过至少一种无线通信协议来与其它预测设备进行通信。该无线通信协议包括但不限于：万维网、城域网、内联网、各代移动通信网络(2G、3G、4G及5G)、无线局域网和/或WiFi(Wireless Fidelity，无线保真)网络。在一些实施例中，射频电路604还可以包括NFC(Near Field Communication，近距离无线通信)有关的电路，本申请对此不加以限定。
显示屏605用于显示UI(User Interface，用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏605是触摸显示屏时，显示屏605还具有采集在显示屏605的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器601进行处理。此时，显示屏605还可以用于提供虚拟按钮和/或虚拟键盘，也称软按钮和/或软键盘。在一些实施例中，显示屏605可以为一个，设置预测设备600的前面板；在另一些实施例中，显示屏605可以为至少两个，分别设置在预测设备600的不同表面或呈折叠设计；在再一些实施例中，显示屏605可以是柔性显示屏，设置在预测设备600的弯曲表面上或折叠面上。甚至，显示屏605还可以设置成非矩形的不规则图形，也即异形屏。显示屏605可以采用LCD(Liquid Crystal Display，液晶显示屏)、OLED(Organic Light-Emitting Diode,有机发光二极管)等材质制备。
摄像头组件606用于采集图像或视频。可选地，摄像头组件606包括前置摄像头和后置摄像头。通常，前置摄像头设置在预测设备的前面板，后置摄像头设置在预测设备的背面。在一些实施例中，后置摄像头为至少两个，分别为主摄像头、景深摄像头、广角摄像头、长焦摄像头中的任意一种，以实现主摄像头和景深摄像头融合实现背景虚化功能、主摄像头和广角摄像头融合实现全景拍摄以及VR(Virtual Reality，虚拟现实)拍摄功能或者其它融合拍摄功能。在一些实施例中，摄像头组件606还可以包括闪光灯。闪光灯可以是单色温闪光灯，也可以是双色温闪光灯。双色温闪光灯是指暖光闪光灯和冷光闪光灯的组合，可以用于不同色温下的光线补偿。
音频电路607可以包括麦克风和扬声器。麦克风用于采集用户及环境的声波，并将声波转换为电信号输入至处理器601进行处理，或者输入至射频电路604以实现语音通信。出于立体声采集或降噪的目的，麦克风可以为多个，分别设置在预测设备600的不同部位。麦克风还可以是阵列麦克风或全向采集型麦克风。扬声器则用于将来自处理器601或射频电路604的电信号转换为声波。扬声器可以是传统的薄膜扬声器，也可以是压电陶瓷扬声器。当扬声器是压电陶瓷扬声器时，不仅可以将电信号转换为人类可听见的声波，也可以将电信号转换为人类听不见的声波以进行测距等用途。在一些实施例中，音频电路607还可以包括耳机插孔。
定位组件608用于定位预测设备600的当前地理位置，以实现导航或LBS(LocationBased Service，基于位置的服务)。定位组件608可以是基于美国的GPS(GlobalPositioning System，全球定位系统)、中国的北斗系统或俄罗斯的伽利略系统的定位组件。
电源609用于为预测设备600中的各个组件进行供电。电源609可以是交流电、直流电、一次性电池或可充电电池。当电源609包括可充电电池时，该可充电电池可以是有线充电电池或无线充电电池。有线充电电池是通过有线线路充电的电池，无线充电电池是通过无线线圈充电的电池。该可充电电池还可以用于支持快充技术。
在一些实施例中，预测设备600还包括有一个或多个传感器610。该一个或多个传感器610包括但不限于：加速度传感器611、陀螺仪传感器612、压力传感器613、指纹传感器614、光学传感器615以及接近传感器616。
加速度传感器611可以检测以预测设备600建立的坐标系的三个坐标轴上的加速度大小。比如，加速度传感器611可以用于检测重力加速度在三个坐标轴上的分量。处理器601可以根据加速度传感器611采集的重力加速度信号，控制触摸显示屏605以横向视图或纵向视图进行用户界面的显示。加速度传感器611还可以用于游戏或者用户的运动数据的采集。
陀螺仪传感器612可以检测预测设备600的机体方向及转动角度，陀螺仪传感器612可以与加速度传感器611协同采集用户对预测设备600的3D动作。处理器601根据陀螺仪传感器612采集的数据，可以实现如下功能：动作感应(比如根据用户的倾斜操作来改变UI)、拍摄时的图像稳定、游戏控制以及惯性导航。
压力传感器613可以设置在预测设备600的侧边框和/或触摸显示屏605的下层。当压力传感器613设置在预测设备600的侧边框时，可以检测用户对预测设备600的握持信号，由处理器601根据压力传感器613采集的握持信号进行左右手识别或快捷操作。当压力传感器613设置在触摸显示屏605的下层时，由处理器601根据用户对触摸显示屏605的压力操作，实现对UI界面上的可操作性控件进行控制。可操作性控件包括按钮控件、滚动条控件、图标控件、菜单控件中的至少一种。
指纹传感器614用于采集用户的指纹，由处理器601根据指纹传感器614采集到的指纹识别用户的身份，或者，由指纹传感器614根据采集到的指纹识别用户的身份。在识别出用户的身份为可信身份时，由处理器601授权该用户执行相关的敏感操作，该敏感操作包括解锁屏幕、查看加密信息、下载软件、支付及更改设置等。指纹传感器614可以被设置预测设备600的正面、背面或侧面。当预测设备600上设置有物理按键或厂商Logo时，指纹传感器614可以与物理按键或厂商Logo集成在一起。
光学传感器615用于采集环境光强度。在一个实施例中，处理器601可以根据光学传感器615采集的环境光强度，控制触摸显示屏605的显示亮度。具体地，当环境光强度较高时，调高触摸显示屏605的显示亮度；当环境光强度较低时，调低触摸显示屏605的显示亮度。在另一个实施例中，处理器601还可以根据光学传感器615采集的环境光强度，动态调整摄像头组件606的拍摄参数。
接近传感器616，也称距离传感器，通常设置在预测设备600的前面板。接近传感器616用于采集用户与预测设备600的正面之间的距离。在一个实施例中，当接近传感器616检测到用户与预测设备600的正面之间的距离逐渐变小时，由处理器601控制触摸显示屏605从亮屏状态切换为息屏状态；当接近传感器616检测到用户与预测设备600的正面之间的距离逐渐变大时，由处理器601控制触摸显示屏605从息屏状态切换为亮屏状态。
本领域技术人员可以理解，图6中示出的结构并不构成对预测设备600的限定，可以包括比图示更多或更少的组件，或者组合某些组件，或者采用不同的组件布置。
本申请实施例还提供了一种非临时性计算机可读存储介质，当所述存储介质中的指令由移动预测设备的处理器执行时，使得移动预测设备能够执行上述图1或图2所示实施例提供的油井清洗方式的确定方法。
本申请实施例还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述图1或图2所示实施例提供的油井清洗方式的确定方法。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
以上所述仅为本申请的较佳实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (10)

1.一种油井清洗方式的确定方法，其特征在于，所述方法包括：
基于多个历史油井在油井检泵后的产量恢复时长，确定目标时长，所述目标时长用于指示所述多个历史油井在油井检泵后自动恢复产量的理想时长；
根据所述目标时长将所述多个历史油井分为第一类油井和第二类油井，所述第一类油井的产量恢复时长小于或等于所述目标时长，所述第二类油井的产量恢复时长大于所述目标时长；
基于所述多个历史油井中每个历史油井的多个敏感因素的因素值，从所述多个敏感因素中选择目标敏感因素，基于所述第一类油井的目标敏感因素的因素值和所述第二类油井的目标敏感因素的因素值，确定所述目标敏感因素对应的判别系数，其中，所述目标敏感因素对应的相关系数大于参考阈值；
根据所述判别系数和待清洗油井的目标敏感因素的因素值，确定所述待清洗油井的清洗方式。
2.如权利要求1所述的方法，其特征在于，所述基于所述多个历史油井中每个历史油井的多个敏感因素的因素值，从所述多个敏感因素中选择目标敏感因素，包括：
对于所述多个敏感因素中的任一敏感因素，获取所述多个历史油井中每个历史油井的所述任一敏感因素的因素值；基于获取的因素值，确定所述任一敏感因素对应的相关系数；
从所述多个敏感因素中选择相关系数大于所述参考阈值的敏感因素作为所述目标敏感因素。
3.如权利要求1所述的方法，其特征在于，所述基于所述第一类油井的目标敏感因素的因素值和所述第二类油井的目标敏感因素的因素值，确定所述目标敏感因素对应的判别系数，包括：
根据所述第一类油井中的每个历史油井的目标敏感因素的因素值，确定所述目标敏感因素的第一敏感因素均值，以及根据所述第二类油井中的每个历史油井的目标敏感因素的因素值，确定所述目标敏感因素的第二敏感因素均值；
将所述第一敏感因素均值与所述第二敏感因素均值相减，得到所述目标敏感因素的均差值；
将所述第一类油井中的每个历史油井的目标敏感因素的因素值与所述第一敏感因素均值相减，得到所述第一类油井中的每个历史油井的样本差，以及将所述第二类油井中的每个历史油井的目标敏感因素的因素值与所述第二敏感因素均值相减，得到所述第二类油井中的每个历史油井的样本差；
将所述第一类油井中的每个历史油井的样本差与所述第二类油井中的每个历史油井的样本差进行加权运算，得到多个协方差矩阵元素；
将所述多个协方差矩阵元素组成的矩阵的逆矩阵与所述均差值的转置相乘，得到所述判别系数。
4.如权利要求1所述的方法，其特征在于，所述根据所述判别系数和待清洗油井的目标敏感因素的因素值，确定所述待清洗油井的清洗方式，包括：
基于第一敏感因素均值和第二敏感因素均值，确定所述目标敏感因素的均差平均值，所述第一敏感因素均值是基于所述第一类油井中的每个历史油井的目标敏感因素的因素值确定得到，所述第二敏感因素均值是基于所述第二类油井中的每个历史油井的目标敏感因素的因素值确定得到；
将所述判别系数的转置与所述均差平均值的转置相乘，得到第一结果；
根据所述判别系数、所述第一结果和待清洗油井的目标敏感因素的因素值，确定所述待清洗油井的清洗方式。
5.如权利要求4所述的方法，其特征在于，所述根据所述判别系数、所述第一结果和待清洗油井的目标敏感因素的因素值，确定所述待清洗油井的清洗方式，包括：
获取所述待清洗油井的目标敏感因素的第一因素值，所述第一因素值是根据历史经验数据确定得到且入井液不为零；
基于所述判别系数、所述第一因素值和所述第一结果，通过目标公式确定第二结果，其中，所述目标公式为：
Figure FDA0002057037390000021
其中，所述W为所述第二结果，所述Qi为所述目标敏感因素的判别系数，所述xi为所述第一因素值，所述Q为所述第一结果，所述P为所述目标敏感因素的个数；
当所述第二结果大于第一数值时，确定采用直接注入洗井液的方式进行清洗；当所述第二结果小于所述第一数值时，确定采用空心杆注入洗井液的方式进行清洗。
6.一种油井清洗方式的确定装置，其特征在于，所述装置包括：
第一确定模块，用于基于多个历史油井在油井检泵后的产量恢复时长，确定目标时长，所述目标时长用于指示所述多个历史油井在油井检泵后自动恢复产量的理想时长；
分类模块，用于根据所述目标时长将所述多个历史油井分为第一类油井和第二类油井，所述第一类油井的产量恢复时长小于或等于所述目标时长，所述第二类油井的产量恢复时长大于所述目标时长；
第二确定模块，用于基于所述多个历史油井中每个历史油井的多个敏感因素的因素值，从所述多个敏感因素中选择目标敏感因素，基于所述第一类油井的目标敏感因素的因素值和所述第二类油井的目标敏感因素的因素值，确定所述目标敏感因素对应的判别系数，其中，所述目标敏感因素对应的相关系数大于参考阈值；
第三确定模块，用于根据所述判别系数和待清洗油井的目标敏感因素的因素值，确定所述待清洗油井的清洗方式。
7.如权利要求6所述的装置，其特征在于，所述第二确定模块用于：
根据所述第一类油井中的每个历史油井的目标敏感因素的因素值，确定所述目标敏感因素的第一敏感因素均值，以及根据所述第二类油井中的每个历史油井的目标敏感因素的因素值，确定所述目标敏感因素的第二敏感因素均值；
将所述第一敏感因素均值与所述第二敏感因素均值相减，得到所述目标敏感因素的均差值；
将所述第一类油井中的每个历史油井的目标敏感因素的因素值与所述第一敏感因素均值相减，得到所述第一类油井中的每个历史油井的样本差，以及将所述第二类油井中的每个历史油井的目标敏感因素的因素值与所述第二敏感因素均值相减，得到所述第二类油井中的每个历史油井的样本差；
将所述第一类油井中的每个历史油井的样本差与所述第二类油井中的每个历史油井的样本差进行加权运算，得到多个协方差矩阵元素；
将所述多个协方差矩阵元素组成的矩阵的逆矩阵与所述均差值的转置相乘，得到所述判别系数。
8.如权利要求6所述的装置，其特征在于，所述第三确定模块包括：
第一确定单元，用于基于第一敏感因素均值和第二敏感因素均值，确定所述目标敏感因素的均差平均值，所述第一敏感因素均值是基于所述第一类油井中的每个历史油井的目标敏感因素的因素值确定得到，所述第二敏感因素均值是基于所述第二类油井中的每个历史油井的目标敏感因素的因素值确定得到；
第二确定单元，用于将所述判别系数的转置与所述均差平均值的转置相乘，得到第一结果；
第三确定单元，用于根据所述判别系数、所述第一结果和待清洗油井的目标敏感因素的因素值，确定所述待清洗油井的清洗方式。
9.一种预测设备，其特征在于，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为实现权利要求1-5所述的任一项方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，其特征在于，所述指令被处理器执行时实现权利要求1-5所述的任一项方法的步骤。
CN201910392510.0A 2019-05-13 2019-05-13 油井清洗方式的确定方法、装置及存储介质 Active CN111932045B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910392510.0A CN111932045B (zh) 2019-05-13 2019-05-13 油井清洗方式的确定方法、装置及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910392510.0A CN111932045B (zh) 2019-05-13 2019-05-13 油井清洗方式的确定方法、装置及存储介质

Publications (2)

Publication Number Publication Date
CN111932045A true CN111932045A (zh) 2020-11-13
CN111932045B CN111932045B (zh) 2024-03-08

Family

ID=73282765

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910392510.0A Active CN111932045B (zh) 2019-05-13 2019-05-13 油井清洗方式的确定方法、装置及存储介质

Country Status (1)

Country Link
CN (1) CN111932045B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060037747A1 (en) * 2001-06-12 2006-02-23 Hydrotreat Inc. Methods and apparatus for heating oil production reservoirs
CN106762584A (zh) * 2016-12-27 2017-05-31 中国石油天然气股份有限公司 一种油井间抽控制系统及方法
CN107480314A (zh) * 2016-12-16 2017-12-15 中国石油天然气股份有限公司 一种抽油机井吨液百米耗电量敏感因素的分析方法
CN108345736A (zh) * 2018-02-02 2018-07-31 中国石油天然气股份有限公司 抽油机井泵效敏感性的确定方法
CN108875180A (zh) * 2018-06-07 2018-11-23 中国石油天然气股份有限公司 一种抽油机井泵效敏感因素的确定方法及装置
CN109281648A (zh) * 2018-09-27 2019-01-29 中国石油天然气股份有限公司 确定油藏的合理井网密度的方法和装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060037747A1 (en) * 2001-06-12 2006-02-23 Hydrotreat Inc. Methods and apparatus for heating oil production reservoirs
CN107480314A (zh) * 2016-12-16 2017-12-15 中国石油天然气股份有限公司 一种抽油机井吨液百米耗电量敏感因素的分析方法
CN106762584A (zh) * 2016-12-27 2017-05-31 中国石油天然气股份有限公司 一种油井间抽控制系统及方法
CN108345736A (zh) * 2018-02-02 2018-07-31 中国石油天然气股份有限公司 抽油机井泵效敏感性的确定方法
CN108875180A (zh) * 2018-06-07 2018-11-23 中国石油天然气股份有限公司 一种抽油机井泵效敏感因素的确定方法及装置
CN109281648A (zh) * 2018-09-27 2019-01-29 中国石油天然气股份有限公司 确定油藏的合理井网密度的方法和装置

Also Published As

Publication number Publication date
CN111932045B (zh) 2024-03-08

Similar Documents

Publication Publication Date Title
CN110490179B (zh) 车牌识别方法、装置及存储介质
CN108708695B (zh) 优势渗流通道确定方法、装置及存储介质
CN109899056B (zh) 抽油机的参数确定方法、装置及计算机可读存储介质
CN108764530B (zh) 油井抽油机的工作参数配置方法及装置
CN111754386A (zh) 图像区域屏蔽方法、装置、设备及存储介质
CN112749590B (zh) 目标检测方法、装置、计算机设备和计算机可读存储介质
CN109281648B (zh) 确定油藏的合理井网密度的方法和装置
CN111255434B (zh) 气井的试井方法、装置和计算机存储介质
CN111857793A (zh) 网络模型的训练方法、装置、设备及存储介质
CN114970919A (zh) 钻速确定方法、装置、计算机设备及存储介质
CN112832737A (zh) 页岩气井eur的确定方法、装置、设备及存储介质
CN111353513B (zh) 一种目标人群筛选的方法、装置、终端和存储介质
CN108733902B (zh) 油藏渗透率的确定方法、装置及存储介质
CN111860064A (zh) 基于视频的目标检测方法、装置、设备及存储介质
CN111949341A (zh) 展示信息的方法、装置、设备及存储介质
CN111932045B (zh) 油井清洗方式的确定方法、装置及存储介质
CN112001442B (zh) 特征检测方法、装置、计算机设备及存储介质
CN111426813B (zh) 砂体连通质量的确定方法、装置及存储介质
CN114280686A (zh) 碳酸盐岩储层的岩心物性分析方法及设备
CN110580561B (zh) 一种油井增油效果的分析方法、装置及存储介质
CN109902844B (zh) 注水系统的优化信息确定方法、装置及存储介质
CN112308104A (zh) 异常识别方法、装置及计算机存储介质
CN115841181B (zh) 剩余油分布预测方法、装置、设备及存储介质
CN112412444B (zh) 注采连通强度确定方法、装置、计算机设备和存储介质
CN112780235B (zh) 煤层气井的排采控制方法、装置、控制设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant