CN116025324A - 水平井压裂等级智能分段分簇方法 - Google Patents

Abstract

本申请提供一种水平井压裂等级智能分段分簇方法。该方法包括：采集待开采水平井的测井曲线数据、电成像测井数据、岩性数据、岩心实验数据以及取芯描述数据；确定储层品质指标参数以及完井品质指标参数；将经过归一化处理的储层品质指标参数以及经过归一化处理的完井品质指标参数分别输入信息熵权—层次分析法耦合分析模型，得到储层品质指标参数的综合权重系数以及完井品质指标参数的综合权重系数，进一步确定储层综合品质指数；将储层综合品质指数输入无监督机器学习的混合高斯模型，对储层综合品质指数进行聚类划分，输出待开采水平井各压裂井段的可压区等级。本申请的方法，提高了压裂井段等级分类的准确性。

Description

水平井压裂等级智能分段分簇方法

技术领域

本申请涉及水力压裂射孔技术领域，尤其涉及一种水平井压裂等级智能分段分簇方法。

背景技术

水力压裂技术在非常规油气开发中具有重要的作用，在现场施工过程中，通过高压泵组将压裂液注入井筒中，在井底逐渐憋起高压，当压力达到岩石破裂压力时，此时的地层破裂产生水力裂缝。水力压裂可以通过增加泄油的裂缝数，降低油气渗流阻力从而提高油气产量。目前非常规储量大部分的特点是品位较低，属特低、超低渗资源，商业开发成本高。储层优选评价和多级分段压裂，即水平井压裂等级智能分段分簇是非常规油气开发中降低成本提高效益的关键技术。但是在储层优选评价时存在涉及指标较多且量化不准确，在多段多簇射孔压裂时存在压裂段的选择不不合理造成压裂后产量低等的问题。

现有技术中，有学者根据储层质量和完井质量，通过主观赋权评价和设置阈值将井段划分为若干压裂段，也有学者从地质工程一体化储集层改造设计出发，对于储层优选评价首先通过对储集层品质和完井品质的综合评价，最后优选出压裂井段。

然而，储集层品质指标和完井品质指标数量过多且种类不同会导致综合评价结果不够准确，进一步导致压裂井段等级分类不精准的问题。

发明内容

本申请提供一种水平井压裂等级智能分段分簇方法，用以解决压裂井段等级分类不精准的问题。

本申请提供一种水平井压裂等级智能分段分簇方法，包括：

采集待开采水平井的测井曲线数据、电成像测井数据、岩性数据、岩心实验数据以及取芯描述数据；

根据所述测井曲线数据、所述电成像测井数据、所述岩性数据、所述岩心实验数据以及所述取芯描述数据，确定所述待开采水平井各压裂井段的储层品质指标参数以及完井品质指标参数；

将所述待开采水平井各压裂井段的储层品质指标参数以及完井品质指标参数进行归一化处理，将经过归一化处理的储层品质指标参数G以及经过归一化处理的完井品质指标参数F分别输入信息熵权—层次分析法耦合分析模型，得到所述待开采水平井的储层品质指标参数的综合权重系数R以及完井品质指标参数的综合权重系数C；

根据所述储层品质指标参数的综合权重系数R、所述完井品质指标参数的综合权重系数C、所述经过归一化处理的储层品质指标参数G以及所述经过归一化处理的完井品质指标参数F，确定储层品质指数Q_RQ以及完井品质指数Q_CQ；

根据所述储层品质指数Q_RQ以及所述完井品质指数Q_CQ，计算储层综合品质指数Q_CQI；

将所述储层综合品质指数Q_CQI输入无监督机器学习的混合高斯模型，对所述储层综合品质指数Q_CQI进行聚类划分，输出所述待开采水平井各压裂井段的可压区等级。

本申请提供的水平井压裂等级智能分段分簇方法，通过采集待开采水平井的测井曲线数据、电成像测井数据、岩性数据、岩心实验数据以及取芯描述数据，来确定待开采水平井的储层品质指标参数以及完井品质指标参数；对储层品质指标参数以及完井品质指标参数进行归一化处理后，运用信息熵权—层次分析法耦合分析模型，得到各指标参数的综合权重系数，确定储层品质指数Q_RQ以及完井品质指数Q_CQ，进一步得到储层综合品质指数Q_CQI。有效的将待开采水平井的储层品质指标参数以及完井品质指标参数汇总为储层综合品质指数Q_CQI，解决了储集层品质指标和完井品质指标数量过多且种类不同会导致综合评价结果不够准确的问题，实现了提高了压裂井段等级分类的准确性的效果。将储层综合品质指数Q_CQI输入无监督机器学习的混合高斯模型，对储层综合品质指数Q_CQI进行聚类划分，输出待开采水平井各压裂井段的可压区等级。运用已有的无监督机器学习的混合高斯模型，根据储层综合品质指数Q_CQI对待开采水平井的压裂段直接进行等级分类，实现了提高压裂井段等级分类的效率的效果。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。

图1为本申请实施例提供的水平井压裂等级智能分段分簇方法的流程示意图；

图2为本申请实施例提供的根据测井曲线数据，确定待开采水平井各压裂井段的储层品质指标参数的流程示意图；

图3为本申请实施例提供的根据测井曲线数据、电成像测井数据、岩性数据、岩心实验数据以及取芯描述数据，确定待开采水平井各压裂井段的完井品质指标参数的流程示意图；

图4为本申请实施例提供的将经过归一化处理的储层品质指标参数G以及经过归一化处理的完井品质指标参数F分别输入信息熵权—层次分析法耦合分析模型，得到待开采水平井压裂井段的储层品质指标参数的综合权重系数R以及完井品质指标参数的综合权重系数C的流程示意图；

图5为根据三种权重计算方法确定的待开采水平井的储层品质指标参数的权重系数折线图；

图6为根据三种权重计算方法确定的待开采水平井的完井品质指标参数的权重系数折线图；

图7为本申请实施例提供的根据储层品质指标参数的综合权重系数R、完井品质指标参数的综合权重系数C、经过归一化处理的储层品质指标参数G以及经过归一化处理的完井品质指标参数F，确定储层品质指数Q_RQ以及完井品质指数Q_CQ的流程示意图；

图8为本申请实施例提供的根据储层品质指数Q_RQ以及完井品质指数Q_CQ，计算储层综合品质指数Q_CQI的流程示意图；

图9为本申请实施例提供的将储层综合品质指数Q_CQI输入无监督机器学习的混合高斯模型，对储层综合品质指数Q_CQI进行聚类划分，输出待开采水平井各压裂井段的可压区等级的流程示意图；

图10为分别对储层品质指数Q_RQ、完井品质指数Q_CQ以及储层综合品质指数Q_CQI进行聚类划分的结果。

通过上述附图，已示出本申请明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围，而是通过参考特定实施例为本领域技术人员说明本申请的概念。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。

现有技术中，有学者根据储层质量和完井质量，通过主观赋权评价和设置阈值将井段划分为若干压裂段，也有学者从地质工程一体化储集层改造设计出发，对于储层优选评价首先通过对储集层品质和完井品质的综合评价，最后优选出压裂井段。然而，储集层品质指标和完井品质指标数量过多且种类不同会导致综合评价结果不够准确，进一步导致压裂井段等级分类不精准的问题。

本申请通过采集待开采水平井的测井曲线数据、电成像测井数据、岩性数据、岩心实验数据以及取芯描述数据，来确定待开采水平井的储层品质指标参数以及完井品质指标参数；对储层品质指标参数以及完井品质指标参数进行归一化处理后，运用信息熵权—层次分析法耦合分析模型，得到各指标参数的综合权重系数，确定储层品质指数Q_RQ以及完井品质指数Q_CQ，进一步得到储层综合品质指数Q_CQI。有效的将待开采水平井的储层品质指标参数以及完井品质指标参数汇总为储层综合品质指数Q_CQI，解决了储集层品质指标和完井品质指标数量过多且种类不同会导致综合评价结果不够准确的问题，提高了压裂井段等级分类的准确性。将储层综合品质指数Q_CQI输入无监督机器学习的混合高斯模型，对储层综合品质指数Q_CQI进行聚类划分，输出待开采水平井各压裂井段的可压区等级。运用已有的无监督机器学习的混合高斯模型，根据储层综合品质指数Q_CQI对待开采水平井的压裂段直接进行等级分类，提高了压裂井段等级分类的效率。

下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本申请的实施例进行描述。

图1为本申请第一实施例提供的水平井压裂等级智能分段分簇方法的流程示意图。

如图1所示，本实施例的水平井压裂等级智能分段分簇方法可以包括以下步骤：

步骤S101、采集待开采水平井的测井曲线数据、电成像测井数据、岩性数据、岩心实验数据以及取芯描述数据。

具体地，可以采集待开采水平井的历史数据，以用于对待开采水平井压裂段的等级进行智能的分段分簇。其中，历史数据可以包括：测井曲线数据、电成像测井数据、岩性数据、岩心实验数据以及取芯描述数据。其中，测井曲线数据是指测井曲线中各物理参数在不同井深的数值，测井曲线是指将井内地层的各种物理参数按一定比例沿井深连续记录下来的曲线。电成像测井数据是指电成像测井过程中，从电成像测井图像中记录下得到的数据，电成像图像可以直观显示井壁地层的细节特征，电成像测井技术是新一代的测井技术，它可以沿井壁直观的将地质信息显示为电子图像。岩性数据是指测井岩性处理结果，即根据测井曲线数据对水平井的岩性特征进行分析的结果。岩心实验数据是指对水平井岩心样本进行实验分析的数据，岩心样本是地质工作者进行地质勘察时获得的最直观的地质材料,人们通过高光谱成像扫描可以获得岩心高光谱数据,进而采用高光谱矿物分析软件可以获得岩心数据，即岩心矿物分析数据。取芯描述数据是指为了掌握地下地质情况，用取芯工具从地下获取大块岩样后直接获得真实可靠的地下岩层的有关数据资料。主要为了发现油气层，了解含油气情况与储集特征，确定油气层岩性、物性、厚度及面积等基础数据。

表1为待开采水平井的部分测井曲线数据示例表。

表1

具体地，可以对采集到的测井曲线数据、电成像测井数据、岩性数据、岩心实验数据以及取芯描述数据进行预处理，例如降噪处理。

步骤S102、根据测井曲线数据、电成像测井数据、岩性数据、岩心实验数据以及取芯描述数据，确定待开采水平井各压裂井段的储层品质指标参数以及完井品质指标参数。

具体地，可以根据步骤S101采集到的待开采水平井的测井曲线数据、电成像测井数据、岩性数据、岩心实验数据以及取芯描述数据，确定待开采水平井各压裂井段的储层品质指标参数以及完井品质指标参数。其中，储层品质RQ是油层测井解释和射孔层段选择的主要依据，主要与其物性因素有关，储层品质指标参数是可用于分析水平井的储层品质的指标参数。其中，完井品质CQ是水平井优选压裂层段、优化压裂参数并提供水平井井眼轨迹设计的技术依据，主要与其可压性有关，完井品质指标参数是指可用于分析水平井的完井品质的指标参数。

步骤S103、将待开采水平井各压裂井段的储层品质指标参数以及完井品质指标参数进行归一化处理，将经过归一化处理的储层品质指标参数G以及经过归一化处理的完井品质指标参数F分别输入信息熵权—层次分析法耦合分析模型，得到待开采水平井的储层品质指标参数的综合权重系数R以及完井品质指标参数的综合权重系数C。

首先，可以将储层品质指标参数以及完井品质指标参数进行归一化处理，得到经过归一化处理的储层品质指标参数G以及经过归一化处理的完井品质指标参数F。具体地，由于储层品质指标参数以及完井品质指标参数，即分析储层各项指标参数的物理意义不同，因此可以先将储层品质指标参数以及完井品质指标参数的原始数据进行归一化处理，以消除不同参数绝对值量级上的差别对压裂层分析结果的影响。

计算方法如下所示：

例如：设各分析指标中有n个指标参数，每个指标参数有m个分析对象，则被分析对象相应指标的原始数据可由下列矩阵表示R＝(r_ij)_m×n，可以计算原始数据的正向指标以及负向指标。

其中，原始数据的正向指标，计算公式如下所示：

原始数据的负向指标，计算公式如下所示：

上述公式中，s_ij ⁺为第j个指标参数的第i个分析对象的正向指标，s_ij ^-为第j个指标参数的第i个分析对象的的负向指标，r_ij为原始数据的第j个指标参数的第i个分析对象的参数(i＝1,2,…,m；j＝1,2,...,n)。

具体的，可以根据正向指标s_ij ⁺以及负向指标s_ij ^-计算归一化处理后的第j个指标参数的第i个分析对象的参数s_ij，无因次。可以将全部指标的原始数据进行归一化处理，得到归一化处理后的数据集S，S＝(s_ij)_m×n。

具体的，根据如上计算方法，可以对储层品质指标参数以及完井品质指标参数进行归一化处理，得到储层品质指标参数归一化后的原始数据，即经过归一化处理的储层品质指标参数G，以及完井品质指标参数归一化后的原始数据，即经过归一化处理的完井品质指标参数F。

表2为待开采水平井的经过归一化处理的储层品质指标参数示例表。

表2

表3为待开采水平井的经过归一化处理的完井品质指标参数示例表。

表3

其次，可以根据最优化二次规划法耦合主观层次分析法(AHP)和客观信息熵权法(EWM)，建立信息熵权—层次分析法耦合分析模型。并将经过归一化处理的储层品质指标参数G以及经过归一化处理的完井品质指标参数F分别输入信息熵权—层次分析法耦合分析模型，得到待开采水平井的储层品质指标参数的综合权重系数R以及完井品质指标参数的综合权重系数C。

步骤S104、根据储层品质指标参数的综合权重系数R、完井品质指标参数的综合权重系数C、经过归一化处理的储层品质指标参数G以及经过归一化处理的完井品质指标参数F，确定储层品质指数Q_RQ以及完井品质指数Q_CQ。

其中，储层品质指数Q_RQ是指综合分析待开采水平井的储层品质指标参数的指数。完井品质指数Q_CQ是指综合分析待开采水平井的完井品质指标参数的指数。

具体地，可以将步骤S103中得到的储层品质指标参数的综合权重系数R与经过归一化处理的储层品质指标参数G结合在一起，将完井品质指标参数的综合权重系数C与经过归一化处理的完井品质指标参数F，得到待开采水平井的储层品质指数Q_RQ以及完井品质指数Q_CQ。Q_CQ

步骤S105、根据储层品质指数Q_RQ以及完井品质指数Q_CQ，计算储层综合品质指数Q_CQI。

具体地，可以将步骤S104中得到的储层品质指数Q_RQ以及完井品质指数Q_CQ结合在一起，得到用于分析待开采水平井压裂井段综合品质，即储层综合品质的指数Q_CQI。其中，结合过程中所需要的储层品质指数Q_RQ以及完井品质指数Q_CQ的综合权重系数可以根据步骤S103中描述的信息熵权—层次分析法耦合分析模型来确定。其中，储层综合品质指数Q_CQI是指综合分析待开采水平井的储层品质指标参数以及完井品质指标参数的指数。

步骤S106、将储层综合品质指数Q_CQI输入无监督机器学习的混合高斯模型，对储层综合品质指数Q_CQI进行聚类划分，输出待开采水平井各压裂井段的可压区等级。

具体地，如步骤S105中的描述，储层综合品质指数Q_CQI是指综合分析待开采水平井的储层品质指标参数以及完井品质指标参数的指数。因此，可以通过对储层综合品质指数Q_CQI进行分析，来分析待开采水平井各压裂井段的开采价值，即各压裂井段的可压区等级。

具体地，首先，现有的无监督机器学习的混合高斯模型可以按储层综合品质指数Q_CQI的数值将数值接近的的储层综合品质指数Q_CQI分为一类，即对待开采水平井各压裂段的储层综合品质指数Q_CQI进行聚类划分。其次，无监督机器学习的混合高斯模型可以根据聚类划分的结果，区分储层综合品质指数Q_CQI对应的待开采水平井各压裂井段的可压区等级。其中，当储层综合品质指数Q_CQI越大时，代表该压裂井段的可压性更高，储层综合品质指数Q_CQI越小时，代表该压裂井段的可压性更低，因此可以根据储层综合品质指数Q_CQI的分类结果，将待开采水平井的压裂井段分为一定数量的可压区等级，例如：四个等级。

表4为待开采水平井的压裂等级分类情况示例表。

表4

其中，压裂井段的可压区等级越高，该压裂井段的可压性越高，即该压裂井段的开采价值越高。

压裂井段的可压区等级越低，该压裂井段的可压性越低，即该压裂井段的开采价值越低。

在本实施例提供的水平井压裂段等级分类方法中，通过采集待开采水平井的测井曲线数据、电成像测井数据、岩性数据、岩心实验数据以及取芯描述数据，来确定待开采水平井的储层品质指标参数以及完井品质指标参数；对储层品质指标参数以及完井品质指标参数进行归一化处理后，运用信息熵权—层次分析法耦合分析模型，得到各指标参数的综合权重系数，确定储层品质指数Q_RQ以及完井品质指数Q_CQ，进一步得到储层综合品质指数Q_CQI。有效的将待开采水平井的储层品质指标参数以及完井品质指标参数汇总为储层综合品质指数Q_CQI，解决了储集层品质指标和完井品质指标数量过多且种类不同会导致综合评价结果不够准确的问题，提高了压裂井段等级分类的准确性。将储层综合品质指数Q_CQI输入无监督机器学习的混合高斯模型，对储层综合品质指数Q_CQI进行聚类划分，输出待开采水平井各压裂井段的可压区等级。运用已有的无监督机器学习的混合高斯模型，根据储层综合品质指数Q_CQI对待开采水平井的压裂段直接进行等级分类，提高了压裂井段等级分类的效率。

图2为本申请第二实施例提供的根据测井曲线数据，确定待开采水平井各压裂井段的储层品质指标参数的流程示意图。在图1所示实施例的基础上，测井曲线数据包括：自然伽马参数、自然电位参数、纵波时差参数、原状地层电阻率参数以及侵入带电阻率参数，储层品质指标参数包括：泥质含量、有效孔隙度、含油饱和度以及渗透率，根据测井曲线数据、电成像测井数据、岩性数据、岩心实验数据，确定待开采水平井各压裂井段的储层品质指标参数以及完井品质指标参数，包括：根据测井曲线数据，确定待开采水平井各压裂井段的储层品质指标参数；根据测井曲线数据、电成像测井数据、岩性数据、岩心实验数据以及取芯描述数据，确定待开采水平井各压裂井段的完井品质指标参数。本实施例对根据测井曲线数据，确定待开采水平井各压裂井段的储层品质指标参数的过程进行了展开描述。

如图2所示，本实施例的根据测井曲线数据，确定待开采水平井各压裂井段的储层品质指标参数可以包括以下步骤：

步骤S201、根据自然伽马参数以及自然电位参数，确定泥质含量。

具体地，可以根据测井曲线数据中的自然伽马和自然电位计算泥质含量。

其中，泥质是指颗粒直径小于0.01mm的碎屑物质，泥质含量，也叫做泥质体积，是指泥质的体积占岩石总体积的比。计算过程如下所示：

式中，V_sh为泥质含量，％；ΔGR、V_sh1为标准化的自然伽马与自然电位测井曲线值；GR为实际自然伽马，API；SP为实际自然电位测井曲线值，V；GR_min、GR_max和SP_min、SP_max分别为每口井的自然伽马和自然电位测井曲线的最小值和最大值；GCUR是与地层有关的经验系数，它与地层时代有关，与第三系地层相比，新地层GCUR＝3.7，老地层GCUR＝2。

步骤S202、根据泥质含量以及纵波时差参数，确定有效孔隙度。

具体地，可以根据泥质含量和纵波时差，利用Wylie公式计算得到有效孔隙度。

其中，孔隙度是指岩样中所有孔隙空间体积之和与该岩样体积的比值，称为该岩石的总孔隙度，以百分数表示。储集层的总孔隙度越大，说明岩石中孔隙空间越大。从实用出发，只有那些互相连通的孔隙才有实际意义，因为它们不仅能储存油气，而且可以允许油气在其中渗滤。因此在生产实践中，提出了有效孔隙度的概念。有效孔隙度是指那些互相连通的，在一般压力条件下，允许流体在其中流动的孔隙体积之和与岩样总体积的比值，以百分数表示。显然，同一岩石有效孔隙度小于其总孔隙度。计算过程如下所示：

式中，φ为有效孔隙度，％；DT为目的层纵波时差参数测井值；Δt_mp为岩石骨架纵波时差参数，μs/m；T_f为地层流体纵波时差参数，μs/m；T_sh泥质纵波时差参数，μs/m。C_p为声波压实校正系数，小数。DT、Δt_mp、T_f以及T_sh是不同地层岩性及泥质的纵波时差参数，一般是固定值。

其中，纵波时差参数是指接收声波的时间差值。利用这个差值可以进行相关运算，求解各种量值。

步骤S203、根据孔隙度、原状地层电阻率参数以及侵入带电阻率参数，计算含油饱和度。

具体地，可以根据孔隙度、原状地层电阻率和侵入带电阻率，利用阿尔奇公式得到含油饱和度。

其中，含油饱和度是油层有效孔隙中含油体积和岩石有效孔隙体积之比以百分数表示。计算过程如下所示：

式中，S_o为含油饱和度，％；R_w为地层水电阻率，Ω·m；R_t为含油气岩石的电阻率，Ω·m；a为与岩石性质有关的岩性系数，取0.5-1.5；b为与岩性有关的系数，取1.5-3.0；m为胶结指数，与孔隙结构有关；n为饱和度指数，一般取2.0。

其中，电阻率是用来表示各种物质电阻特性的物理量。某种物质所制成的原件(常温下20℃)的电阻与横截面积的乘积与长度的比值叫做这种物质的电阻率。

步骤S204、根据孔隙度以及自然伽马值，计算渗透率。

具体地，可以根据孔隙度，利用曾文冲提出的统计经验公式得到渗透率。

其中，渗透率是指在一定压差下，岩石允许流体通过的能力，是表征土或岩石本身传导液体能力的参数。计算过程如下所示：

lgK＝D₁+1.7lgM_d+7.11lgφ

其中，lgM_d＝-1.5422×ΔGR，其中，M_d为一个中间变量，在计算过程被抵消了。式中，K为渗透率，mD；ΔGR为标准化的自然伽马值；D₁为地层经验系数。

在本实施例提供的根据测井曲线数据，确定待开采水平井各压裂井段的储层品质指标参数的过程中，对本申请中运用到的测井曲线数据以及储层品质指标参数的构成进行了展开描述，并对其计算过程进行了详细展示。其中，选定的测井曲线数据为储层品质指标参数的确定提供了完整的数据基础，并且储层品质指标参数的选择主要从储层的物性特点出发，选取了表征储层物性的主要指标参数，使得压裂井段等级分类更加准确，同时计算的效率也有所提高。

图3为本申请第三实施例提供的根据测井曲线数据、电成像测井数据、岩性数据、岩心实验数据以及取芯描述数据，确定待开采水平井各压裂井段的完井品质指标参数的流程示意图。在图2所示实施例的基础上，测井曲线数据还包括：测井密度参数，完井品质指标参数包括：脆性指数、断裂韧性指数、水平应力差指数、垂向应力差指数、天然裂缝指数以及层理发育指数，根据测井曲线数据、电成像测井数据、岩性数据、岩心实验数据，确定待开采水平井各压裂井段的储层品质指标参数以及完井品质指标参数，包括：根据测井曲线数据，确定待开采水平井各压裂井段的储层品质指标参数；根据测井曲线数据、电成像测井数据、岩性数据、岩心实验数据以及取芯描述数据，确定待开采水平井各压裂井段的完井品质指标参数。本实施例对根据测井曲线数据、电成像测井数据、岩性数据、岩心实验数据以及取芯描述数据，确定待开采水平井各压裂井段的完井品质指标参数的过程进行了展开描述。

如图3所示，本实施例的根据测井曲线数据、电成像测井数据、岩性数据、岩心实验数据以及取芯描述数据，确定待开采水平井各压裂井段的完井品质指标参数可以包括以下步骤：

步骤S301、根据岩性数据、岩心实验数据以及纵波时差参数，确定脆性指数。

具体地，可以根据步骤S101采集得到的岩性数据、岩心实验数据以及纵波时差参数，基于矿物含量脆性指数法、力学脆性指数法以及能量演化脆性指数法，确定脆性指数。

其中，脆性是指材料在外力作用下(如拉伸、冲击等)仅产生很小的变形即断裂破坏的性质，与韧性相反，直到断裂前只出现很小的弹性变形而不出现塑性变形。矿物脆性指数法是指，通过岩石中脆性矿物的含量来定量表征岩石的脆性强弱；岩石力学脆性指数法是指，将脆性视为抗压强度、裂纹萌生应力的函数；能量演化脆性指数法是指，通过岩石破坏过程中的能量转化形式来定量表征岩石的脆性。脆性指数是指描述地层脆性的指数，计算过程如下所示：

F_I1＝β₁BI_M+β₂BI_YB+β₃BI_E

式中，F_I1为脆性指数，BI_M为矿物脆性指数，无因次；BI_YB为岩石力学脆性指数，无因次；BI_E为能量演化脆性指数，无因次；β₁、β₂、β₃为评价脆性指数的各指标参数权重值，无因次。其中，对于矿物脆性指数BI_M，可以根据岩性数据，即测井岩性处理结果，提取脆性矿物含量并除以所有矿物含量之和进行确定；对于岩石力学脆性指数BI_YB，可以根据测井曲线数据中的的纵波时差参数，计算得到杨氏模量和泊松比，进一步经过归一化处理进行确定；对于能量演化脆性指数BI_E，可以根据岩心实验数据，即岩心的实验数据，通过岩石破坏过程中的能量转化形式来定量表征岩石的脆性。

步骤S302、根据自然伽马参数、自然电位参数、纵波时差参数以及测井密度参数，确定断裂韧性指数。

具体地，可以根据测井曲线数据中的自然伽马参数、自然电位参数、纵波时差参数以及测井密度参数，参考多元非线性回归方法，确定断裂韧性指数。测井密度参数是指测井曲线数据中的密度参数值。

其中，断裂韧性是试样或构件中有裂纹或类裂纹缺陷情形下发生以其为起点的不再随着载荷增加而快速断裂，即发生所谓不稳定断裂时，材料显示的阻抗值。断裂韧性指数是指描述地层断裂韧性的指数。计算过程如下所示：

式中，F_I2为断裂韧性指数，KIC为断裂韧性，

KIC_max、KIC_min分别为最大、最小断裂韧性，

其中，可以根据自然伽马参数以及自然电位参数计算得到泥质含量，再通过纵波时差参数和测井密度参数得到杨氏模量，最后通过已得到的杨氏模量和泥质含量计算出断裂韧性。

步骤S303、根据纵波时差参数以及测井密度参数，确定水平应力差指数。

具体地，可以根据纵波时差参数以及测井密度参数，基于横向各向同性模型，确定水平应力差指数。其中，可以根据最小水平主应力与最大水平主应力之差计算水平应力差指数，最小水平主应力及最大水平主应力可以根据纵波时差参数和测井密度参数得到杨氏模量，并通过纵波时差参数得到泊松比，进一步地再通过杨氏模量和泊松比分别得到最小水平主应力及最大水平主应力，最后计算最大水平主应力与最小水平主应力的差值得到应力差。

其中，水平应力差指数是指描述水平应力差的指数，计算过程如下所示：

式中，F_I3为水平应力差指数，Δσ_h为水平应力差值，Δσ_h＝σ_H-σ_h，MPa；σ_h为最小水平主应力σ_H为最大水平主应力；Δσ_hmax为形成水力裂缝时对应的水平应力差阈值，MPa；Δσ_hmin为形成理想裂缝时对应的水平应力差阈值，MPa。其中，Δσ_h是根据最大水平主应力与最小水平主应力的差值得到的水平应力差。Δσ_hmax和Δσ_hmin为根据实验及数值模拟得到的应力差阈值。

步骤S304、根据测井密度参数以及纵波时差参数，确定垂向应力差指数。

具体地，可以根据测井密度参数以及纵波时差参数，基于归一化方法，确定垂向应力差指数。其中，可以根据垂向应力与最小水平应力的差值，计算得到垂向应力差指数，可以根据测井密度参数及测井密度参数对应地垂深，即井深计算得到垂向应力，再根据步骤S303中确定地最小水平应力，即根据纵波时差参数和测井密度参数计算得到杨氏模量，根据纵波时差参数计算得到泊松比计算得到最小水平主应力，最终根据垂向应力与最小水平主应力的差值得到垂向应力差指数。

其中，垂向应力差指数是指描述垂向应力差的指数，计算过程如下所示：

式中，F_I4为垂向应力差指数，Δσ_v为垂向应力差，σ_v为垂向应力，σ_h为最小水平应力，Δσ_v＝σ_v-σ_h，MPa；Δσ_vmax为压裂形成简单垂直缝时所对应的垂向应力差阈值，MPa；Δσ_vmin为压裂形成简单层理缝时所对应的垂向应力差阈值，MPa；Δσ'_v为形成复杂缝网的最优垂向应力差值，MPa。其中，Δσ_v是根据垂向应力与最小水平主应力的差值得到的垂向应力差；Δσ_vmax、Δσ_vmin以及Δσ'_v是根据实验及数值模拟得到的应力差阈值。

步骤S305、根据电成像测井数据，确定天然裂缝指数。

具体地，可以根据电成像测井数据，采用调和平均方法，确定天然裂缝指数。其中，可以根据天裂缝长度、天然裂缝密度以及天然裂缝走向与水平最大主应力方向的夹角，计算天然裂缝指数，其中，可以根据电成像测井数据，即电成像测井等现场资料，定量评价天裂缝长度、天然裂缝密度以及天然裂缝走向与水平最大主应力方向的夹角。

其中，裂缝指数是指裂缝识别测井预测裂缝油井生产能力的一个综合参数，天然裂缝指数是指描述天然裂缝的指数，计算过程如下所示：

式中，F_I5为天然裂缝指数，L为归一化天然裂缝长度，m；L_max为最大裂缝长度，m；L_min为最小裂缝长度，m；ρ_i为归一化天然裂缝密度，条/m；ρ_max为最大裂缝密度，条/m；ρ_min为最小裂缝密度，条/m；θ_i为天然裂缝与水平最大主应力方向夹角，度；θ为归一化天然裂缝走向与水平最大主应力方向夹角。其中，L、L_max、L_min、ρ_i、ρ_max、ρ_min、θ_i以及θ可以根据电成像测井等现场资料计算得到。

步骤S306、根据电成像测井数据以及取芯描述数据，确定层理发育指数。

具体地，可以根据电成像测井数据以及取芯描述数据，基于调和平均方法，确定层理发育指数。其中，可以根据电成像测井数据以及取芯描述数据，即取芯描述等现场资料，获得不同井段内的天然裂缝长度层理密度。进一步可以根据不同井段内的天然裂缝长度层理密度，确定层理发育指数，

其中，层理是指岩层中物质的成分、颗粒大小、形状和颜色在垂直方向发生改变时产生的纹理。一般厚几厘米至几米，其横向延伸可以是几厘米至数千米。层理发育程度是指岩层层理的发育情况。沉积岩如页岩的层理是比较发育的，比如在单位长度里面，层理的数量多，就可以说其层理发育程度高。层理发育指数是指描述层理发育的施主，具体计算过程如下所示：j

式中，F_I6为层理发育指数，ρ_j为层理密度；ρ'为最优层理密度；

为形成层理主导的裂缝形态时所对应的层理密度阈值；

为形成水力裂缝主导的裂缝形态时所对应的层理密度阈值。其中，ρ_j以及ρ'可以根据电成像测井数据以及取芯描述数据，即取芯描述等现场资料，获得不同井段内的天然裂缝长度层理密度来确定，

以及

可以根据实验及数值模拟计算得到的。

在本实施例提供的根据测井曲线数据、电成像测井数据、岩性数据、岩心实验数据以及取芯描述数据，确定待开采水平井各压裂井段的完井品质指标参数的过程中，对本身请中运用到的完井品质指标参数的构成进行了展开描述，并对其计算过程进行了详细展示。其中，完井品质指标参数的选择主要从储层的可压性特点出发，综合的评价体积改造的可压性，为优选出经济的压裂层段及射孔位置做出了重要依据。

图4为本申请第四实施例提供的将经过归一化处理的储层品质指标参数G以及经过归一化处理的完井品质指标参数F分别输入信息熵权—层次分析法耦合分析模型，得到待开采水平井压裂井段的储层品质指标参数的综合权重系数R以及完井品质指标参数的综合权重系数C的流程示意图。在图1所示实施例的基础上，对将经过归一化处理的储层品质指标参数G以及经过归一化处理的完井品质指标参数F分别输入信息熵权—层次分析法耦合分析模型，得到待开采水平井压裂井段的储层品质指标参数的综合权重系数R以及完井品质指标参数的综合权重系数C的过程进行了展开描述。

如图4所示，本实施例的将经过归一化处理的储层品质指标参数G以及经过归一化处理的完井品质指标参数F分别输入信息熵权—层次分析法耦合分析模型，得到待开采水平井压裂井段的储层品质指标参数的综合权重系数R以及完井品质指标参数的综合权重系数C可以包括以下步骤：

步骤S401、运用主观层次分析法，计算储层品质指标参数的主观权重系数V₁以及完井品质指标参数的主观权重系数V₂。

具体地，可以根据主观层次分析法计算各指标的主观权重系数。其中，可以根据主观层次分析法计算储层品质指标参数的主观权重系数V₁以及完井品质指标参数的主观权重系数V₂。

其中，层次分析主观权重法(主观层次分析法(AHP))是根据决策者判断来指定权重值的一种方法，具体方法如下所示：

首先，建立判断矩阵。判断矩阵表示了某一层元素之间相对于上一层元素的重要程度，引入九标度。设有n个评价参数指标，每个评价参数指标有m个分析对象，则建立判断矩阵A＝(a_ij)_n×n

其次，对判断矩阵按列进行归一化处理，得到归一化处理后的判断矩阵v'_ij。

然后，可以运用例如：求和法计算各参数指标的主观权重系数。

式中，v'_ij为判断矩阵第j列向量归一化处理，即

v_i为第i个评价参数指标的权重值，即主观权重系数，其中，主观权重向量为V＝{v₁,v₂,…,v_i}^T。

最后，可以对计算的主观权重系数进行一致性检验。

具体地，可以将各指标参数与其对应的主观权重系数相结合，得到一致性检验参数例如：CR。当一致性检验参数<0.1，例如CR＜0.1时，认为上方建立的判断矩阵可以接受，否则对上方判断矩阵作适当修正后，再进行权重系数的计算，直至一致性检验参数<0.1为止。

具体地，可以分别为储层品质指标参数以及完井品质评价建立判断矩阵，计算各指标参数的主观权重系数。其中，储层品质指标参数的主观权重系数为V₁。完井品质指标参数的主观权重系数为V₂。

步骤S402、运用客观信息熵权法，计算储层品质指标参数的熵权U₁以及完井品质指标参数的熵权U₂。

具体地，可以根据客观信息熵权法计算各指标参数的熵权。其中，可以根据客观信息熵权法计算储层品质指标参数的熵权U₁以及完井品质指标参数的熵权U₂。

其中，可以将原始数据同一指标之间差异的大小作为权重确定的依据，指标参数的差异越大，熵值越小，该指标所包含和传输的信息越多，所得出的信息权重就越大。选择了一种对主观因素影响小，在不同的样本之间会有不同的权重数值，同时也适应于非常规储层非均质性强，物性差异大等特点的信息熵权法(客观信息熵权法(EWM))，计算方法如下所示：

计算第j个指标参数的熵权

式中，p_ij为第j个指标参数下第i个分析对象的比重，无因次；s_ij为归一化处理后的第j个指标参数的第i个分析对象的参数，如步骤S103中的描述；u_j为第j个指标参数的熵权，无因次，权重向量为U＝(u₁,u₂,…,u_j)^T。

具体地，可以运用上述熵权的计算方法，根据经过归一化处理的储层品质指标参数G以及经过归一化处理的完井品质指标参数F，计算储层品质指标参数的熵权U₁以及完井品质指标参数的熵权U₂。

步骤S403、运用最优化二次规划法，根据经过归一化处理的储层品质指标参数G、经过归一化处理的完井品质指标参数F、储层品质指标参数的主观权重系数V₁、完井品质指标参数的主观权重系数V₂、储层品质指标参数的熵权U₁以及完井品质指标参数的熵权U₂，计算储层品质指标参数的综合权重系数R，以及完井品质指标参数的综合权重系数C。

具体地，可以根据最优化二次规划法，将各指标的主观权重系数以及熵权结合在一起，得到各指标的综合权重系数。其中，可以根据最优化二次规划法，计算储层品质指标参数的综合权重系数R，以及完井品质指标参数的综合权重系数C。

为了考虑主客观赋权重的不足之处，使得评价结果与主客观赋权下的评价结果的总偏差达到最小，因此采用二次规划法(最优化二次规划法)将所得的主客观权重进行无偏差结合。过程如下：

建立目标函数：

式中，W为综合权重值向量，W＝(w₁,w₂,…,w_n)^T；S为原始数据归一化后的矩阵，S＝(s_ij)_m×n；C为n阶单位行向量；b为任意常数。对目标函数构造拉格朗日函数，得：

式中，λ为拉格朗日乘数。令H＝S^TS，B＝-S^TSU/2-S^TSV/2，解得综合权重值向量W＝-QO+P^T，其中，Q＝H^-1-H^-1C^T(CH^-1C^T)^-1CH^-1，O＝(CH^-1C^T)^-1CH^-1。

具体地，可以将经过归一化处理的储层品质指标参数G、储层品质指标参数的主观权重系数V₁、以及储层品质指标参数的熵权U₁带入拉格朗日函数中，计算储层品质指标参数的综合权重系数R，将经过归一化处理的完井品质指标参数F、完井品质指标参数的主观权重系数V₂以及完井品质指标参数的熵权U₂带入拉格朗日函数中，计算完井品质指标参数的综合权重系数C。图5为根据三种权重计算方法确定的待开采水平井的储层品质指标参数的权重系数折线图。图6为根据三种权重计算方法确定的待开采水平井的完井品质指标参数的权重系数折线图。

表5为待开采水平井的储层品质指标参数的权重系数。

表5

表6为待开采水平井的完井品质指标参数的权重系数。

表6

本实施例提供的将经过归一化处理的储层品质指标参数G以及经过归一化处理的完井品质指标参数F分别输入信息熵权—层次分析法耦合分析模型，得到待开采水平井压裂井段的储层品质指标参数的综合权重系数R以及完井品质指标参数的综合权重系数C的过程，通过信息熵权—层次分析法耦合分析模型确定储层品质指标参数的综合权重系数R以及完井品质指标参数的综合权重系数C，使得权重系数的准确度更高，进一步地提高了压裂井段等级分类的准确性。

图7为本申请第五实施例提供的根据储层品质指标参数的综合权重系数R、完井品质指标参数的综合权重系数C、经过归一化处理的储层品质指标参数G以及经过归一化处理的完井品质指标参数F，确定储层品质指数Q_RQ以及完井品质指数Q_CQ的流程示意图。在图1所示实施例的基础上，对根据储层品质指标参数的综合权重系数R、完井品质指标参数的综合权重系数C、经过归一化处理的储层品质指标参数G以及经过归一化处理的完井品质指标参数F，确定储层品质指数Q_RQ以及完井品质指数Q_CQ的过程进行了展开描述。

如图7所示，本实施例的根据储层品质指标参数的综合权重系数R、完井品质指标参数的综合权重系数C、经过归一化处理的储层品质指标参数G以及经过归一化处理的完井品质指标参数F，确定储层品质指数Q_RQ以及完井品质指数Q_CQ可以包括以下步骤：

步骤S701、将储层品质指标参数的综合权重系数R与经过归一化处理的储层品质指标参数G相结合，计算储层品质指数Q_RQ。

具体地，可以将步骤S403中得到的储层品质指标参数的综合权重系数R与步骤S103中得到的经过归一化处理的储层品质指标参数G相结合，计算储层品质指数Q_RQ，公式如下所示：

其中，Q_RQ为储层品质指数，无因次；G_Ii为第i个储层品质指标参数归一化后的参数值，无因次；a_i为储层品质指标的综合权重系数中的第i个指标的综合权重系数；L为储层品质指标参数的数量，例如，L＝4。

步骤S702、将完井品质指标参数的综合权重系数C与经过归一化处理的完井品质指标参数F相结合，计算完井品质指数Q_CQ。

具体地，可以将步骤S403中得到的完井品质指标参数的综合权重系数C与步骤S103中得到的经过归一化处理的完井品质指标参数F相结合，计算完井品质指数Q_CQ，公式如下所示：

其中，Q_CQ为完井品质指数，无因次；F_Ii为第i个完井品质指标参数归一化后的参数值，无因次；α_i为完井品质指标的综合权重系数中的第i个指标的综合权重系数；K为完井品质指标参数的数量，例如，K＝6。

在本实施例提供的根据储层品质指标参数的综合权重系数R、完井品质指标参数的综合权重系数C、经过归一化处理的储层品质指标参数G以及经过归一化处理的完井品质指标参数F，确定储层品质指数Q_RQ以及完井品质指数Q_CQ的过程，通过生成储层品质指数Q_RQ以及完井品质指数Q_CQ，解决了储集层品质指标和完井品质指标数量过多且种类不同会导致综合评价结果不够准确的问题，提高了压裂井段等级分类的准确性。

图8为本申请第六实施例提供的根据储层品质指数Q_RQ以及完井品质指数Q_CQ，计算储层综合品质指数Q_CQI的流程示意图。在图1所示实施例的基础上，对根据储层品质指数Q_RQ以及完井品质指数Q_CQ，计算储层综合品质指数Q_CQI的过程进行了展开描述。

如图8所示，本实施例的根据储层品质指数Q_RQ以及完井品质指数Q_CQ，计算储层综合品质指数Q_CQI可以包括以下步骤：

步骤S801、将储层品质指数Q_RQ以及完井品质指数Q_CQ输入信息熵权—层次分析法耦合分析模型，得到储层品质指数Q_RQ的综合权重系数W₁以及完井品质指数Q_CQ的的综合权重系数W₂。

具体地，可以采用将储层品质指数Q_RQ以及完井品质指数Q_CQ相结合的方式，生成储层综合品质指数Q_CQI。其中，在将储层品质指数Q_RQ以及完井品质指数Q_CQ相结合之前，需要先确定储层品质指数Q_RQ以及完井品质指数Q_CQ的权重系数。具体地，可以将储层品质指数Q_RQ以及完井品质指数Q_CQ输入步骤S103中描述的信息熵权—层次分析法耦合分析模型中，得到储层品质指数Q_RQ的综合权重系数W₁以及完井品质指数Q_CQ的的综合权重系数W₂。

步骤S802、根据储层品质指数Q_RQ的综合权重系数W₁、完井品质指数Q_CQ的的综合权重系数W₂、储层品质指数Q_RQ以及完井品质指数Q_CQ，计算储层综合品质指数Q_CQI。

其中，储层综合品质指数Q_CQI是储层综合品质CQI的指数，其同时兼顾储层品质与完井品质，在储层品质评价好的层段优选完井品质较好的层段进行压裂改造，储层综合品质(CQI)指数的计算方法如下所示：

Q_CQI＝W₁Q_RQ+W₂Q_CQ

式中，Q_CQI为储层综合品质指数，无因次；W₁和W₂分别为储层品质指数Q_RQ和完井品质指数Q_CQ的综合权重系数，无因次。

表6为待开采水平井的储层品质指数、完井品质指数以及储层综合品质指数示例表。

表6

在本实施例提供的根据储层品质指数Q_RQ以及完井品质指数Q_CQ，计算储层综合品质指数Q_CQI的过程，通过确认储层综合品质指数Q_CQI的方式，对图7所示实施例生成的储层品质指数Q_RQ以及完井品质指数Q_CQ进行综合，提高了压裂井段等级分类的准确性。

图9为本申请第七实施例提供的将储层综合品质指数Q_CQI输入无监督机器学习的混合高斯模型，对储层综合品质指数Q_CQI进行聚类划分，输出待开采水平井各压裂井段的可压区等级的流程示意图。在图1所示实施例的基础上，对将储层综合品质指数Q_CQI输入无监督机器学习的混合高斯模型，对储层综合品质指数Q_CQI进行聚类划分，输出待开采水平井各压裂井段的可压区等级的过程进行了展开描述。

如图9所示，本实施例的将储层综合品质指数Q_CQI输入无监督机器学习的混合高斯模型，对储层综合品质指数Q_CQI进行聚类划分，输出待开采水平井各压裂井段的可压区等级可以包括以下步骤：

步骤S701、对储层综合品质指数Q_CQI进行标准化处理。

具体地，对于无监督机器学习的混合高斯模型，如果原始数据集变化波动大，会对聚类的结果产生很大的影响。因此为保证数据集相对稳定，服从正态分布，可以采用例如：Z-score方法对储层综合品质指数进行标准化处理。例如，在本实施例中，储层综合品质指数Q_CQI为随深度变化的非球形状的数据簇，该数据集变化波动较大，因此在将其输入无监督机器学习的混合高斯模型之前，需要对储层综合品质指数Q_CQI进行标准化处理。处理方法如下所示：

设数据集有m个样本，n个指标，则X＝(x_ij)_m×n为原始数据集矩阵，则数据集的标准化变换为：

式中，

为第j个指标的平均值；S_j为第j个指标的方差。

具体地，可以根据如上方法，对储层综合品质指数Q_CQI进行标准化处理。

步骤S902、将标准化处理后的储层综合品质指数Q_CQI输入无监督机器学习的混合高斯模型，对储层综合品质指数Q_CQI进行聚类划分，输出待开采水平井各压裂井段的可压区等级。

具体地，可以将步骤S701中经过标准化处理的储层综合品质指数Q_CQI输入步骤S106中描述的无监督机器学习的混合高斯模型中，适用于任何非球状数据集的混合高斯(GMM)模型可以对储层综合品质指数Q_CQI进行聚类划分。

聚类划分过程如下所示：

例如：已知样本数据集X'＝{x'₁₁,x'₁₁,…,x'_mn}符合K个高斯分布，则混合高斯模型：

式中，p(x|θ)是指混合高斯概率。θ_k＝(μ_k,Σ_k)是均值为μ_k、协方差矩阵为Σ_k，

称为单位高斯分布GMM的一个组分，其中，α_k是混合参数，是第k个高斯分布的权重，表征先验概率：

的概率密度函数为

其中，d是变量维度，对于二维高斯分布，d＝2。可以根据概率密度，即混合高斯概率p(x|θ)，对样本数据集X’进行聚类划分。

具体地，可以根据上述方法，将经过标准化处理的储层综合品质指数Q_CQI输入无监督机器学习的混合高斯模型，进行聚类划分。其中，聚类划分可以使得同一压裂井段的储层综合品质指数相近，保证了同一聚类类别的储层品质和完井品质特性差异较小，不同聚类类别的储层品质和完井品质差异较大。

具体地，根据上述经过标准化处理的储层综合品质指数Q_CQI的聚类划分结果，对待开采水平井各压裂井段的可压区等级进行划分，具体过程如步骤S106中的描述。图10为分别对储层品质指数Q_RQ、完井品质指数Q_CQ以及储层综合品质指数Q_CQI进行聚类划分的结果。其中，可以根据聚类划分的结果，即色带中不同的颜色，将各水平井不同垂深的压裂段划分为一定数量的等级，例如：四个等级。如图中展示，可以分为一级GG、二级GB、三级BG以及四级BB。

本实施例提供的将储层综合品质指数Q_CQI输入无监督机器学习的混合高斯模型，对储层综合品质指数Q_CQI进行聚类划分，输出待开采水平井各压裂井段的可压区等级的过程，通过对储层综合品质指数Q_CQI进行标准化处理后再输入无监督机器学习的混合高斯模型，对储层综合品质指数Q_CQI进行聚类划分，输出待开采水平井各压裂井段的可压区等级，减少了原始储层综合品质指数Q_CQI的波动对压裂井段的可压区等级的影响，提高了压裂井段等级分类的准确性

需要说明的是，本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据，并且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准，并提供有相应的操作入口，供用户选择授权或者拒绝。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本申请的真正范围和精神由下面的权利要求书指出。

应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求书来限制。

Claims (10)

1.一种水平井压裂等级智能分段分簇方法，其特征在于，包括：

采集待开采水平井的测井曲线数据、电成像测井数据、岩性数据、岩心实验数据以及取芯描述数据；

根据所述测井曲线数据、所述电成像测井数据、所述岩性数据、所述岩心实验数据以及所述取芯描述数据，确定所述待开采水平井各压裂井段的储层品质指标参数以及完井品质指标参数；

将所述待开采水平井各压裂井段的储层品质指标参数以及完井品质指标参数进行归一化处理，将经过归一化处理的储层品质指标参数G以及经过归一化处理的完井品质指标参数F分别输入信息熵权—层次分析法耦合分析模型，得到所述待开采水平井的储层品质指标参数的综合权重系数R以及完井品质指标参数的综合权重系数C；

根据所述储层品质指标参数的综合权重系数R、所述完井品质指标参数的综合权重系数C、所述经过归一化处理的储层品质指标参数G以及所述经过归一化处理的完井品质指标参数F，确定储层品质指数Q_RQ以及完井品质指数Q_CQ；

根据所述储层品质指数Q_RQ以及所述完井品质指数Q_CQ，计算储层综合品质指数Q_CQI；

将所述储层综合品质指数Q_CQI输入无监督机器学习的混合高斯模型，对所述储层综合品质指数Q_CQI进行聚类划分，输出所述待开采水平井各压裂井段的可压区等级。

2.根据权利要求1所述的方法，其特征在于，所述根据所述测井曲线数据、所述电成像测井数据、所述岩性数据、所述岩心实验数据，确定所述待开采水平井各压裂井段的储层品质指标参数以及完井品质指标参数，包括：

根据所述测井曲线数据，确定所述待开采水平井各压裂井段的储层品质指标参数；

根据所述测井曲线数据、所述电成像测井数据、所述岩性数据、所述岩心实验数据以及所述取芯描述数据，确定所述待开采水平井各压裂井段的完井品质指标参数。

3.根据权利要求2所述的方法，其特征在于，所述测井曲线数据包括：自然伽马参数、自然电位参数、纵波时差参数、原状地层电阻率参数以及侵入带电阻率参数，所述储层品质指标参数包括：泥质含量、有效孔隙度、含油饱和度以及渗透率。

4.根据权利要求3所述的方法，其特征在于，所述根据所述测井曲线数据，确定所述待开采水平井各压裂井段的储层品质指标参数，包括：

根据所述自然伽马参数以及所述自然电位参数，确定所述泥质含量；

根据所述泥质含量以及所述纵波时差参数，确定所述有效孔隙度；

根据所述孔隙度、所述原状地层电阻率参数以及所述侵入带电阻率参数，计算所述含油饱和度；

根据所述孔隙度以及所述自然伽马值，计算所述渗透率。

5.根据权利要求4所述的方法，其特征在于，所述测井数据还包括：测井密度参数，所述完井品质指标参数包括：脆性指数、断裂韧性指数、水平应力差指数、垂向应力差指数、天然裂缝指数以及层理发育指数。

6.根据权利要求5所述的方法，其特征在于，所述根据所述测井曲线数据、所述电成像测井数据、所述岩性数据、所述岩心实验数据以及所述取芯描述数据，确定所述待开采水平井各压裂井段的完井品质指标参数，包括：

根据所述岩性数据、所述岩心实验数据以及所述纵波时差参数，确定所述脆性指数；

根据所述自然伽马参数、所述自然电位参数、所述纵波时差参数以及所述测井密度参数，确定所述断裂韧性指数；

根据所述纵波时差参数以及所述测井密度参数，确定所述水平应力差指数；

根据所述测井密度参数以及所述纵波时差参数，确定所述垂向应力差指数；

根据所述电成像测井数据，确定所述天然裂缝指数；

根据所述电成像测井数据以及所述取芯描述数据，确定所述层理发育指数。

7.根据权利要求1所述的方法，其特征在于，所述将经过归一化处理的储层品质指标参数G以及经过归一化处理的完井品质指标参数F分别输入信息熵权—层次分析法耦合分析模型，得到所述待开采水平井压裂井段的储层品质指标参数的综合权重系数R以及完井品质指标参数的综合权重系数C，包括：

运用主观层次分析法，计算储层品质指标参数的主观权重系数V₁以及完井品质指标参数的主观权重系数V₂；

运用客观信息熵权法，计算储层品质指标参数的熵权U₁以及完井品质指标参数的熵权U₂；

运用最优化二次规划法，根据所述经过归一化处理的储层品质指标参数G、所述经过归一化处理的完井品质指标参数F、所述储层品质指标参数的主观权重系数V₁、所述完井品质指标参数的主观权重系数V₂、所述储层品质指标参数的熵权U₁以及所述完井品质指标参数的熵权U₂，计算储层品质指标参数的综合权重系数R，以及完井品质指标参数的综合权重系数C。

8.根据权利要求7所述的方法，其特征在于，所述根据所述储层品质指标参数的综合权重系数R、所述完井品质指标参数的综合权重系数C、所述经过归一化处理的储层品质指标参数G以及所述经过归一化处理的完井品质指标参数F，确定储层品质指数Q_RQ以及完井品质指数Q_CQ，包括：

将所述储层品质指标参数的综合权重系数R与所述经过归一化处理的储层品质指标参数G相结合，计算所述储层品质指数Q_RQ；

将所述完井品质指标参数的综合权重系数C与所述经过归一化处理的完井品质指标参数F相结合，计算所述完井品质指数Q_CQ。

9.根据权利要求8所述的方法，其特征在于，所述根据所述储层品质指数Q_RQ以及所述完井品质指数Q_CQ，计算储层综合品质指数Q_CQI，包括：

将所述储层品质指数Q_RQ以及完井品质指数Q_CQ输入所述信息熵权—层次分析法耦合分析模型，得到储层品质指数Q_RQ的综合权重系数W₁以及完井品质指数Q_CQ的综合权重系数W₂；

根据所述储层品质指数Q_RQ的综合权重系数W₁、所述完井品质指数Q_CQ的综合权重系数W₂、所述储层品质指数Q_RQ以及所述完井品质指数Q_CQ，计算所述储层综合品质指数Q_CQI。

10.根据权利要求9所述的方法，其特征在于，所述将所述储层综合品质指数Q_CQI输入无监督机器学习的混合高斯模型，对所述储层综合品质指数Q_CQI进行聚类划分，输出所述待开采水平井各压裂井段的可压区等级，包括：

对所述储层综合品质指数Q_CQI进行标准化处理；

将标准化处理后的储层综合品质指数Q_CQI输入无监督机器学习的混合高斯模型，对储层综合品质指数Q_CQI进行聚类划分，输出所述待开采水平井各压裂井段的可压区等级。

Images