CN117332668A - 一种基于数据驱动的页岩气井压裂效果分析方法和系统 - Google Patents
一种基于数据驱动的页岩气井压裂效果分析方法和系统 Download PDFInfo
- Publication number
- CN117332668A CN117332668A CN202210727231.7A CN202210727231A CN117332668A CN 117332668 A CN117332668 A CN 117332668A CN 202210727231 A CN202210727231 A CN 202210727231A CN 117332668 A CN117332668 A CN 117332668A
- Authority
- CN
- China
- Prior art keywords
- geological
- data
- parameters
- geological engineering
- influence
- 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.)
- Pending
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 41
- 239000007789 gas Substances 0.000 claims abstract description 63
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 38
- 238000012545 processing Methods 0.000 claims abstract description 29
- 238000012163 sequencing technique Methods 0.000 claims abstract description 17
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims abstract description 16
- 238000003064 k means clustering Methods 0.000 claims abstract description 14
- 239000003345 natural gas Substances 0.000 claims abstract description 8
- 238000010276 construction Methods 0.000 claims description 21
- 238000000034 method Methods 0.000 claims description 21
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000010206 sensitivity analysis Methods 0.000 claims description 11
- 238000006467 substitution reaction Methods 0.000 claims description 8
- 238000007621 cluster analysis Methods 0.000 claims description 6
- 230000005284 excitation Effects 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 4
- 238000010219 correlation analysis Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 238000004148 unit process Methods 0.000 claims description 2
- 230000009466 transformation Effects 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 5
- 238000005553 drilling Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 2
- 230000035699 permeability Effects 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B43/00—Methods or apparatus for obtaining oil, gas, water, soluble or meltable materials or a slurry of minerals from wells
- E21B43/25—Methods for stimulating production
- E21B43/26—Methods for stimulating production by forming crevices or fractures
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B49/00—Testing the nature of borehole walls; Formation testing; Methods or apparatus for obtaining samples of soil or well fluids, specially adapted to earth drilling or wells
Landscapes
- Engineering & Computer Science (AREA)
- Mining & Mineral Resources (AREA)
- Physics & Mathematics (AREA)
- Geology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- Geochemistry & Mineralogy (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Fluid Mechanics (AREA)
- Environmental & Geological Engineering (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于数据驱动的页岩气井压裂效果分析方法和系统，包括根据数据采集获取多个地质工程参数，对多个地质工程参数进行处理，以EUR作为天然气产能的判定数据；其中，所述地质工程参数包括地质特征参数和压裂特征参数；基于Pearson算法对所述多个地质工程参数和EUR进行分析，对多余的地质工程参数进行剔除；根据LightGBM算法计算多个影响因素的影响权重，对所述影响权重的结果并进行排序分析影响EUR的主控因素；其中，所述影响因素为剔除后的地质工程参数；利用K均值聚类算法对剔除后的所述地质工程参数进行生产力潜力判定分析。通过对页岩气井地质条件的分析，能够实现对页岩气进行压裂改造，发挥出地层的潜能。
Description
技术领域
本发明涉及页岩气勘探开发技术领域，尤其涉及一种基于数据驱动的页岩气井压裂效果分析方法和系统。
背景技术
页岩气是页岩气储层中存在的重要非常规天然气资源，具有巨大的勘探潜力。随着北美页岩气革命，能源结构的不断优化，作为非常规油气资源的页岩气，成为了未来我国乃至全球油气资源增储上产的重要支柱之一。页岩气藏具有低孔隙率、低渗透性和非均质性，页岩气藏基质中的流动规律不再遵循达西流。由于超低孔隙率和渗透性，需要水平钻井和多级水力压裂技术来开采页岩气。
页岩气最终可采储量(Estimate Ultimate Recovery,EUR)决定了其开发的生命周期，同时也是其获得经济效益最关键的参数之一。页岩气井的产能受压裂液能量利用率、主裂缝和诱导裂缝的闭合规律等因素的影响。页岩气开发面临的挑战在于多参数决策的内在问题，特别是地下条件和主要经济因素可能存在实质性的不确定性。
页岩气井压裂参数复杂，单井产量影响因素众多，由于储层地质特征存在差异，压裂施工参数的设计通常不合理，不能发挥地层潜能。因此在对页岩气进行压裂改造前，对其地质条件进行评估十分必要。
发明内容
本发明目的在于提供一种基于数据驱动的页岩气井压裂效果分析方法和系统，根据页岩气井开采的特点，基于LightGBM特征排序、特征构建和K-means聚类的页岩气井地质条件评估，解决了页岩气开发面临的挑战在于多参数决策的内在问题。
为实现上述目的，本发明提供一种基于数据驱动的页岩气井压裂效果分析方法，包括：
根据数据采集获取多个地质工程参数，对多个地质工程参数进行处理，以EUR作为天然气产能的判定数据；其中，所述地质工程参数包括地质特征参数和压裂特征参数；
基于Pearson算法对所述多个地质工程参数和EUR进行分析，对多余的地质工程参数进行剔除；
根据LightGBM算法计算多个影响因素的影响权重，对所述影响权重的结果并进行排序分析影响EUR的主控因素；其中，所述影响因素为剔除后的地质工程参数；
利用K均值聚类算法对剔除后的所述地质工程参数进行生产力潜力判定分析。
进一步的，根据数据采集获取多个地址工程参数，对多个地质工程参数进行处理，具体为，
采用均值替代的方式对缺失的数据进行处理。
进一步的，采用均值替代的方式对缺失的数据进行处理，具体为，
若数据中的缺失值个数对于整体数据占比很小，直接删除缺失值。
进一步的，通过数据采集获取多个地址工程参数，并对参数数据进行处理，具体为，
对收集的数据进行归一化处理。
进一步的，对收集的数据进行归一化处理，具体为，
通过计算方式将有量纲的表达式转化为无量纲的表达式，将数据映射到0～1的范围内进行处理。
进一步的，通过计算方式将有量纲的表达式转化为无量纲的表达式，将数据映射到0～1的范围内进行处理，具体为，
其中，Xnorm表示归一化计算后的数据，X为原始数据，Xmax表示原始数据集的最大值，Xmin表示原始数据集的最小值。
进一步的，基于Pearson算法对多个地质工程参数和EUR进行相关性分析，对多余的地质工程参数进行剔除，具体为，
两个地质工程参数数据出现相同时，若所述两个地质工程参数数据的单因素对EUR的影响不相同，对这些地质工程参数都进行保留；
两个地质工程参数数据出现相同时，若所述两个地质工程参数数据的单因素对EUR的影响极为接近，进行分析将其中一个地质工程参数进行剔除。
进一步的，根据LightGBM算法计算多个影响因素的影响权重，对影响权重的结果进行排序分析影响EUR的主控因素，具体为，
根据所述LightGBM算法，将标准化的EUR和剔除后的地质工程参数作为输入参数，带入计算多个影响因素的影响权重；其中，所述影响因素为剔除后的地质工程参数；
对影响权重的计算结果进行排序，将剔除后的各项地质工程参数按照地质特征参数和压裂特征参数分类，并比较地质特征参数总和与压裂特征参数总和的大小，得出影响EUR的主控因素。
进一步的，利用K均值聚类算法对剔除后的地质工程参数进行生产力潜力判定分析，具体为，
根据特征构造，将剔除后的地址工程参数按特征属性压缩为二维，并用EUR建立三维数据激进行聚类分析；其中特征构造是指从原始数据中人工构造新特征；
对模型参数进行调优，对聚类数进行敏感性分析，获得聚类结果并进行分析，得到最佳的聚类簇数；
利用模型对页岩气井地质潜力进行判定，给出地质特征和压裂特征参数的变化范围。
进一步的，对模型参数进行调优，对聚类数进行敏感性分析，获得聚类结果并进行分析，得到最佳的聚类簇数，具体为，
对模型参数进行调优，采用轮廓系数(SC)和卡林斯基-哈拉巴斯指数(CH)对聚类数进行敏感性分析，获得聚类结果并进行分析，得到最佳的聚类簇数。
本发明还提供一种基于数据驱动的页岩气井压裂效果分析系统，包括：
获取处理单元，通过数据采集获取多个地质工程参数，对多个地质工程参数进行处理，以EUR作为天然气产能的判定数据；其中，所述地质工程参数包括地质特征参数和压裂特征参数；
剔除单元，通过Pearson算法对所述多个地质工程参数和EUR进行分析，对多余的地质工程参数进行剔除；
分析单元，通过LightGBM算法计算多个影响因素的影响权重，对所述影响权重的结果并进行排序分析影响EUR的主控因素；其中，所述影响因素为剔除后的地质工程参数；
判定单元，利用K均值聚类算法对剔除后的所述地质工程参数进行生产力潜力判定。
进一步的，所述获取处理单元，通过数据采集获取多个地质工程参数，对多个地质工程参数进行处理，具体为，
所述获取处理单元采用均值替代的方式对缺失的数据进行处理，所述获取处理单元也对收集的数据进行归一化处理。
进一步的，所述分析单元，通过LightGBM算法计算多个影响因素的影响权重，对所述影响权重的结果并进行排序分析影响EUR的主控因素，具体为，
所述分析单元通过所述LightGBM算法，将标准化的EUR和剔除后的地质工程参数作为输入参数，带入计算多个影响因素的影响权重；其中，所述影响因素为剔除后的地质工程参数；
对影响权重的计算结果进行排序，将剔除后的各项地质工程参数按照地质特征参数和压裂特征参数分类，并比较地质特征参数总和与压裂特征参数总和的大小，得出影响EUR的主控因素。
进一步的，所述判定单元，利用K均值聚类算法对剔除后的所述地质工程参数进行生产力潜力判定，具体为，
所述判定单元通过特征构造，将剔除后的地址工程参数按特征属性压缩为二维，并用EUR建立三维数据激进行聚类分析；其中特征构造是指从原始数据中人工构造新特征；
对模型参数进行调优，对聚类数进行敏感性分析，获得聚类结果并进行分析，得到最佳的聚类簇数；
利用模型对页岩气井地质潜力进行判定，给出地质特征和压裂特征参数的变化范围。
本发明的技术效果和优点：通过根据页岩气井开采的特点，基于LightGBM特征排序、特征构建和K-means聚类的页岩气井地质条件进行分析判定。通过对页岩气井地质条件的分析，能够实现对页岩气进行压裂改造，发挥出地层的潜能。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所指出的结构来实现和获得。
附图说明
图1为本发明实施例中一种基于数据驱动的页岩气井压裂效果分析方法的流程图；
图2为本发明实施例中各项地质工程参数数据值分别对EUR的影响图；
图3为本发明实施例中各项地质工程参数对EUR影响的权重值直方图；
图4为本发明实施例中最佳的聚类簇数k为4时的3d聚类图；
图5a为本发明实施例中最佳的聚类簇数k为4时的聚类图；
图5b为本发明实施例中最佳的聚类簇数k为4时的聚类图；
图5c为本发明实施例中最佳的聚类簇数k为4时的聚类图；
图6为本发明实施例中一种基于数据驱动的页岩气井压裂效果分析系统结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
为解决现有技术的不足，本发明公开了一种基于数据驱动的页岩气井压裂效果分析方法和系统，
实施例一
本实施例以威远区为例，本发明提供了一种基于数据驱动的页岩气井压裂效果分析方法，如图1所示，包括以下具体步骤：
根据多个渠道进行数据采集获取多个地质工程参数，并对多个地质工程参数进行处理，以EUR(Estimated Ultimate Recovery,即最终可采储量)作为天然气产能的判定数据。
其中，多个地质工程参数包括7个地质特征参数和8个压裂特征参数，如表一所示：
表1地质工程参数表
| 序号 | 参数 | 单位 |
| 1 | 垂直深度 | m |
| 2 | TOC含量 | ％ |
| 3 | 孔隙度 | ％ |
| 4 | 1小层厚度 | m |
| 5 | 含气饱和度 | ％ |
| 6 | 压力系数 | / |
| 7 | 脆性矿物含量 | ％ |
| 8 | 水平段长 | m |
| 9 | 压裂段长 | m |
| 10 | I类储层钻遇长度 | m |
| 11 | I类储层钻遇率 | ％ |
| 12 | 平均段间距 | m |
| 13 | 用液强度 | m3/m |
| 14 | 加砂强度 | t/m |
| 15 | 平均排量 | m3/min |
| 16 | EUR | / |
采用均值替代的方式对地质工程参数中缺失的数据进行处理。
具体为，当数据中的缺失值个数对于整体数据占比很小一部分时，可直接删除缺失值(行)。但是若缺失值对于整体数据占比较大时，这种直接删除缺失值的处理方法就会丢失重要信息均值。
对收集的地质工程参数数据进行归一化处理。
由于阈值、单位的差异，不同参数值需要进行归一化处理。归一化是一种简化计算的方式，即将有量纲的表达式，经过变换转化为无量纲的表达式，将数据映射到0～1范围之内处理；通过以下公式得到：
其中，Xnorm表示归一化计算后的数据，X为原始数据，Xmax表示原始数据集的最大值，Xmin表示原始数据集的最小值。
基于Pearson算法对所述15个地质工程参数和EUR进行相关分析，对多余的地质工程参数进行剔除。
具体为，两个地质工程参数数据出现相同时，若所述两个地质工程参数数据的单因素对EUR的影响不相同，对这些地质工程参数都进行保留；两个地质工程参数数据出现相同时，若所述两个地质工程参数数据的单因素对EUR的影响极为接近，进行分析将其中一个地质工程参数进行剔除。
由图2可知，15个地质工程参数数据值分别对EUR的影响，压力系数与垂深对EUR的相关性数据值均为0.86；1类储层钻遇长度与钻遇率对EUR的相关性数据值均为0.92；但是由于这些地质工程参数单因素对EUR的影响并不相同，因此都予以保留。而水平段长与压裂段长对EUR的相关性数据值均为0.8，并且这两个地质工程参数单因素对EUR的影响极为接近，经过分析后，将水平段长参数剔除。
基于LightGBM(Light Gradient Boosting Machine，一款基于决策树算法的分布式梯度提升框架)特征排序方法量化威远区块产能主控因素，包括，根据LightGBM算法计算多个影响因素的影响权重，对所述影响权重的结果并进行排序分析影响EUR的主控因素；其中，所述影响因素为剔除后的14个地质工程参数。
具体为，根据所述LightGBM算法，将标准化的EUR和剔除后的地质工程参数作为输入参数，带入计算多个影响因素的影响权重；其中，所述影响因素为剔除后的14个地质工程参数。
对影响权重的计算结果进行排序，将剔除后的各项地质工程参数按照地质特征参数和压裂特征参数分类，并比较地质特征参数总和与压裂特征参数总和的大小，得出影响EUR的主控因素。
如图3所示，可知各项地质工程参数对EUR影响的权重值，根据各项地址工程参数按地质特征参数和压裂特征参数分类计算权值总和的大小，得到地质因素的总权重为0.5，压裂因素的总权重为0.5，地质特征参数总和与压裂特征参数总和的大小相等，由此可得出地质条件和压裂条件共同决定了该区块页岩气井的EUR。
利用K均值聚类算法对剔除后的所述地质工程参数进行生产力潜力判定分析。
其中，K均值聚类基本思想：基于使聚类性能指标最小化，所用的聚类准则函数是聚类集中每一个样本点到该类中心的距离平方之和，并使其最小化。
具体为，根据特征构造，将剔除后的14个地址工程参数按特征属性压缩为二维。
其中，特征构造是指从原始数据中人工构造新特征，如使用混合属性或组合属性创建新特征，或对原始特征进行分解和分割创建新特征。设样本集合共有N个样本，M个特征，K个特征属性(M≤K)，则样本可表示XM×N为＝[x1，x2，...，xK]T，其中mK表示属于第K个特征属性的特征数量，M＝m1+m2+…+mK.设样本特征的权重矩阵为W＝[w1，w2，...，wK]T，/>且w1+w2+…wK＝1.
新的样本矩阵CN×K＝[c1，c2，...，cK]可表示为：
通过特征构造，将14个特征按特征属性压缩为二维，并用EUR建立三维数据激进行聚类分析。
如表2所示，对模型参数进行调优。
表2模型参数调优表
再对聚类数进行敏感性分析，获得聚类结果并进行分析，得到最佳的聚类簇数。
具体为，采用两种内部评估方法：轮廓系数(SC)和卡林斯基-哈拉巴斯指数(CH)对聚类数进行敏感性分析。如图4和图5所示，对聚类结果分析获得最佳的聚类簇数k为4：①地质条件好，EUR高；②地质条件好，EUR低；③地质条件中等，EUR低；④地质条件一般，EUR低。
利用模型对页岩气井地质潜力进行判定评价，给出地质特征和压裂特征参数的变化范围如表3所示。
表3参数变化范围表
实施例二
本发明还提供了一种基于数据驱动的页岩气井压裂效果分析系统，具体流程如图6所示，包括：获取处理单元、剔除单元、分析单元和判定单元。
其中，获取处理单元，用于通过数据采集获取多个地质工程参数，对多个地质工程参数进行处理，以EUR作为天然气产能的判定数据；其中，所述地质工程参数包括地质特征参数和压裂特征参数。
具体的，获取处理单元还用于采用均值替代的方式对缺失的数据进行处理，获取处理单元也对收集的数据进行归一化处理。
剔除单元，用于通过Pearson算法对所述多个地质工程参数和EUR进行分析，对多余的地质工程参数进行剔除。
分析单元，用于通过LightGBM算法计算多个影响因素的影响权重，对所述影响权重的结果并进行排序分析影响EUR的主控因素；其中，所述影响因素为剔除后的地质工程参数。
具体的，分析单元用于通过所述LightGBM算法，将标准化的EUR和剔除后的地质工程参数作为输入参数，带入计算多个影响因素的影响权重；其中，所述影响因素为剔除后的地质工程参数；对影响权重的计算结果进行排序，将剔除后的各项地质工程参数按照地质特征参数和压裂特征参数分类，并比较地质特征参数总和与压裂特征参数总和的大小，得出影响EUR的主控因素。
判定单元，用于利用K均值聚类算法对剔除后的所述地质工程参数进行生产力潜力判定。
具体的，判定单元用于通过特征构造，将剔除后的地址工程参数按特征属性压缩为二维，并用EUR建立三维数据激进行聚类分析；其中特征构造是指从原始数据中人工构造新特征；对模型参数进行调优，对聚类数进行敏感性分析，获得聚类结果并进行分析，得到最佳的聚类簇数；利用模型对页岩气井地质潜力进行判定，给出地质特征和压裂特征参数的变化范围。
关于上述实施例中的系统，其中各个单元执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
本实施例的上述方法中，通过根据页岩气井开采的特点，基于LightGBM特征排序、特征构建和K-means聚类的页岩气井地质条件进行分析判定。通过对页岩气井地质条件的评估，能够实现对页岩气进行压裂改造，发挥出地层的潜能。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (14)
1.一种基于数据驱动的页岩气井压裂效果分析方法，其特征在于，包括，
根据数据采集获取多个地质工程参数，对多个地质工程参数进行处理，以EUR作为天然气产能的判定数据；其中，所述地质工程参数包括地质特征参数和压裂特征参数；
基于Pearson算法对所述多个地质工程参数和EUR进行分析，对多余的地质工程参数进行剔除；
根据LightGBM算法计算多个影响因素的影响权重，对所述影响权重的结果并进行排序分析影响EUR的主控因素；其中，所述影响因素为剔除后的地质工程参数；
利用K均值聚类算法对剔除后的所述地质工程参数进行生产力潜力判定分析。
2.根据权利要求1所述的一种基于数据驱动的页岩气井压裂效果分析方法，其特征在于，根据数据采集获取多个地址工程参数，对多个地质工程参数进行处理，具体为，
采用均值替代的方式对缺失的数据进行处理。
3.根据权利要求2所述的一种基于数据驱动的页岩气井压裂效果分析方法，其特征在于，采用均值替代的方式对缺失的数据进行处理，具体为，
若数据中的缺失值个数对于整体数据占比很小，直接删除缺失值。
4.根据权利要求1或2所述的一种基于数据驱动的页岩气井压裂效果分析方法，其特征在于，通过数据采集获取多个地址工程参数，并对参数数据进行处理，具体为，
对收集的数据进行归一化处理。
5.根据权利要求4所述的一种基于数据驱动的页岩气井压裂效果分析方法，其特征在于，对收集的数据进行归一化处理，具体为，
通过计算方式将有量纲的表达式转化为无量纲的表达式，将数据映射到0～1的范围内进行处理。
6.根据权利要求5所述的一种基于数据驱动的页岩气井压裂效果分析方法，其特征在于，通过计算方式将有量纲的表达式转化为无量纲的表达式，将数据映射到0～1的范围内进行处理，具体为，
其中，Xnorm表示归一化计算后的数据，X为原始数据，Xmax表示原始数据集的最大值，Xmin表示原始数据集的最小值。
7.根据权利要求1所述的一种基于数据驱动的页岩气井压裂效果分析方法，其特征在于，基于Pearson算法对多个地质工程参数和EUR进行相关性分析，对多余的地质工程参数进行剔除，具体为，
两个地质工程参数数据出现相同时，若所述两个地质工程参数数据的单因素对EUR的影响不相同，对这些地质工程参数都进行保留；
两个地质工程参数数据出现相同时，若所述两个地质工程参数数据的单因素对EUR的影响极为接近，进行分析将其中一个地质工程参数进行剔除。
8.根据权利要求1所述的一种基于数据驱动的页岩气井压裂效果分析方法，其特征在于，根据LightGBM算法计算多个影响因素的影响权重，对影响权重的结果进行排序分析影响EUR的主控因素，具体为，
根据所述LightGBM算法，将标准化的EUR和剔除后的地质工程参数作为输入参数，带入计算多个影响因素的影响权重；其中，所述影响因素为剔除后的地质工程参数；
对影响权重的计算结果进行排序，将剔除后的各项地质工程参数按照地质特征参数和压裂特征参数分类，并比较地质特征参数总和与压裂特征参数总和的大小，得出影响EUR的主控因素。
9.根据权利要求1所述的一种基于数据驱动的页岩气井压裂效果分析方法，其特征在于，利用K均值聚类算法对剔除后的地质工程参数进行生产力潜力判定分析，具体为，
根据特征构造，将剔除后的地址工程参数按特征属性压缩为二维，并用EUR建立三维数据激进行聚类分析；其中特征构造是指从原始数据中人工构造新特征；
对模型参数进行调优，对聚类数进行敏感性分析，获得聚类结果并进行分析，得到最佳的聚类簇数；
利用模型对页岩气井地质潜力进行判定，给出地质特征和压裂特征参数的变化范围。
10.根据权利要求9所述的一种基于数据驱动的页岩气井压裂效果分析方法，其特征在于，对模型参数进行调优，对聚类数进行敏感性分析，获得聚类结果并进行分析，得到最佳的聚类簇数，具体为，
对模型参数进行调优，采用轮廓系数(SC)和卡林斯基-哈拉巴斯指数(CH)对聚类数进行敏感性分析，获得聚类结果并进行分析，得到最佳的聚类簇数。
11.一种基于数据驱动的页岩气井压裂效果分析系统，其特征在于，包括，
获取处理单元，通过数据采集获取多个地质工程参数，对多个地质工程参数进行处理，以EUR作为天然气产能的判定数据；其中，所述地质工程参数包括地质特征参数和压裂特征参数；
剔除单元，通过Pearson算法对所述多个地质工程参数和EUR进行分析，对多余的地质工程参数进行剔除；
分析单元，通过LightGBM算法计算多个影响因素的影响权重，对所述影响权重的结果并进行排序分析影响EUR的主控因素；其中，所述影响因素为剔除后的地质工程参数；
判定单元，利用K均值聚类算法对剔除后的所述地质工程参数进行生产力潜力判定。
12.根据权利要求11所述的一种基于数据驱动的页岩气井压裂效果分析系统，其特征在于，所述获取处理单元，通过数据采集获取多个地质工程参数，对多个地质工程参数进行处理，具体为，
所述获取处理单元采用均值替代的方式对缺失的数据进行处理，所述获取处理单元也对收集的数据进行归一化处理。
13.根据权利要求11所述的一种基于数据驱动的页岩气井压裂效果分析系统，其特征在于，所述分析单元，通过LightGBM算法计算多个影响因素的影响权重，对所述影响权重的结果并进行排序分析影响EUR的主控因素，具体为，
所述分析单元通过所述LightGBM算法，将标准化的EUR和剔除后的地质工程参数作为输入参数，带入计算多个影响因素的影响权重；其中，所述影响因素为剔除后的地质工程参数；
对影响权重的计算结果进行排序，将剔除后的各项地质工程参数按照地质特征参数和压裂特征参数分类，并比较地质特征参数总和与压裂特征参数总和的大小，得出影响EUR的主控因素。
14.根据权利要求11所述的一种基于数据驱动的页岩气井压裂效果分析系统，其特征在于，所述判定单元，利用K均值聚类算法对剔除后的所述地质工程参数进行生产力潜力判定，具体为，
所述判定单元通过特征构造，将剔除后的地址工程参数按特征属性压缩为二维，并用EUR建立三维数据激进行聚类分析；其中特征构造是指从原始数据中人工构造新特征；
对模型参数进行调优，对聚类数进行敏感性分析，获得聚类结果并进行分析，得到最佳的聚类簇数；
利用模型对页岩气井地质潜力进行判定，给出地质特征和压裂特征参数的变化范围。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210727231.7A CN117332668A (zh) | 2022-06-24 | 2022-06-24 | 一种基于数据驱动的页岩气井压裂效果分析方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210727231.7A CN117332668A (zh) | 2022-06-24 | 2022-06-24 | 一种基于数据驱动的页岩气井压裂效果分析方法和系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117332668A true CN117332668A (zh) | 2024-01-02 |
Family
ID=89290749
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210727231.7A Pending CN117332668A (zh) | 2022-06-24 | 2022-06-24 | 一种基于数据驱动的页岩气井压裂效果分析方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117332668A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118014312A (zh) * | 2024-04-08 | 2024-05-10 | 西安思坦仪器股份有限公司 | 一种波码智能分注井井下分层流量的有效调配方法 |
-
2022
- 2022-06-24 CN CN202210727231.7A patent/CN117332668A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118014312A (zh) * | 2024-04-08 | 2024-05-10 | 西安思坦仪器股份有限公司 | 一种波码智能分注井井下分层流量的有效调配方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108009716B (zh) | 一种水平井体积压裂效果影响因素多层次评价方法 | |
| CN113283180A (zh) | 基于K-means与SVR组合的致密油藏水平井压裂产能预测方法与应用 | |
| CN112132454A (zh) | 一种煤层顶板或底板含水层富水性综合评价方法 | |
| CN111487691B (zh) | 一种致密砂岩储层岩性及砂体结构定量识别方法 | |
| CN117332668A (zh) | 一种基于数据驱动的页岩气井压裂效果分析方法和系统 | |
| CN108805158B (zh) | 一种致密油储层成岩相划分方法 | |
| US9121256B2 (en) | Method of constructing a flow model associated with capillary pressure curves and/or relative permeability curves | |
| CN113673771B (zh) | 一种页岩气水平井压裂分段方法 | |
| CN116562428A (zh) | 一种基于机器学习的压裂施工参数优化方法 | |
| CN115629188A (zh) | 一种岩心产能模拟实验系统 | |
| CN112983406B (zh) | 一种天然气水合物储层参数指标评价方法 | |
| CN111155980A (zh) | 一种水流优势通道识别方法及装置 | |
| CN110656924B (zh) | 一种超低渗透油藏分类方法 | |
| CN113988410A (zh) | 一种基于knn算法与多项式回归算法组合的跨区域致密油藏油井产能预测方法 | |
| CN114575834A (zh) | 基于机器学习的电磁法高含水期油藏饱和度场预测方法 | |
| CN112132369A (zh) | 石油地质评价指标赋值方法 | |
| CN114676631B (zh) | 页岩气藏压裂水平井压裂改造参数推荐方法 | |
| CN116011234B (zh) | 一种融合地质力学和贝叶斯的压前套变风险等级判识方法 | |
| CN114943015A (zh) | 一种基于相似度计算模型的油藏类比方法和装置 | |
| CN116051307A (zh) | 一种基于大数据分析的储层厚度划分方法 | |
| CN116484236A (zh) | 一种非常规储层压裂水平井非均质性差异化评价方法 | |
| CN117592797A (zh) | 一种基于录井烃类组分特征的潜山储层油气性质识别方法 | |
| CN115828130A (zh) | 基于聚类算法的多参数优势水流通道自动识别方法及系统 | |
| CN114169616A (zh) | 一种低产低效井的判别方法 | |
| CN111474585A (zh) | 一种基于深度学习和岩石力学参数的气层识别方法 |
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 |