[发明专利]基于数据挖掘的压裂效果预测方法

权利要求书

1.基于数据挖掘的压裂效果预测方法，其特征在于，该基于数据挖掘的压裂效果预测方法包括：

步骤1，设计压裂效果影响因素表格，建立压裂数据库；

步骤2，设计数据仓库，搭建数据仓库；

步骤3，整合数据资源，检查数据的完整性和正确性；

步骤4，选择数据挖掘算法，编制数据算法类库；

步骤5，搭建数据分析平台，配套开发环境；

步骤6，对数据仓库进行多维数据展示和初步数据分析；

步骤7，利用数据挖掘算法建立压裂效果与压裂影响因素的模型；

步骤8，进行压裂效果与各影响因素的敏感性分析，确定影响压裂效果的主要因素；

步骤9，利用数据挖据算法建立压裂效果与主要影响因素的模型；

步骤10，进行压裂效果定量预测；

步骤11，进行施工参数优化；

在步骤1中，将影响压裂效果的诸多因素分为单井信息、小层数据、施工数据、压裂效果和压裂附录五类；

单井信息包括单井基础数据、施工数据、效果数据；小层数据为单井的测井解释结果，包括厚度、渗透率、孔隙度、含水饱和度、泥质含量；施工数据包括压裂施工参数，包括前置液、携砂液、破裂压力、停泵压力、加砂量、添加剂量；压裂效果包括压前和压后的效果对比，包括压前产量、压后产量、有效期；压裂附录包括常用压裂工艺和压裂液类型附录；

按照影响因素分类，同时考虑数据库设计规范，设计表格8个，分别是压裂信息表、小层数据表和小层汇总表，施工数据表和施工汇总表，压裂效果表、施工工艺附录表、压裂液类型附录表；

在步骤2中，数据仓库设计包括数据仓库模型选择、压裂数据分析维度设计；数据仓库采用星形结构设计，包括一个事实表和多个维度表；

在步骤4中，数据挖掘算法包括定性分析和定量分析算法；针对压裂数据的特点，选择数据挖掘算法包括分类、聚类、回归三类；

在步骤5中，数据分析平台包括数据的存储、数据的分析和数据的展示功能；数据挖掘总体架构采取分层解决的方案来实现，分为四层：第一层是数据源层，包含了油井信息、地层参数、油井数据、施工数据、效果、间接参数六个表中的所有数据；第二层是数据仓库层，数据仓库中存储了根据主题和分析需求进行重新统一定义组织的源数据信息，并建立流程对其进行自动更新和维护；第三层是数据挖掘层，通过搭建多维数据库和数据挖掘结构及模型；第四层是结果展现层，利用各种展现工具，把复杂的多维数据库及挖掘模型中的有用信息，展现为容易理解的图表界面；

在步骤8中，敏感性分析包括压裂效果与各因素之间的相关性、相关性特征；通过将压裂效果与各因素进行建模，通过模型，分析各个因素与压裂效果之间的关系；

敏感性分析方法为：每次选定一个要分析的变量，选择数据齐全的井作为样本，建立分析变量与自变量的关系式，然后根据建立的模型，考察分析变量与单个变量的关系，即敏感性分析；

在步骤10中，定量预测包括计算压裂效果；

在步骤11中，施工参数优化包括施工参数的选择、施工多方案生成、压裂效果对比、施工参数确定；将物性、测井解释结果作为自变量，修改不同的施工参数来预测压后产油量，根据压裂效果随施工参数的变化规律来优选压裂施工参数。

2.根据权利要求1所述的基于数据挖掘的压裂效果预测方法，其特征在于，在步骤2中，事实表记录了每个事务的详细资料，度量来自事实表，在该表中存储了每个事务的详细资料，这些度量是基于维的层次来进行预聚集的；围绕事实表的是一组维表，这些维表描述了每个维的属性；为了规范化，给维表中的其他属性创建更多的查找表。

3.根据权利要求1所述的基于数据挖掘的压裂效果预测方法，其特征在于，在步骤3中，数据资源整合包括异构数据接口开发、数据的迁移和更新；基于压裂资料与数据种类多样、分散的现状，完成压裂各类数据源的梳理，制定了各数据源统一的采集标准与审核制度；按照油井压裂效果统计相关指标计算方法，以源头日产量数据计算压裂效果，包括压裂前日产油量、压裂后初期日产油量、压裂增油量。

4.根据权利要求1所述的基于数据挖掘的压裂效果预测方法，其特征在于，在步骤6中，初步的数据分析包括决策树、神经网络算法。