[发明专利]一种页岩气产能非确定性预测方法

权利要求书

1.一种页岩气产能非确定性预测方法，其特征在于，包括以下步骤：

1)基于Pearson相关系数和最大信息系数MIC的综合相关性分析，确定影响页岩气产能的主要地质、工程因素；

2)基于机器学习算法及步骤1)确定的主要影响因素，预测页岩气产能指标，确定产能指标先验分布，对页岩气产能进行确定性预测；

3)基于Bayes理论、蒙特卡洛—马尔科夫链模拟，利用步骤2)产能指标先验分布及确定性产量预测数据，估计产能指标后验分布；

4)基于步骤3)估计的产能指标后验分布，对页岩气产能进行非确定性预测。

2.根据权利要求1所述的页岩气产能非确定性预测方法，其特征在于，步骤1)中所述的基于Pearson相关系数和最大信息系数MIC的综合相关性分析指两个指标对判定各影响因素与产能相关性的作用是等价的，Pearson相关系数表征线性相关性，最大信息系数MIC表征潜在的非线性相关性。

3.根据权利要求1或2所述的页岩气产能非确定性预测方法，其特征在于，所述的Pearson相关系数为：

4.根据权利要求1或2所述的页岩气产能非确定性预测方法，其特征在于，所述的最大信息系数MIC：对于存在关联性的两个变量X和Y，两变量分别具有|X|种和|Y|种可能取值，从而形成大小为|X|×|Y|的网格G；在样本数据集D下，两变量在网格化取值之后的互信息最大值为MIC的定义公式如下：

5.根据权利要求1所述的页岩气产能非确定性预测方法，其特征在于，步骤2)采用的机器学习算法包括遗传算法、支持向量机、人工神经网络及多元线性回归；

产能指标包括：初始日产气量、初始递减率及递减指数；

产能指标先验分布选用正态分布，以步骤2)预测的产能指标为期望，通过统计研究区内或邻区已投产井的产能指标，计算方差，以其作为预测井产能指标的方差。

6.根据权利要求1所述的页岩气产能非确定性预测方法，其特征在于，步骤4)对页岩气产能进行非确定性预测指在各产能指标后验分布中随机抽样若干次，预测不同产能指标下的产量变化，获得任意时间下预测产量的概率分布。