[发明专利]用于指标预测模型训练及井组调节操作确定的方法和装置

权利要求书

1.一种训练指标预测模型的方法，包括：

获取关于多个井组的历史数据集，该历史数据集中的每条历史数据包括：井组调节操作、执行该井组调节操作时的井组状态数据和执行该井组调节操作后的井组长期指标；

对所述历史数据集进行特征提取处理以得到基于井组调节操作和井组状态数据的训练样本特征集以及基于井组长期指标的对应标签数据；

基于所述训练样本特征集以及对应标签数据，采用预设的机器学习算法进行训练，得到经训练的油气井组长期指标预测模型；

以模型更新井组的井组状态数据和井组调节操作构成预测样本，并使用所述油气井组长期指标预测模型预测所述模型更新井组的井组长期指标；以及

基于所述模型更新井组的井组调节操作和对应的井组状态数据得到样本特征，融合对所述模型更新井组执行所述井组调节操作后的井组短期指标和预测的井组长期指标作为对应的标签数据，得到更新所述经训练的油气井组长期指标预测模型用的训练数据。

2.如权利要求1所述的方法，还包括：

对所述模型更新井组执行井组调节操作；

获取与所述井组调节操作对应的所述模型更新井组的井组状态数据和井组短期指标。

3.如权利要求2所述的方法，其中，对所述模型更新井组执行井组调节操作包括：

获取模型更新井组的当前井组状态数据，以及获取针对模型更新井组的井组调节操作集合；

基于所述经训练的油气井组长期指标预测模型，预测与所述井组调节操作集合中的每个井组调节操作对应的长期指标；

从所述井组调节操作集合中选取对应的长期指标最优的一个井组调节操作在所述模型更新井组上执行。

4.如权利要求1所述的方法，其中，所述短期指标包括如下的至少一项：

井组异常情况；出油效率；注汽成本；短期采收率；及短期油汽比。

5.如权利要求1所述的方法，其中，获取关于多个井组的历史数据集包括：

获取对应各个井组的不同时刻下的井组调节操作和井组状态数据以及获取相应的井组长期指标。

6.如权利要求5所述的方法，其中，所述井组状态数据包括基于时刻的井组状态特征和井组历史时序状态特征。

7.如权利要求1所述的方法，其中，所述井组调节操作包括如下至少一项：

井组注汽速度调节操作；

井组注汽干度调节操作；

井组注汽温度调节操作；

井组采注比调节操作。

8.如权利要求1所述的方法，其中，所述井组长期指标包括：

井组长期采收率和/或井组累计油汽比。

9.如权利要求1所述的方法，其中，所述预设的机器学习算法是深度神经网络（DNN）算法。

10.一种油气井组调节操作确定方法，包括：

针对指定井组，获取该井组的井组状态数据，将该井组的井组状态数据分别与针对该井组的井组调节操作集合中的每个井组调节操作结合，得到多个预测样本；

对所述多个预测样本进行特征提取处理，得到多个预测样本特征；

将所述多个预测样本特征分别输入油气井组长期指标预测模型进行预测，得到对应的多个井组长期指标；

从针对该井组的井组调节操作集合中选取对应长期指标最优的一个井组调节操作；

以所述指定井组的井组状态数据和所选取的井组调节操作构成预测样本数据，并使用所述油气井组长期指标预测模型预测与所选取的井组调节操作对应的所述指定井组的井组长期指标；以及

基于所选取的井组调节操作和对应的井组状态数据得到样本特征，融合对所述指定井组执行所选取的井组调节操作后的井组短期指标和预测的井组长期指标作为对应的标签数据，得到更新所述油气井组长期指标预测模型用的训练数据。

11.如权利要求10所述的方法，进一步包括：

在所述指定井组上执行所选取的井组调节操作。