[发明专利]相对吸水量预测模型的构建方法和相对吸水量预测方法

说明书

本申请涉及油气田开发技术领域，特别是涉及一种相对吸水量预测模型的构建方法、装置、存储介质和电子设备以及相对吸水量预测方法、装置、存储介质和电子设备。一个实施例中的方法包括：获取吸水量影响因素历史数据以及对应的小层相对吸水量历史数据；根据吸水量影响因素历史数据以及小层相对吸水量历史数据，分别对不同的预设机器学习算法进行模型训练；从已训练的多个机器学习模型中选择最优模型，将最优模型作为相对吸水量预测模型。

技术领域

本申请涉及油气田开发技术领域，特别是涉及一种相对吸水量预测模型的构建方法、装置、存储介质和电子设备以及相对吸水量预测方法、装置、存储介质和电子设备。

背景技术

注水是油田开发的关键技术之一，注水井的吸水剖面信息反映了地层的吸水能力。通过吸水剖面信息可知晓注入水的纵向分布，也可预测和控制水线推进，监视油层的吸水，进行剩余油分布分析等。科学地分析应用吸水剖面信息是了解油藏地下变化，进行油田开发分析的主要手段，也是指导油田开发，进行方案部署的一个重要环节。

油田注水开发是一个黑盒运行的过程，无法用肉眼实际观察识别地下流体不断流动的情况，只能通过技术手段来间接分析确定注入水在纵向上各层之间的相对吸水程度。传统的相对吸水量一般通过示踪剂或井间干扰测试进行监测，但传统方法无法捕捉地下储层的实时变化特征，导致存在预测精准度低的问题。

发明内容

基于此，有必要针对上述技术问题，提供一种提高预测精准度的相对吸水量预测模型的构建方法、装置、存储介质和电子设备以及相对吸水量预测方法、装置、存储介质和电子设备。

一种相对吸水量预测模型的构建方法，所述方法包括：

获取吸水量影响因素历史数据以及对应的小层相对吸水量历史数据；

根据所述吸水量影响因素历史数据以及所述小层相对吸水量历史数据，分别对不同的预设机器学习算法进行模型训练；

从已训练的多个机器学习模型中选择最优模型，将所述最优模型作为相对吸水量预测模型。

在一个实施例中，所述获取吸水量影响因素历史数据之后，还包括：

当检测到吸水量影响因素历史数据的数据维度小于预设阈值或数据分布不均匀时，获取所述吸水量影响因素历史数据中各个数据项之间的预设业务关系；

基于所述预设业务关系进行计算，生成新的数据项数据；

将所述新的数据项数据添加至所述吸水量影响因素历史数据，得到增维处理后的吸水量影响因素历史数据；

所述根据所述吸水量影响因素历史数据以及所述小层相对吸水量历史数据，分别采用不同的预设机器学习算法进行模型训练包括：

根据所述增维处理后的吸水量影响因素历史数据以及所述小层相对吸水量历史数据，分别采用不同的预设机器学习算法进行模型训练。

在一个实施例中，所述获取吸水量影响因素历史数据以及对应的小层相对吸水量历史数据包括：

获取初始吸水量影响因素数据以及初始小层相对吸水量数据；

对所述初始吸水量影响因素数据以及所述初始小层相对吸水量数据进行数据量统计处理，基于统计结果剔除数据异常值，获得吸水量影响因素历史数据以及对应的小层相对吸水量历史数据；

和/或，

当检测到所述吸水量影响因素数据以及所述初始小层相对吸水量数据存在缺失值时，基于预设的测井曲线和/或预设的区域数据进行数据补充处理，获得吸水量影响因素历史数据以及对应的小层相对吸水量历史数据。