[发明专利]基于卷积神经网络的页岩气产量确定方法、装置和设备

权利要求书

1.一种基于卷积神经网络的页岩气产量确定方法，其特征在于，包括：

获取目标页岩气水平井的特征参数集；其中，所述特征参数集中包含多个特征参数的值，所述特征参数为影响目标页岩气水平井产能的地质参数和/或工程参数；

根据所述目标页岩气水平井的特征参数集和利用卷积神经网络训练得到的产能预测模型，确定所述目标页岩气水平井在预设时间段内的产量数据，其中，所述目标预测模型用于根据所述目标页岩气水平井的多个特征参数预测所述目标页岩气水平井在预设时间段内的产量数据；

其中，所述多个特征参数包括：储层厚度、初始地层压力、基质渗透率、基质孔隙度、压裂改造体积区域渗透率、压裂改造体积区域孔隙度、裂缝渗透率、裂缝半长、裂缝数量；

在根据所述目标页岩气水平井的特征参数集和利用卷积神经网络训练得到的产能预测模型，确定所述目标页岩气水平井在预设时间段内的产量数据之前，还包括：

确定影响页岩气水平井产能的多个特征参数；

根据所述多个特征参数确定样本数据集；其中，所述样本数据集中包括多组样本数据，每组样本数据包含多个特征参数的值和对应的在预设时间段内的产量数据；

根据所述样本数据集训练所述卷积神经网络得到所述产能预测模型；

在预设时间段内的产量数据为在预设时间段内的多个时间点的产量数据；

优化卷积神经网络模型，其中，一维CNN模型中需要调整的参数包括：卷积核尺寸、卷积核数量、全连接层神经元个数、网络层数、正则化比例，分别选择各个参数对应的相对误差占比最高的值作为最终调参得到的值。

2.根据权利要求1所述的方法，其特征在于，确定影响页岩气水平井产能的多个特征参数，包括：

获取多个地质参数和多个工程参数；

根据多个地质参数和多个工程参数，利用敏感性分析法确定出多个影响页岩气水平井产能的参数；

将所述影响页岩气水平井产能的参数作为特征参数。

3.根据权利要求2所述的方法，其特征在于，所述多个地质参数包括：页岩储层厚度、地层压力、储层物性；

所述多个工程参数包括：水平井长度、压裂级数、裂缝半长、裂缝的高度、导流能力、压裂改造体积区域的大小。

4.根据权利要求1所述的方法，其特征在于，根据所述多个特征参数确定样本数据集，包括：

获取各个特征参数的取值范围；

根据所述各个特征参数的取值范围，利用拉丁超立方抽样方法生成多组特征数据；

将所述多组特征数据中各组特征数据分别输入页岩气藏数值模拟软件中，得到所述各组特征数据对应的在预设时间段内的产量数据；

根据所述多组特征数据和所述各组特征数据对应的在预设时间段内的产量数据，生成所述样本数据集。

5.根据权利要求1所述的方法，其特征在于，根据所述多个特征参数确定样本数据集，包括：

获取已投产开发的多个页岩气水平井的多个特征参数的值；

获取已投产开发的所述多个页岩气水平井在预设时间段内的产量数据；

根据已投产开发的所述多个页岩气水平井的多个特征参数的值和在预设时间段内的产量数据，生成所述样本数据集。