[发明专利]一种致密气产量的智能分段预测方法

说明书

本发明提供了一种致密气产量的智能分段预测方法，包括：先收集并整理影响致密气产量的特征因素数据，获得原始数据集、清理、剔除异常数据；然后利用聚类算法对原始数据集中的致密气产量进行聚类；再分别对划分出的样本数据进行抽样，逐段形成训练集与测试集；再利用随机森林分类算法对原始数据集进行分类训练预测分析，并计算该模型的训练误差和预测误差；再设定待定参数，通过误差反向传播的前馈神经网络分别对样本数据进行训练预测分析，计算模型的训练均方误差和预测均方误差；最后判断类别，再通过人工神经网络模型对致密气产量进行分析预测；本发明能够有效解决由于致密气产量跨度大导致的预测精度低的问题，并准确预测致密气产量。

技术领域

本发明涉及气藏开发技术领域，具体涉及一种致密气产量的智能分段预测方法。

背景技术

密砂岩气、致密气包括致火山岩气和碳酸盐岩气，是一种重要的非常规油气资源，其产量几乎占全球非常规资源量的70％。美国储量前100的气藏中有58个是致密气藏，中国80％的天然气赋存于致密气藏，具有十分广阔的开发潜力。虽然我国致密气具有大面积分布的特点，但全面动用致密气的能力还较差，主要原因是在现行天然气价格体系下，开发成本偏高，产出投入比较小，经济效益差；因此，准确的预测致密气产量，能有效预估气井经济效益，减少开发成本，提高生产效率。

一般来说，致密气藏孔隙度小(10％)、渗透率低(1mD)、储层物性差，必须经过大规模压裂才能获得经济产量，但大规模压裂会使原本就复杂的地质结构和渗流规律变得愈发复杂，导致传统的产量预测方法如解析推导、数值模拟和气井产能试井等很难在低计算成本和短时间的前提下较精确地预测压后致密气井产量。

发明内容

针对上述问题，本发明提供一种致密气产量的智能分段预测方法,能够有效解决由于致密气产量跨度大导致的预测精度低的问题，更易于实施且有较高精度，可以弥补现有技术致密气产量预测方法的不足。

本发明采用下述的技术方案：

一种致密气产量的智能分段预测方法方法，包括以下步骤：

步骤1：根据地质研究资料和压裂施工报告，收集并整理现场多种影响致密气产量的特征因素数据，获得并清理原始数据集，剔除异常的样本数据；

步骤2：利用聚类算法对原始数据集中的致密气产量进行聚类，将原始数据集划分为K类样本数据；

步骤3：分别对步骤2中划分出的K类样本数据使用Bootstrap方法抽样，逐段形成训练集与测试集；

步骤4：利用随机森林分类算法对原始数据集进行分类训练预测分析，获得随机森林分类模型，并计算该模型的训练误差和预测误差；

步骤5：设定人工神经网络的待定参数，通过误差反向传播的前馈神经网络分别对K类样本数据进行训练预测分析，获得K个对应的人工神经网络模型，并计算模型的训练均方误差和预测均方误差；

步骤6:最后先根据步骤4得到的随机森林分类模型判断样本数据类别，再通过步骤5得到的对应该类别的人工神经网络模型对致密气产量进行分析预测。

进一步的，所述步骤1中的特征因素数据包括烃源岩厚度、支撑缝宽、导流能力、含气饱和度、总液量和前置液百分比。

进一步的，所述步骤2中所述步骤1具体包括以下子步骤：

步骤101：筛选出基础样本数据中含零的样本，将其剔除；

步骤102：计算产气量递增梯度，绘制产气量递增梯度散点图，剔除产气量变化幅度过大的样本；

步骤103：剔除含气饱和量异常的样本。

进一步的，所述步骤2具体包括以下子步骤：

步骤201：随机选取一个样本作为第一个聚类中心；