[发明专利]用于低渗透油气藏的产能预测方法及装置

权利要求书

1.一种用于低渗透油气藏的产能预测方法，其特征在于，所述方法包含以下步骤：

步骤一、对目标区域内的生产井进行生产相关数据收集，得到目标区域内生产井的基础数据；

步骤二、基于所述基础数据，采用分段递减模型，计算得到目标区域内单个生产井的产能预测值，并对目标区域内所有生产井的所述基础数据进行统计，得到产能置信区间；

步骤三、确定影响生产井产能的影响参数组，基于所述影响参数组进行影响参数与生产井产能之间的相关性分析，对所述影响参数组中的影响参数进行筛选，得到优选影响参数组；

步骤四、基于所述产能预测值以及所述优选影响参数组，建立机器学习类产量预测模型组；

步骤五、根据所述机器学习产量预测模型组中不同模型的产量预测精度高低进行优选，并利用数据交叉验证方法提升优化预测模型组中的产能预测模型，选取一个最优产能预测模型对目标区域内生产井的产能进行预测。

2.如权利要求1所述的方法，其特征在于，所述基础数据包含：井位地理信息、岩性特征信息、钻完井参数信息以及单井历史生产信息。

3.如权利要求1-2中任一项所述的方法，其特征在于，步骤二中具体包含以下步骤：

在泄油范围没有超过储层改造区域时，采用双曲衰减模型对目标区域内单个生产井的产能预测值进行计算；

在泄油范围超过储层改造区域后，采用指数递减模型对目标区域内单个生产井的产能预测值进行计算。

4.如权利要求3所述的方法，其特征在于，所述双曲衰减模型包含以下公式：

其中，q表示油气的生产速度，q_i表示初始流量，D_i表示初始递减速率，b表示递减指数，t表示时间。

5.如权利要求3所述的方法，其特征在于，所述指数递减模型包含以下公式：

其中，q表示油气的生产速度，q_i表示初始流量，D_{terminal t}表示末期递减速率，t表示时间。

6.如权利要求3所述的方法，其特征在于，步骤二中还包含以下步骤：统计区域内所有生产井的典型曲线极值，选取所述产能置信区间的置信上限以及置信下限。

7.如权利要求1所述的方法，其特征在于，步骤三具体包含以下步骤：计算在不同生产时期累计产量与所述影响参数组中任一影响参数的关联性。

8.如权利要求7所述的方法，其特征在于，通过以下公式计算所述关联性：

其中，r表示关联性相关系数，N表示样本数量，x_i表示第i个样本的影响参数值，y_i表示第i个样本的累计产量值。

9.如权利要求1所述的方法，其特征在于，所述产量预测模型组中包含：随机森林产能预测模型、梯度提升产能预测模型以及神经网络产量预测模型。

10.一种用于低渗透油气藏的产能预测装置，其特征在于，所述装置包含：

第一模块，其用于对目标区域内的生产井进行生产相关数据收集，得到目标区域内生产井的基础数据；

第二模块，其用于基于所述基础数据，采用分段递减模型，计算得到目标区域内单个生产井的产能预测值，并对目标区域内所有生产井的所述基础数据进行统计，得到产能置信区间；

第三模块，其用于确定影响生产井产能的影响参数组，基于所述影响参数组进行影响参数与生产井产能之间的相关性分析，对所述影响参数组中的影响参数进行筛选，得到优选影响参数组；

第四模块，其用于基于所述产能预测值以及所述优选影响参数组，建立机器学习类产量预测模型组；

第五模块，其用于根据所述机器学习产量预测模型组中不同模型的产量预测精度高低进行优选，并利用数据交叉验证方法提升优化预测模型组中的产能预测模型，选取一个最优产能预测模型对目标区域内生产井的产能进行预测。