[发明专利]一种基于大数据分析的油水高渗通道识别方法

权利要求书

1.一种基于大数据分析的油水高渗通道识别方法，其特征在于：

第一步，收集区域内生产井和注水井的生产数据；

第二步，根据注水井和生产井组成的注采系统的多元线性回归模型，将第一步中的生产数据代入多元线性回归模型中，得到注水井与生产井之间的动态连通程度，代表了注水井与生产井之间产生高渗透通道或微裂隙的可能程度，为后续的注水井深部调驱提供支持。

2.根据权利要求1所述的一种基于大数据分析的油水高渗通道识别方法，其特征在于：所述第二步中，多元线性回归模型为

式中：为第j口生产井产液量估计值，cm³/s；t为注采动态数据采样时间序号；β_0j为表征注采不平衡的常数项；N为注水井数，口；β_ij为第i口注水井和第j口生产井间的多元线性回归权重值，定义为井间动态连通系数，用来表征注入井i和生产井j的动态连通程度；i_i(t)为第i口注水井的注水量，cm³/s。

3.根据权利要求1所述的一种基于大数据分析的油水高渗通道识别方法，其特征在于：所述生产数据包括注水井的月注入量和日注入量，生产井的月采液量和日采液量。

4.根据权利要求1所述的一种基于大数据分析的油水高渗通道识别方法，其特征在于：所述第二步中，多元线性模型得到注采不平衡的常数项和注水井与生产井之间的多元线性回归权重值，注水井与生产井之间的多元线性回归权重值即注水井与生产井之间的动态连通程度，注水井与生产井之间的多元线性回归权重值越高，注水井与生产井之间的动态连通程度也越高。

5.根据权利要求4所述的一种基于大数据分析的油水高渗通道识别方法，其特征在于：所述多元线性模型通过梯度下降法求得注采不平衡的常数项和注水井与生产井之间的多元线性回归权重值。

6.根据权利要求5所述的一种基于大数据分析的油水高渗通道识别方法，其特征在于：所述第二步中，通过梯度下降法求解得到注采不平衡的常数项和注水井与生产井之间的多元线性回归权重值时，当目标函数误差小于或小于2时，梯度下降停止，此时迭代出的注采不平衡的常数项和注水井与生产井之间的多元线性回归权重值即为稳定值。

7.根据权利要求1所述的一种基于大数据分析的油水高渗通道识别方法，其特征在于：第二步后还对一注水井与多个生产井之间的动态连通程度排序，或对一个生产井与多个注水井之间的动态连通程度进行排序，由高至低前三的两井之间可认为产生了高渗透通道或微裂隙，为后续的注水井深部调驱提供支持。