[发明专利]一种数据驱动的油井套损深度智能预测方法

权利要求书

1.一种数据驱动的油井套损深度智能预测方法，其特征在于，包括步骤如下：

步骤1、建立油井套损智能预测模型，预测在给定的参数条件如下：

油井套管不发生套损，表示为0；发生套管变形，表示为1；套管错断，表示为2；套管破裂，表示为3；

步骤2、建立套损深度智能预测模型，当步骤1的模型预测结果非0时，预测发生套损的深度；

步骤3、运用上述模型对油田实际套损状况进行预测；

该方法中步骤详细内容包括：

步骤1所述的建立油田套损智能预测模型包括：

S1.1、获取套损预测的特征参数，包括：从油田数据库中直接获取与套损发生相关的原始参数数据，但不限于，固井质量、套管壁厚、套管外径、防砂次数、压裂次数、酸化次数、孔径、沉没度、井斜角、渗透率、钻遇断层数、泥质含量、开发时间、含水率、矿化度、对应水井的月注入量、月产液量；

用开发时间、含水率、矿化度、对应水井的月注入量、月产液量构建采出离子总数和注采差异量；

其中，采出离子总数的计算方法表示为：

上述公式中，N为总采出矿化度，10⁴g；λ为含水率；K为矿化度，mg/L；q_i为月产液量10⁴m³；n为累计生产月数；

注采差异量为累注量与累产液量的差值绝对值，用以反映地应力平衡状态：

计算方法表示为：

上述公式中，Q_wj为月注入量，10⁴m³；Q_oj为月产液量，10⁴m³；h_i为油井的地层厚度，m；k_i为渗透率，μm^-2；n为累计生产月数；s为油井小层数；

S1.2、特征参数数值化处理，其中定义如下：

固井质量为：未胶结-1，差-2，中等-3，好-4，优-5；

套损类型为：套管不发生套损-0，套管变形-1，套管错断-2，套管破裂-3；

S1.3、对各特征参数x与套损类型y之间进行相关性分析，其中，所述各特征参数x包括固井质量、套管壁厚、套管外径、防砂次数、压裂次数、酸化次数、井斜角、孔径、沉没度、采出离子总数、注采差异量、钻遇断层数和泥质含量；所述套损类型y包括套管不发生套损-0、套管变形--1、套管错断-2、套管破裂-3；

统计数据间相关系数计算公式表示为：

上述公式中，和为样本方差，是描述数据分散程度大小的变量；为样本协方差，是度量x和y间线性相关程度的变量，其中，x_i为特征参数对应的样本变量，y_i为x_i对应的套损类型，为x_i的平均值，为y_i的平均值；x和y两变量之间的相关系数为：

分别计算各特征参数与套损趋势的相关系数，选取相关系数较大的特征参数构成输入集，以油井套损类型作为输出集，输入集和输出集共同构成样本集；

S1.4、建立油井套损模型：随机从所述样本集抽取样本作为训练集，计算在训练样本中各种套损类型所占的比例：不发生套损P(Y₀)、套管变形P(Y₁)、套管错断P(Y₂)和套管破裂P(Y₃)；对于特征参数为连续型变量时，假设套损特征参数也满足高斯分布，则在各种套损类型的条件下，变量为x_i的概率为：

其中，j＝0，1，2，3，则Y_j代表各种套损类型，不发生套损Y₀，套管变形Y₁，套管错断Y₂，套管破裂Y₃；分别为各套损类型样本的均值；分别为各套损类型样本的标准差；

利用公式得出计算各种套损类型的条件概率P(Y₀|X)、P(Y₁|X)、P(Y₂|X)和P(Y₃|X)，通过比较上述条件概率，其中概率最大值即为当前条件下发生的套损类型；

所述步骤2的建立套损深度智能预测模型包括：

首先，按照步骤1的方法对套损深度与其特征参数进行相关性分析后，确定输入集和输出集共同构成样本集；

其次，从样本集中划分出训练集后，将训练集每个特征所包含的值作为该特征的切分点，遍历所述切分点，计算切分之后各子集的均方误差，依据均方误差最小化原则，选取其中最小的均方误差对应的值作为该特征的分界值；

步骤3所述的运用上述模型对油田实际套损状况进行预测为：

将步骤1中的油田实际特征参数整理后代入套损智能预测模型，当其中最大概率对应的结果是发生套损时，再将步骤2中相应的特征参数分别输入套损深度智能预测模型，得出套损发生的部位。