[发明专利]基于决策树的页岩气开发主控因素分析方法

说明书

本发明公开了基于决策树的页岩气开发主控因素分析方法，包括步骤：S1，获取页岩气开发数据集；S2，基于获取的页岩气开发数据集，建立决策树模型；S3，训练决策树模型；S4，基于训练后的决策树模型，计算特征重要性S5，根据特征重要性分析判断主控因素等；本发明可以避免基于数值模拟方的诸多问题，有效提高页岩气开发主控因素判断的准确性等。

技术领域

本发明涉及非常规油气藏开采技术领域，更为具体的，涉及基于决策树的页岩气开发主控因素分析方法。

背景技术

由于极低的渗透率，页岩气的开发一般需要借助水平钻井和多段压裂技术。而水平井的开发效果一般取决于地质静态参数(如孔隙度、TOC、脆性矿物含量、和含气量等)和压裂施工情况(压裂水平段长、改造段数、总簇数、用液量、加砂量、排量和停泵压力等)的综合影响。在实际开发中可能经常遇到不同平台的水平井产量差异巨大的情况，有时同一平台的水平井也可能有着截然不同的生产特征。为了解释这些现象，我们需要研究哪些参数对页岩气水平井生产起主导作用，即开展水平井产能主控因素分析。

传统的油气藏生产主控因素分析一般借助数值模拟开展，例如，传统的技术中，公开号为CN104698152A的中国专利申请公开了一种研究泥页岩吸附天然气主控因素的方法，该方法利用平行实验和数值模拟，通过分别控制单一因素：有机质丰度、粘土矿物含量、有机质成熟度、天然气组成、温压和湿度的变化，来揭示有机质丰度、粘土矿物含量、有机质成熟度、天然气组成、温压和湿度对泥页岩吸附能力的影响，为页岩气勘探有利区预测奠定基础。

但对于复杂的问题，数值模拟模型可能不能考虑到所有物理过程而引入模型误差，进而会影响主控因素分析结果的准确性。随着国内页岩气开发的不断推进，目前已经积累了一定数量的水平井开发数据，这些数据为基于数据挖掘的页岩气产能主控因素分析提供了基础。基于实际的开发数据进行分析，能够消除模型误差的影响，提高结果的准确性。

发明内容

本发明的目的在于克服现有技术的不足，提供基于决策树的页岩气开发主控因素分析方法，可以避免基于数值模拟方的诸多问题，有效提高页岩气开发主控因素判断的准确性等。

本发明的目的是通过以下方案实现的：

基于决策树的页岩气开发主控因素分析方法，包括步骤：

S1，获取页岩气开发数据集；

S2，基于获取的页岩气开发数据集，建立决策树模型；

S3，训练决策树模型；

S4，基于训练后的决策树模型，计算特征重要性；

S5，根据特征重要性分析判断主控因素。

进一步地，在步骤S1中，包括标记步骤：将获取的页岩气开发数据集标记为数据集D，且数据集D中每一个样本为一口页岩气井的数据，包括地质参数、工程参数和生产指标，并将每一个地质参数和工程参数称为一个特征，标记为A。

进一步地，在步骤S2中，所述决策树模型采用CART回归树，在选定的某一决策树节点，对于任意划分的特征A，对应的任意划分点s，数据集D划分成数据集D1和D2，作如下和方差计算处理：

其中，x_i为样本输入，y_i为样本输出，c₁为D1数据集的样本输出均值，c₂为D2数据集的样本输出均值；然后，设定节点最小样本个数阈值、节点划分最小和方差阈值和树的最大深度作为CART回归树终止标准；

进一步地，在步骤S3中，训练决策树模型时，输入为训练集D，节点最小样本个数阈值、节点划分最小和方差阈值和树的最大深度；从根节点开始，用训练集递归地建立CART回归树。

进一步地，用训练集递归地建立CART回归树，包括如下步骤：