[发明专利]一种基于指标分析及多模型融合的气井产能等级预测方法

权利要求书

1.一种基于指标分析及多模型融合的气井产能等级预测方法，其特征在于，包括以下步骤：

步骤S1、获取目标储层各历史井层的无阻流量a、各历史井层储层参数和历史井施工参数以及目标井层储层参数、目标井施工参数；

步骤S2、根据各历史井的无阻流量a确定历史井层无阻流量最大值S，并计算出各历史井层的产能等级；

当a≥0.5S时，该历史井层的产能等级为4；当0.5S＞a≥0.25S时，该历史井层的产能等级为3；当0.25S＞a≥0.125S时，该历史井层的产能等级为2；当a＜0.125S时，该历史井层的产能等级为1；

步骤S3、根据目标井层储层参数、目标井施工参数确定出影响无阻流量的q个参数；

步骤S4、将q个参数进一步计算出Pearson相关系数矩阵，并做出相关系数矩阵热力图，得到各影响参数之间的相关系数；

步骤S5、通过比较各参数两两之间相关系数的大小，筛选出参数之间相关系数大于0.8的参数组成一组，最终得到n组共m个参数，并将剩下的q-m个数据组成一组；保留筛选出的n组中每一组与无阻流量相关系数最大的参数，其余参数全部删掉，得到n个参数，并将这n个参数放入之前q-m个数据中，共q-m+n个参数；

步骤S6、将q-m+n个参数在Pearson相关分析的基础上，对影响无阻流量的因素进行偏相关分析，得到各参数与无阻流量的偏相关系数，并根据偏相关系数绝对值的大小对各参数进行偏相关系数排序；

步骤S7、将q-m+n个参数再在Pearson相关分析的基础上，对影响无阻流量的因素进行灰色关联分析，得到各参数与无阻流量的灰色关联系数，并根据灰色关联系数对各参数进行灰色关联系数排序；

步骤S8、根据偏相关系数排序和灰色关联系数排序确定参数的最终排序结果；

步骤S9、根据参数的最终排序结果，首先选取排在前面的5个参数作为初始输入参数，将参数输入SVM模型，记录模型准确度，然后根据排序结果依次递增参数个数，记录模型准确度；对比分析参数个数对模型准确度的影响，选取模型准确度最高的参数作为模型的指标参数；

步骤S10、建立支持向量机、K近邻、随机森林三个分类器用于产能等级预测，再将步骤S9中确定的模型的指标参数分别带入支持向量机、K近邻、随机森林三个分类器中预测目标井的产能等级，将三种分类器的结果通过投票法进行融合，及取预测结果的众数作为最终的结果；如果没有众数，则找出所有与预测结果相同等级的历史井数据组成历史分析数据库；如果有多个众数，则找出与众数预测结果相同等级的历史井数据组成历史分析数据库；通过对比目标井层与历史井层最相似的结果作为最终结果。

2.根据权利要求1所述的一种基于指标分析及多模型融合的气井产能等级预测方法，其特征在于，所述储层参数包括有效厚度、渗透率、含气饱和度、温度、水平段长度、平均全烃、孔隙度；所述施工参数包括平均每段加砂量、排量、泵压、返排率、总液量、压裂段数、液氮用量。

3.根据权利要求2所述的一种基于指标分析及多模型融合的气井产能等级预测方法，其特征在于，所述步骤S3中首先定性分析影响无阻流量的参数，做出各参数与无阻流量的散点图，并画出数据趋势线，分析各参数对无阻流量的影响，选取与无阻流量有变化趋势的参数为影响无阻流量的q个参数。

4.根据权利要求1所述的一种基于指标分析及多模型融合的气井产能等级预测方法，其特征在于，所述步骤S6中各参数与无阻流量的偏相关系数的计算过程为：

将q-m+n个参数再一次计算Pearson相关系数，得到新的Pearson相关系数矩阵R；

对新的Pearson相关系数矩阵R求逆；

再计算出各参数与无阻流量的偏相关系数；

式中：c_ij为参数与无阻流量的偏相关系数。