[发明专利]一种基于KNN算法与多项式回归算法组合的跨区域致密油藏油井产能预测方法

说明书

本发明设计一种基于KNN算法与多项式回归算法组合的跨区域致密油藏油井产能预测方法，属于油气勘探开发技术领域。该方法包括获取日生产数据及地质数据；对数据进行预处理；运用灰度关联删除关联度弱的数据列，并基于理论公式添加新的数据列；根据KNN算法建立地质数据分类模型；根据多项式回归算法建立地质数据和产能数据联合的产能预测模型，并寻找出最优模型；最终通过模型预测出油井产量。本发明由于采取以上技术方案，可以在分析已有数据的前提下，得出产能预测算法模型，进而可以用一套方法结合新生产状态数据预测不同地区油井产油量，也可以对新开井进行产能预测。本发明借助KNN算法和多项式回归算法可以较好的满足不同地质油井产能预测的需求，具有较高的泛化性。并且可以对新开井以及未知井进行产能预测和评估，进而可以更早的为油井生产制度提供参考，以优化油田资源利用率。

技术领域

本发明涉及一种致密油藏油井预测方法，特别涉及一种基于KNN算法与多项式回归算法组合的跨区域致密油藏油井产能预测方法，属于油气勘探开发技术领域。

背景技术

传统基于数据驱动的油井产能预测方法，往往受限于地质条件，即同一模型在不同地质下，油井产量预测准确率会有明显下降。同时，传统基于数据驱动的油井产能预测方法往往是在拥有井的大量数据之后才可以较好的预测油井产量，那么对新开井和未知井就会表现乏力。为了解决这两个问题，本方法提出一种基于KNN算法与多项式回归算法组合的跨区域油藏油井产能预测方法，将不同地质数据与油井生产数据相整合，达到模型可以预测不同地质的众多油井的产油量。基于本方法，可以减少计算机资源消耗，用一个模型预测不同地区油井产量，同时可以预测未知井和新井的产量，进而提前制定相关生产措施，合理分配生产资源，为新井开采提供更好的开采建议，进而优化新井开采工艺，提高采油厂整体收益。

发明内容

针对上述问题，本发明的目的是提供一种基于KNN算法与多项式回归算法组合的跨区域致密油藏油井产能预测方法，解决传统基于数据驱动的油井产量预测算法在不同地质下表现不好的问题，并且可以预测新井产量，为新井开采提供更好的开采建议。

为实现上述目的，本发明采取以下技术方案：基于KNN算法与多项式回归算法组合的跨区域致密油藏油井产能预测方法，其包括以下几个步骤：

(1)采集致密油藏油井的日生产数据和地质数据共同作为样本数据集；

(2)对日生产数据和地质数据进行数据预处理，保留有效数据；

(3)运用灰度关联算法对日生产数据和地质数据的特征参数进行筛选；

(4)运用KNN算法对油井地质数据进行分类，将分类结果作为日生产数据特征参数，参与模型训练；

(5)对日生产数据，运用多项式回归算法建立致密油藏油井产能预测模型；

(6)优化模型参数，进而构建最优致密油藏油井产能预测模型；

(7)使用产能预测模型进行产能预测。

所述步骤(1)，采集致密油藏油井的日生产数据和地质数据作为样本数据集。

所述步骤(2)，基于步骤(1)采集的数据，进行数据预处理，包括处理空值，去除异常值，数据类型转换(将字符型转Int整型)和数据归一化。

所述步骤(3)，基于步骤(2)预处理后数据，首先运用灰度关联算法，得到各个特征参数与“日产油量”特征参数的关联度分数，删除分数小于0.05的特征参数。

所述步骤(4)，基于步骤(2)预处理之后的地质数据，作为KNN算法的训练集，得出拟合不同地质信息的KNN分类算法模型。KNN算法分类数量等于不同区块的数量。然后将KNN算法分类结果作为日生产数据的特征参数，命名为“区块特征值”。