[发明专利]一种预测页岩气井最终可采储量的方法

说明书

本发明公开了一种预测页岩气井最终可采储量的方法，包括以下步骤：S1，获取页岩气单井的地质数据、压裂数据、测试和生产数据；S2，进行数据预处理和特征工程，其中包括数据探索、缺失值填补、异常值的处理以及特征筛选；S3，对特征工程处理后的数据进行标准化处理，并划分数据集；S4，采用42种机器学习算法的基模型对训练集进行训练和并用测试集对其进行评估；S5，筛选出评价结果较好的3种基模型，进行调参；S6，将S5中得到模型采用集成学习方法进行模型融合；S7，使用模型融合得到的新模型进行训练和预测。本发明在页岩气井新井的EUR预测中能取得较好的结果，对页岩气井的开发技术政策调整具有实际意义。

技术领域

本发明涉及油气田开发领域，具体涉及一种预测页岩气井最终可采储量的方法。

背景技术

页岩气藏储层致密，自然条件下难以获得工业气流，常采用分段式压裂水平井技术进行储层改造，并采用控压生产制度进行商业开发。国内外生产实践表明，控压生产有助于抑制支撑剂回流，降低储层应力敏感效应，改善气井生产效果，提高气井最终可采储量(EUR)。但与此同时，由于频繁变更气井工作制度，导致气井生产数据波动剧烈，增大了数据拟合难度，降低了EUR计算效率和精度。因此，如何快速、准确预测控压生产下的页岩气井EUR显得尤为重要。现有方法主要有解析模型法、数值模拟法、物质平衡法、现代产量递减法、经验产量递减法和概率法等，传统模型和方法通常基于较为理想化的假设条件，而页岩气藏强非均质性特征及生产数据的大幅波动限制了传统方法计算 EUR的准确性，有必要开展相关研究工作。

发明内容

本发明主要是针对现有技术中的不足之处，本发明的目的是提供一种预测页岩气井最终可采储量的方法。

为达到以上技术目的，本发明采用以下技术方案：

一种预测页岩气井最终可采储量的方法，其特征在于，包括以下步骤：

S1：获取页岩气单井的地质数据、压裂数据、测试和生产数据；

S2：对特征类型进行划分和统计：

S2.1：首先采用one-hot方法将非数值型特征数值化，对于数值型特征，需要观察其正态分布图，计算峰度和偏度，查看变量与变量间的关系；

S2.2：其次，统计各特征变量缺失值所占的比例，对于缺失过多的特征或样本采用删除的策略，而缺失量不大的特征或样本采用KNN算法进行填补；考虑到KNN算法本身对于观测点间距离计算的特点以及地理位置相近的井更可能具有相似的地质特征，于是将该观测点间距离替换为井眼坐标的距离，由此计算出两样本间的距离，在此基础上进行缺失值的填补；

KNN算法是考虑两样本之间的“距离”，选取最接近的几个观测样本的平均值或距离加权作为有缺失的样本的填补值；其中，两观测样本的距离定义是：

式中：len(x)为特征x的长度；x为一组样本值；y为另一组样本值；∑(！is.na(x-y))为x与y不相等的值的个数；x_i为x中的第i个数据；y_i为y中的第 i个数据；

有了距离的定义后，就可以选取k个最近邻，并根据距离加权和作为缺失值的预测值，本发明中对KNN算法进行改进，使用实际矿场上井间距离描述两个样本间的距离，再选取k个最近邻，对缺失值进行填补；

S2.3：对各特征绘制箱型图，删除远超正常值范围的异常样本；

S2.4：最后计算Pearson相关性系数对特征进行筛选。

Pearson相关性系数计算公式为两个变量的协方差除以两个边量标准差的乘积：

其中，X和Y变量的协方差公式如下所示：