首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种基于机器学习的体积压裂水平井分段分簇方法 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:成都信息工程大学

摘要:本发明公开了一种基于机器学习的体积压裂水平井分段分簇方法,包括:从与待施工井有类似储层物性参数的已施工井中,选择已开展生产测井并具有不同井段产气剖面数据的井作为参考样本;采用模糊聚类算法结合已施工井的储层物性参数与产气剖面数据,计算物性参数与产量数据之间的相关性;基于物性参数与产量数据之间的相关性,选择与产量具有显著相关性的储层物性参数;运用模糊聚类算法,对待施工井中沿不同井深分布的对应储层物性参数值进行模糊聚类分析,得到沿井深的储层物性分类权重;根据得到的沿井深的储层物性分类权重,确定各井深储层的分类,结合储层分类结果和约束条件,进行储层的分段分簇划分。

主权项:1.一种基于机器学习的体积压裂水平井分段分簇方法,其特征在于,包括如下步骤:步骤一,从与待施工井有类似储层物性参数的已施工井中,选择已开展生产测井并具有不同井段产气剖面数据的井作为参考样本;步骤二,采用模糊聚类算法结合已施工井的储层物性参数与产气剖面数据,计算物性参数与产量数据之间的相关性;步骤三,基于物性参数与产量数据之间的相关性,选择与产量具有显著相关性的储层物性参数;运用模糊聚类算法,对待施工井中沿不同井深分布的对应储层物性参数值进行模糊聚类分析,得到沿井深的储层物性分类权重;步骤四,根据得到的沿井深的储层物性分类权重,确定各井深储层的分类,结合储层分类结果和约束条件,进行储层的分段分簇划分;所述的采用模糊聚类算法结合已施工井的储层物性参数与产气剖面数据,计算物性参数与产量数据之间的相关性,包括如下步骤:S1:初始化attributeAccumulationList的列表,用于存储差产量、中间产量、高产量下储层物性参数的累加值,初始时,该列表的所有元素均设置为0;S2:计算隶属度和累加物性参数:对于产气剖面中的每个产量数据点,调用隶属度函数计算其对应三种产量类别的隶属度;S3:将计算得到的隶属度与产量数据点相应井深下的储层物性参数值相乘;S4:将乘积结果累加到attributeAccumulationList中相应产量类别的元素上,attributeAccumulationList包含三种产量类别下储层物性参数的累加值;S5:对attributeAccumulationList中的累加值进行归一化处理,首先找出列表中的最小值和最大值,利用线性插值函数将累加值映射到0到1的范围内,生成一个新的列表attributeNormalizationList;S6:计算attributeNormalizationList中相邻元素之间差值之和的绝对值,并取百分比来表示,得到储层物性随产量变化趋势的相关系数;在计算出相关系数后,设定一个阈值,并筛选出那些满足该阈值要求的储层物性,在待施工井中,根据筛选的储层物性,从该井已有的储层物性参数中进行选择,并进行模糊聚类分析,分为3种类别,采用模糊C-均值算法进行分析,采用如下步骤完成:步骤11:初始化:设定聚类数目为3,并随机初始化聚类中心;步骤12:隶属度计算:对于每个储层物性数据点,计算其属于每个聚类的隶属度;隶属度是基于数据点到聚类中心的距离和模糊因子来计算的;步骤13:更新聚类中心:根据每个数据点的隶属度,重新计算每个聚类的中心;步骤14:迭代优化:重复上述隶属度计算和聚类中心更新的步骤,直到聚类中心的变化小于预设的收敛阈值或达到最大迭代次数。

全文数据:

权利要求:

百度查询: 成都信息工程大学 一种基于机器学习的体积压裂水平井分段分簇方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。