基于机理与数据驱动的页岩气产能智能预测方法和装置

技术领域

本说明书实施例涉及石油天然气技术领域，特别涉及一种基于机理与数据驱动的页岩气产能智能预测方法和装置。

背景技术

页岩气在全球范围内具有非常丰富的储量。加快推进页岩气勘探开发，对改善能源结构、保障国家能源安全等具有重大战略意义。水平井多级压裂完井是页岩气开发的主要技术手段。压裂完井参数的设计是影响页岩气单井产能的重要因素。因此，准确预测不同压裂完井参数下的页岩气产能，对页岩气高效开发具有重要意义。

发明内容

本说明书实施例提供一种基于机理与数据驱动的页岩气产能智能预测方法和装置，以便于对不同压裂完井参数下的页岩气产能进行预测。本说明书实施例的技术方案如下。

本说明书实施例的第一方面，提供了一种基于机理与数据驱动的页岩气产能智能预测方法，包括：

建立适用于页岩气藏储层的气体流动模型；

根据气体流动模型和页岩气藏储层的离散裂缝，建立多级压裂产能模型；

根据多级压裂产能模型，计算不同压裂完井参数下的页岩气产能数据；

根据压裂完井参数及其对应的页岩气产能数据，对页岩气产能预测模型进行训练；

根据目标压裂完井参数，使用训练后的页岩气产能预测模型，预测页岩气产能。

本说明书实施例的第二方面，提供了一种基于机理与数据驱动的页岩气产能智能预测装置，包括：

第一建立单元，用于建立适用于页岩气藏储层的气体流动模型；

第二建立单元，用于根据气体流动模型和页岩气藏储层的离散裂缝，建立多级压裂产能模型；

计算单元，用于根据多级压裂产能模型，计算不同压裂完井参数下的页岩气产能数据；

训练单元，用于根据压裂完井参数及其对应的页岩气产能数据，对页岩气产能预测模型进行训练；

预测单元，用于根据目标压裂完井参数，使用训练后的页岩气产能预测模型，预测页岩气产能。

本说明书实施例提供的技术方案，可以根据气体流动机理，采用数据驱动的方法建立页岩气产能预测模型。所述气体流动机理能够反映页岩气复杂的多尺度流动状态，使得页岩气产能预测模型可以准确地描述页岩气多尺度流动状态，从而能够准确地对不同压裂完井参数下的页岩气产能进行预测，提高了预测精度，为页岩气水平井多级压裂参数设计提供参考。

附图说明

为了更清楚地说明本说明书实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，下面描述中的附图仅仅是本说明书中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本说明书实施例中页岩气产能智能预测方法的流程示意图；

图2为本说明书实施例中离散裂缝的示意图；

图3为本说明书实施例中页岩气产能预测模型的训练过程示意图；

图4为本说明书实施例中页岩气产能预测模型的训练过程示意图；

图5为本说明书实施例中页岩气产能智能预测装置的结构示意图；

图6为本说明书实施例中电子设备的结构示意图。

具体实施方式

下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本说明书保护的范围。

在相关技术中，页岩气产能预测主要以数值模型为主，计算缓慢，且具有一定的滞后性。基于生产数据对页岩气产能进行的预测又难以反映页岩气流动复杂的机理和影响因素，使得压裂完井参数优化的效率较低。

为此，本说明书实施例提供一种基于机理与数据驱动的页岩气产能智能预测方法和装置。本说明书实施例基于流动机理与数据驱动实现，能够准确地对不同压裂完井参数下的页岩气产能进行预测，提高了预测精度，为页岩气水平井多级压裂参数设计提供参考。

请一并参阅图1、图2、图3和图4，本说明书实施例提供一种基于机理与数据驱动的页岩气产能智能预测方法。所述基于机理与数据驱动的页岩气产能智能预测方法可以应用于服务器。所述服务器可以为单个服务器、由多个服务器构成的服务器集群、或者部署在云端的服务器。所述基于机理与数据驱动的页岩气产能智能预测方法可以包括以下步骤。

步骤S102：建立适用于页岩气藏储层的气体流动模型。

在一些实施例中，所述气体流动模型用于反映在考虑裂缝宽度变化和储层气体粘度变化下的气体质量通量。所述服务器可以获取多个气体流动方程，每个气体流动方程与至少一个裂缝尺度下的流动机理相对应；可以根据流动机理对页岩气流动的贡献，为气体流动方程分配权重；可以根据气体流动方程及其对应的权重，建立适用于页岩气藏储层的气体流动模型。

所述裂缝尺度可以包括以下至少之一：水力裂缝的厘米级尺度、储层天然裂缝的微米-毫米级尺度、页岩粒间孔纳米-微米级尺度、页岩有机质孔的纳米级尺度。裂缝尺度与克努森数(Knudsen Number)之间具有对应关系。例如，页岩粒间孔纳米-微米级尺度对应的克努森数范围为0.0010.1。

所述流动机理可以包括以下至少之一：连续流动、克努森扩散、体扩散、吸附气表面扩散等。不同的流动机理可以通过克努森数进行划分。例如，当克努森数位于第一数值区间时，可以认为页岩气的流动机理为连续流动；当克努森数位于第二数值区间时，可以认为页岩气的流动机理为克努森扩散；当克努森数位于第三数值区间时，可以认为页岩气的流动机理为体扩散；当克努森数位于第四数值区间时，可以认为页岩气的流动机理为吸附气表面扩散。具体地，例如，所述第一数值区间可以为Kn<0.001，所述第二数值区间可以为Kn>10。

所述服务器可以根据连续流动、克努森扩散、体扩散、吸附气表面扩散等流动机理在页岩气藏储层中对页岩气流动的贡献，对不同的流动机理分配不同的权重系数；进而综合不同流动机理建立适用于页岩储层的页岩气流动数学模型。

例如，所述适用于页岩气藏储层的气体流动模型可以表示为：

J

其中，J

步骤S104：根据气体流动模型和页岩气藏储层的离散裂缝，建立多级压裂产能模型。

在一些实施例中，所述服务器可以获取至少一个页岩气藏储层在多级压裂开发模式下的离散裂缝；可以根据气体流动模型和页岩气藏储层的离散裂缝，建立多级压裂产能模型。

在实际应用中，针对每个页岩气藏储层，所述服务器可以对该页岩气藏储层中的裂缝进行离散化，得到该页岩气藏储层在多级压裂开发模式下的离散裂缝；可以根据气体流动模型和离散裂缝；建立与该页岩气藏储层相对应的多级压裂产能模型。

图2示出了某一页岩气藏储层的离散裂缝。

步骤S106：根据多级压裂产能模型，计算不同压裂完井参数下的页岩气产能数据。

在一些实施例中，通过步骤S104，所述服务器可以获得至少一个多级压裂产能模型，每个多级压裂产能模型可以对应有页岩气藏储层。利用每个多级压裂产能模型，所述服务器可以基于一个或多个压裂完井参数，计算得到一个或多个页岩气产能数据。其中，每个所述压裂完井参数可以包括以下至少之一：压裂级数(段数)、压裂簇数、水力裂缝长度、水力裂缝导流能力。所述页岩气产能数据包括从开采第一天到当前日期每一天的产量。

步骤S108：根据压裂完井参数及其对应的页岩气产能数据，对页岩气产能预测模型进行训练。

在一些实施例中，通过步骤S106，所述服务器可以利用多级压裂产能模型计算得到页岩气产能数据，所述多级压裂产能模型可以对应有页岩气藏储层。这样所述服务器可以根据所述页岩气产能数据，计算得到所述页岩气藏储层的地层参数。例如，所述服务器可以利用多级压裂产能模型M计算得到页岩气产能数据D1、D2、D3，所述多级压裂产能模型M与页岩气藏储层L相对应。这样所述服务器可以根据页岩气产能数据D1、D2、D3，计算得到页岩气藏储层L的地层参数。在实际应用中，所述服务器可以通过对页岩气产能数据进行拟合，得到页岩气藏储层的地层参数。其中，所述地层参数可以包括以下至少之一：基质渗透率、天然裂缝导流能力，天然裂缝条数、天然裂缝方向、天然裂缝长度、地应力大小和方向。

在一些实施例中，所述服务器可以根据压裂完井参数、页岩气产能数据、以及地层参数，对页岩气产能预测模型进行训练。所述页岩气产能预测模型包括但不限于逻辑回归模型、支持向量机模型、多层感知机模型、循环神经网络模型、LSTM模型(Long Short-TermMemory，长短期记忆模型)等。压裂完井参数、页岩气产能数据、以及地层参数之间具有对应关系。

例如，所述服务器可以利用多级压裂产能模型M1，基于压裂完井参数C11、C12、C13，计算得到页岩气产能数据D11、D12、D13，多级压裂产能模型M1与页岩气藏储层L1相对应。所述服务器可以根据页岩气产能数据D11、D12、D13，计算得到页岩气藏储层L1的地层参数。

所述服务器可以利用多级压裂产能模型M2，基于压裂完井参数C21、C22、C23，计算得到页岩气产能数据D21、D22、D23，多级压裂产能模型M2与页岩气藏储层L2相对应。所述服务器可以根据页岩气产能数据D21、D22、D23，计算得到页岩气藏储层L2的地层参数。

所述服务器可以利用多级压裂产能模型M3，基于压裂完井参数C31、C32、C33，计算得到页岩气产能数据D31、D32、D33，多级压裂产能模型M3与页岩气藏储层L3相对应。所述服务器可以根据页岩气产能数据D31、D32、D33，计算得到页岩气藏储层L3的地层参数。

这样，所述服务器可以根据压裂完井参数C11、C12、C13、C21、C22、C23、C31、C32、C33，页岩气产能数据D11、D12、D13、D21、D22、D23、D31、D32、D33，页岩气藏储层L1的地层参数，页岩气藏储层L2的地层参数，以及页岩气藏储层L3的地层参数，对页岩气产能预测模型进行训练。

在一些场景示例中，所述服务器可以根据压裂完井参数及其对应的页岩气产能数据，构建测试数据集和训练数据集；可以利用训练数据集，对页岩气产能预测模型进行训练；可以利用测试数据集对训练后的页岩气产能预测模型进行测试。若训练后的页岩气产能预测模型的预测精度不满足要求，所述服务器可以继续对页岩气产能预测模型进行训练。若训练后的页岩气产能预测模型的预测精度满足要求，所述服务器可以将现场的压裂完井参数输入至训练后的页岩气产能预测模型；可以将页岩气产能预测模型的预测结果与现场的页岩气产能数据进行比对。若页岩气产能预测模型的预测结果与现场的页岩气产能数据的差距满足要求，所述服务器可以将训练后的页岩气产能预测模型作为最终的页岩气产能预测模型，可以利用最终的页岩气产能预测模型优化压裂完井参数。若页岩气产能预测模型的预测结果与现场的页岩气产能数据的差距不满足要求，所述服务器可以继续对页岩气产能预测模型进行训练。

步骤S110：根据目标压裂完井参数，使用训练后的页岩气产能预测模型，预测页岩气产能。

在一些实施例中，所述服务器可以将目标压裂完井参数输入至训练后的页岩气产能预测模型，得到页岩气产能预测数据。根据所述页岩气产能预测数据，可以对所述目标压裂完井参数的优劣程度进行评估，从而为页岩气水平井多级压裂参数设计提供参考。

当然，进一步地，所述服务器还可以根据目标压裂完井参数和目标地层参数，使用训练后的页岩气产能预测模型，预测页岩气产能。具体地，所述服务器可以将目标压裂完井参数以及目标地层参数输入至训练后的页岩气产能预测模型，得到页岩气产能预测数据。

本说明书实施例的基于机理与数据驱动的页岩气产能智能预测方法，可以根据气体流动机理，采用数据驱动的方法建立页岩气产能预测模型。所述气体流动机理能够反映页岩气复杂的多尺度流动状态，使得页岩气产能预测模型可以准确地描述页岩气多尺度流动状态，从而能够准确地对不同压裂完井参数下的页岩气产能进行预测，提高了预测精度，为页岩气水平井多级压裂参数设计提供参考。

请参阅图5，本说明书实施例还提供一种基于机理与数据驱动的页岩气产能智能预测装置。所述装置可以包括以下单元。

第一建立单元502，用于建立适用于页岩气藏储层的气体流动模型；

第二建立单元504，用于根据气体流动模型和页岩气藏储层的离散裂缝，建立多级压裂产能模型；

计算单元506，用于根据多级压裂产能模型，计算不同压裂完井参数下的页岩气产能数据；

训练单元508，用于根据压裂完井参数及其对应的页岩气产能数据，对页岩气产能预测模型进行训练；

预测单元510，用于根据目标压裂完井参数，使用训练后的页岩气产能预测模型，预测页岩气产能。

下面介绍本说明书电子设备的一个实施例。图6是该实施例中电子设备的硬件结构示意图。如图6所示，该电子设备可以包括一个或多个(图中仅示出一个)处理器、存储器和传输模块。当然，本领域普通技术人员可以理解，图6所示的硬件结构仅为示意，其并不对上述电子设备的硬件结构造成限定。在实际中该电子设备还可以包括比图6所示更多或者更少的组件单元；或者，具有与图6所示不同的配置。

所述存储器可以包括高速随机存储器；或者，还可以包括非易失性存储器，例如一个或者多个磁性存储装置、闪存或者其他非易失性固态存储器。当然，所述存储器还可以包括远程设置的网络存储器。所述远程设置的网络存储器可以通过诸如互联网、企业内部网、局域网、移动通信网等网络连接至所述区块链客户端。所述存储器可以用于存储应用软件的程序指令或模块，例如用于实现本说明书图1所对应实施例的程序指令或模块。

所述处理器可以按任何适当的方式实现。例如，所述处理器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific IntegratedCircuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式等等。所述处理器可以读取并执行所述存储器中的程序指令或模块。

所述传输模块可以用于经由网络进行数据传输，例如经由诸如互联网、企业内部网、局域网、移动通信网等网络进行数据传输。

本说明书还提供计算机存储介质的一个实施例。所述计算机存储介质包括但不限于随机存取存储器(Random Access Memory,RAM)、只读存储器(Read-Only Memory,ROM)、缓存(Cache)、硬盘(Hard Disk Drive,HDD)、存储卡(Memory Card)等等。所述计算机存储介质存储有计算机程序指令。在所述计算机程序指令被执行时实现：本说明书图1所对应的实施例。

需要说明的是，本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同或相似的部分互相参见即可，每个实施例重点说明的都是与其它实施例的不同之处。另外，可以理解的是，本领域技术人员在阅读本说明书文件之后，可以无需创造性劳动想到将本说明书列举的部分或全部实施例进行任意组合，这些组合也在本说明书公开和保护的范围内。

在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。

上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。

通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本说明书可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本说明书的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本说明书各个实施例或者实施例的某些部分所述的方法。

本说明书可用于众多通用或专用的计算机系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。

本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

虽然通过实施例描绘了本说明书，本领域普通技术人员知道，本说明书有许多变形和变化而不脱离本说明书的精神，希望所附的权利要求包括这些变形和变化而不脱离本说明书的精神。