| 一种基于深度学习的气藏开发规律预测方法及系统 | |
| 高大鹏 | |
| 2023-02-07 | |
| Rights Holder | 中国科学院力学研究所 |
| Abstract | 本发明公开了一种基于深度学习的气藏开发规律预测方法及系统，其特征在于，包括以下步骤：步骤S1、基于开发主控特征对气藏井进行分类为多个气藏类型；步骤S2、通过数据前处理依次在每个类型的气藏井中获取时间序列数据集；步骤S3、基于长短期记忆神经网络模型，通过模型训练与优化，分别设计气井稳产期生产动态预测模型和气井递减期生产动态预测模型；步骤S4、基于Python研制气井开发规律深度学习预测模块，基于预测的气藏井未来的生产动态总结出开发规律。本发明实现基于大数据分析的气藏分类及主控因素分析方法，提出不同类型气藏及气井开发规律深度学习预测模型，进一步揭示不同类型气藏的开发规律。 |
| Application Date | 2022-06-30 |
| Application Number | CN202210768571.4 |
| Patent Number | CN115017827B |
| Claim | 1.一种基于深度学习的气藏开发规律预测方法，其特征在于，包括以下步骤： 步骤S1、在气藏井的地质数据、测井数据、开发数据和工程数据中提取出开发特征，并对开发特征依次进行线性相关性分析和特征选择得到表征气藏井的开发主控因素的开发主控特征，再基于开发主控特征对气藏井进行分类为多个气藏井类型； 步骤S2、收集气藏井的在气井稳产期和气井递减期的生产动态数据，通过数据预处理，依次获得每个气藏类型的气藏井中的稳产期时间序列数据集和递减期时间序列数据集，所述生产动态数据包括产气量、产水量及含水量； 步骤S3、利用长短期记忆神经网络模型基于所述时间序列数据集，通过模型训练与优化，分别设计出气井稳产期生产动态预测模型和气井递减期生产动态预测模型，以预测出气藏井未来的生产动态； 步骤S4、基于Python研制气井开发规律深度学习预测模块，基于所述气藏井未来的生产动态总结出开发规律， 所述基于开发主控特征对气藏井进行分类为多个气藏类型，包括： 在开发特征中选择影响气藏井产气和产水的地质、开发及工程方面的指标及参数值，所述指标包括井口/井底压力、压裂工艺、储层物性，所述压裂工艺包括加砂量、返排液量、压裂液掺氢量，所述储层物性包括孔隙度、渗透率； 运用皮尔逊相关系数法对各个指标与产气、产水量之间的相关性进行分析以在各个指标中筛选出所述开发主控特征，再采用离差平方和法进行系统聚类以得到各个开发主控特征的量化得分； 依次统计各个气藏井在所有开发主控特征上的得分范围，并将在开发主控特征上的得分范围相似的气藏井划归一类，以将各个气藏井分类为多个气藏类型。 |
| Language | 中文 |
| Classification | 发明授权 |
| Status | 有效 |
| Note | 授权 |
| Country | 中国 |
| Agency | 北京和信华成知识产权代理事务所(普通合伙) |
| Document Type | 专利 |
| Identifier | http://dspace.imech.ac.cn/handle/311007/92503 |
| Collection | 流固耦合系统力学重点实验室 |
| Recommended Citation GB/T 7714 | 高大鹏. 一种基于深度学习的气藏开发规律预测方法及系统. CN115017827B[P]. 2023-02-07. |
| Files in This Item: | Download All | |||||
| File Name/Size | DocType | Version | Access | License | ||
| CN115017827A.pdf（478KB） | 专利 | 开放获取 | CC BY-NC-SA | View Download | ||
Items in the repository are protected by copyright, with all rights reserved, unless otherwise indicated.
Edit Comment