一种基于稀疏回归的页岩气开发主控因素分析方法

摘要

本发明公开了一种基于稀疏回归的页岩气开发主控因素分析方法，包括步骤：S1，获取页岩气开发数据集进行预处理后，构建页岩气井生产数据集；S2，对步骤S1中构建的页岩气井生产数据集进行归一化处理；S3，以产量为目标，利用归一化后的数据集，建立基于稀疏回归的页岩气开发主控因素分析模型；S4，利用基于稀疏回归的页岩气开发主控因素分析模型，进行主控因素相关性计算；S5，基于步骤S4计算所得的数据进行排序，得到任一数量内的页岩气开发主控因素等；本发明基于实际的开发数据进行分析，能够消除模型误差的影响，可以有效提高页岩气开发主控因素判断的准确性。

说明书

技术领域

本发明涉及非常规油气藏开采技术领域，更为具体的，涉及一种基于稀疏回归的页岩气开发主控因素分析方法。

背景技术

由于极低的渗透率，页岩气的开发一般需要借助水平钻井和多段压裂技术。而水平井的开发效果一般取决于地质静态参数(如孔隙度、TOC、脆性矿物含量、和含气量等)和压裂施工情况(压裂水平段长、改造段数、总簇数、用液量、加砂量、排量和停泵压力等)的综合影响。在实际开发中可能经常遇到不同平台的水平井产量差异巨大的情况，有时同一平台的水平井也可能有着截然不同的生产特征。为了解释这些现象，我们需要研究哪些参数对页岩气水平井生产起主导作用，即开展水平井产能主控因素分析。

传统的油气藏生产主控因素分析一般借助数值模拟开展，但对于复杂的问题，数值模拟模型可能不能考虑到所有物理过程而引入模型误差，进而会影响主控因素分析结果的准确性。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于稀疏回归的页岩气开发主控因素分析方法，基于实际的开发数据进行分析，能够消除模型误差的影响，有效提高页岩气开发主控因素判断的准确性等。

本发明的目的是通过以下方案实现的：

一种基于稀疏回归的页岩气开发主控因素分析方法，包括步骤：

S1，获取页岩气开发数据集进行预处理后，构建页岩气井生产数据集；

S2，对步骤S1中构建的页岩气井生产数据集进行归一化处理；

S3，以产量为目标，利用归一化后的数据集，建立基于稀疏回归的页岩气开发主控因素分析模型；

S4，利用基于稀疏回归的页岩气开发主控因素分析模型，进行主控因素相关性计算；

S5，基于步骤S4计算所得的数据进行排序，得到任一数量内的页岩气开发主控因素。

进一步地，在步骤S1中，所述预处理包括标记步骤：将收集的页岩气开发数据集标记为数据集D，且数据集D中每一个样本为一口页岩气井的数据，该口页岩气井的数据包括地质参数、工程参数和生产指标。

进一步地，在步骤S1中，所述预处理包括步骤：将数据集D中含页岩气井的数量标记为m，将每一个地质参数和工程参数称为一个因素，将数据集D中因素个数标记为n；引入因素向量

进一步地，在步骤S2中，归一化处理包括步骤：对因素向量X

上式中，

进一步地，在步骤S3中，稀疏回归目标函数包括数据拟合项和因素系数约束项，如下：

上式中，J(θ)为最小化目标函数，θ＝{θ

进一步地，在步骤S4中，进行主控因素相关性计算包括步骤：

S41，选取θ的一个初值，标记为θ

S42，对于第k步迭代，θ向量的n个维度的迭代更新顺序如下：

采用一维搜索方法求解式(4)中的每一个一维最小化问题；

S43，检查θ

进一步地，在步骤S5中，基于计算所得的θ

本发明的有益效果是：

随着国内页岩气开发的不断推进，目前已经积累了一定数量的水平井开发数据，这些数据为基于数据挖掘的页岩气产能主控因素分析提供了基础。本发明基于实际的开发数据进行分析，能够消除模型误差的影响，提高结果的准确性。本发明没有采用数值模拟，而是采用数据驱动的方法，可以避免基于数值模拟方法的诸多问题，有效提高页岩气开发主控因素判断的准确性。

附图说明

为了更清楚地说明本发明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，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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为本发明的方法步骤流程图；

图2为本发明实施例的稀疏回归90天累产主控因素分析结果示意图。

具体实施方式

本说明书中所有实施例公开的所有特征，或隐含公开的所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以以任何方式组合和/或扩展、替换。

如图1，2所示，一种基于稀疏回归的页岩气开发主控因素分析方法，包括步骤：

S1，获取页岩气开发数据集进行预处理后，构建页岩气井生产数据集；

S2，对步骤S1中构建的页岩气井生产数据集进行归一化处理；

S3，以产量为目标，利用归一化后的数据集，建立基于稀疏回归的页岩气开发主控因素分析模型；

S4，利用基于稀疏回归的页岩气开发主控因素分析模型，进行主控因素相关性计算；

S5，基于步骤S4计算所得的数据进行排序，得到任一数量内的页岩气开发主控因素。

可选的实施方式，在步骤S1中，所述预处理包括标记步骤：将收集的页岩气开发数据集标记为数据集D，且数据集D中每一个样本为一口页岩气井的数据，该口页岩气井的数据包括地质参数、工程参数和生产指标。

可选的实施方式，在步骤S1中，所述预处理包括步骤：将数据集D中含页岩气井的数量标记为m，将每一个地质参数和工程参数称为一个因素，将数据集D中因素个数标记为n；引入因素向量

可选的实施方式，在步骤S2中，归一化处理包括步骤：对因素向量

上式中，

可选的实施方式，在步骤S3中，稀疏回归目标函数包括数据拟合项和因素系数约束项，如下：

上式中，J(θ)为最小化目标函数，θ＝{θ

可选的实施方式，在步骤S4中，进行主控因素相关性计算包括步骤：

S41，选取θ的一个初值，标记为θ

S42，对于第k步迭代，θ向量的n个维度的迭代更新顺序如下：

采用一维搜索方法求解式(4)中的每一个一维最小化问题；

S43，检查θ

可选的实施方式，在步骤S5中，基于计算所得的θ

在实施例中，收集页岩气开发数据集，标记为数据集D。数据集D中每一个样本为一口页岩气井的数据，包括地质参数(如孔隙度、TOC、脆性矿物含量、和含气量等)，工程参数(如压裂水平段长、改造段数、总簇数、用液量、加砂量、排量和停泵压力等)和生产指标(如90天累计产量等)。

该实施例中数据集D包含146口井的数据，其中地质和工程参数包括：五峰组长度、1小层长度、2小层长度、靶体中部距优质页岩底部距离、Ⅰ类储层钻遇长度、Ⅱ类储层钻遇长度、垂深、实际压裂段长、平均分段段长、实际段数、总簇数、单段射孔簇数、簇间距、排量、泵压、总液量、平均单段液量、用液强度、总滑溜水量、总线性胶量、总砂量、平均单段砂量、加砂强度、100目粉砂总量、40/70目陶粒总量、平均停泵压力、平均单段100目粉砂、平均单段40/70目陶粒、水平最大主应力、水平最小主应力、垂向应力、TOC、含气量、孔隙度、矿物脆性和闷井天数，生产指标为90天累计产量。这样m＝146，n＝36。

对数据进行归一化，构建稀疏回归的目标函数，选取α＝2，采用坐标下降法求解稀疏回归问题。计算所得各归一化因素的系数如图2所示。依据系数绝对值的大小，稀疏回归选取的90天累计产量前10个主控因素为：靶体中部距优质页岩底部距离、平均单段液量、垂向应力、单段射孔簇数、平均停泵压力、实际压裂段长、孔隙度、排量、平均单段40/70目陶粒、和平均单段100目粉砂。

除以上实例以外，本领域技术人员根据上述公开内容获得启示或利用相关领域的知识或技术进行改动获得其他实施例，各个实施例的特征可以互换或替换，本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。

本发明功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，在一台计算机设备(可以是个人计算机，服务器，或者网络设备等)以及相应的软件中执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、或者光盘等各种可以存储程序代码的介质，进行测试或者实际的数据在程序实现中存在于只读存储器(Random Access Memory，RAM)、随机存取存储器(Random Access Memory，RAM)等。