The invention discloses a non-deterministic prediction method for shale gas productivity, which comprises the following steps: (1) determining the main geological and engineering factors affecting shale gas productivity based on the comprehensive correlation analysis of Pearson correlation coefficient and maximum information coefficient MIC; and (2) predicting the main influencing factors determined based on machine learning algorithm and step 1). Based on Bayes theory and Monte Carlo-Markov chain simulation, the prior distribution of productivity indices and the predicted data of deterministic production are used to estimate the posterior distribution of productivity indices, and the uncertain prediction of shale gas productivity is carried out. Test. Unlike the existing non-deterministic prediction method of shale gas well productivity based on history fitting, the present invention can be used for non-deterministic prediction of shale gas well productivity before drilling, that is, the prediction of shale gas well productivity before drilling can be made with different probability levels, and the drilling risk of shale gas can be reduced.
【技术实现步骤摘要】
一种页岩气产能非确定性预测方法
本专利技术涉及气藏工程动态分析领域,具体是一种页岩气产能非确定性预测方法。
技术介绍
相对于常规气藏开发,页岩气藏开发由于需要更高的投资及更复杂的开发机理,其开发的技术与经济风险也更大。因此,页岩气产能评价对指导和优化页岩气开发至关重要。然而,由于各种原因(如作业、洗井等)导致页岩气井生产动态相对复杂多变,这给页岩气产能评价的建立带来很大的不确定性,使得应用确定性的产能评价方法进行页岩气产能预测具有很大风险。目前,页岩气产能预测方法主要有解析/半解析法、数值模拟法及经验法。由于目前页岩气开发渗流机理尚不明确,使得解析/半解析法还处于理论研究阶段,如何建立完善的宏观渗流模型是主要难题。而对于数值模拟法,由于页岩储层的特殊性,不仅天然裂缝与人工裂缝的空间分布很难预测,如何在计算机上建立适合页岩气开发数值模拟的裂缝模型也面临着诸多问题。利用经验法预测页岩气产能强调通过多种数据分析技术,如数理统计、数据挖掘、模式识别、机器学习等,基于已有数据,建立产能预测经验模型,从而避开页岩储层建模及页岩气开发宏观渗流表征的问题。对于基于经验法开展页岩气产能非确定性预测的研究,近些年,国内外已有学者获得了一些成果,但方法都要结合历史拟合,即只能解决已投产页岩气井的产能预测。而实际生产中,对于拟钻页岩气井的产能非确定性预测要更有意义。
技术实现思路
本专利技术的目的在于提供一种页岩气产能非确定性预测方法,以解决上述
技术介绍
中提出的问题。为实现上述目的,本专利技术提供如下技术方案:一种页岩气产能非确定性预测方法,包括以下步骤:1)基于Pearson相关系 ...
【技术保护点】
1.一种页岩气产能非确定性预测方法,其特征在于,包括以下步骤:1)基于Pearson相关系数和最大信息系数MIC的综合相关性分析,确定影响页岩气产能的主要地质、工程因素;2)基于机器学习算法及步骤1)确定的主要影响因素,预测页岩气产能指标,确定产能指标先验分布,对页岩气产能进行确定性预测;3)基于Bayes理论、蒙特卡洛—马尔科夫链模拟,利用步骤2)产能指标先验分布及确定性产量预测数据,估计产能指标后验分布;4)基于步骤3)估计的产能指标后验分布,对页岩气产能进行非确定性预测。
【技术特征摘要】
1.一种页岩气产能非确定性预测方法,其特征在于,包括以下步骤:1)基于Pearson相关系数和最大信息系数MIC的综合相关性分析,确定影响页岩气产能的主要地质、工程因素;2)基于机器学习算法及步骤1)确定的主要影响因素,预测页岩气产能指标,确定产能指标先验分布,对页岩气产能进行确定性预测;3)基于Bayes理论、蒙特卡洛—马尔科夫链模拟,利用步骤2)产能指标先验分布及确定性产量预测数据,估计产能指标后验分布;4)基于步骤3)估计的产能指标后验分布,对页岩气产能进行非确定性预测。2.根据权利要求1所述的页岩气产能非确定性预测方法,其特征在于,步骤1)中所述的基于Pearson相关系数和最大信息系数MIC的综合相关性分析指两个指标对判定各影响因素与产能相关性的作用是等价的,Pearson相关系数表征线性相关性,最大信息系数MIC表征潜在的非线性相关性。3.根据权利要求1或2所述的页岩气产能非确定性预测方法,其特征在于,所述的Pears...
【专利技术属性】
技术研发人员:李治平,马文礼,赖枫鹏,孙玉平,张静平,卢婷,高闯,邓思哲,
申请(专利权)人:中国地质大学北京,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。