一种基于机器学习的风化壳岩溶缝洞型油藏油井见水时间预测方法技术

本发明专利技术公开了一种机器学习的风化壳岩溶缝洞型油藏油井见水时间预测方法，本发明专利技术先包括如下步骤：S01:确定缝洞型油藏的岩溶背景为风化壳岩溶并确定油井所在储层的储层类型；S02:knn算法识别已见水高产油井的油压变化类型；S03:缝洞型油藏驱动阶段与油井油压阶段特征对应关系建立；S04:缝洞型油藏各储层类型定量图版建立；S05:缝洞型油藏油井见水影响因素和见水时间的统计；S06:缝洞型油藏油井初始聚类中心k的确定；S07：缝洞型油藏油井见水时间的k‑means均值聚类预测模型的建立；本发明专利技术确定的见水预警定量图版和见水时间k‑means聚类预测方法，具有适用广泛，操作简单等特点，能够快速指导现场措施调整。

A method for predicting water breakthrough time of oil wells in weathered crust karst fractured-vuggy reservoirs based on machine learning

The invention discloses a machine learning method for predicting water breakthrough time of oil wells in fractured-cavern reservoirs with weathered crust. The method comprises the following steps: S01: determining the karst background of fractured-cavern reservoirs as weathered crust karst and determining the reservoir type of oil wells; S02: KNN algorithm for identifying oil pressure variation types of high-yield oil wells with water; S03: driving stage of fractured-cavern reservoirs and oil well pressure; Establishment of corresponding relationship of stage characteristics; establishment of quantitative chart of reservoir types in S04: fractured-vuggy reservoir; S05: statistics of influencing factors of water breakthrough and water breakthrough time in fractured-vuggy reservoir; determination of initial clustering center K in fractured-vuggy reservoir; establishment of k_means clustering prediction model of water breakthrough time in fractured-vuggy reservoir; establishment of quantitative chart of water breakthrough early warning and water breakthrough time in fractured-vuggled reservoir determined by the present invention The K

【技术实现步骤摘要】
一种基于机器学习的风化壳岩溶缝洞型油藏油井见水时间预测方法
本专利技术涉及缝洞型碳酸盐岩油藏油井见水时间预测方法，具体涉及一种基于机器学习的缝洞型油藏油井见水时间量化预测方法。
技术介绍
碳酸盐岩油气藏在世界油气的储量和产量上均位居首位，是国内外高度关注的研究对象。我国分布有大面积的碳酸盐岩地层，在碳酸盐岩油气藏的地质研究方面存在着巨大的创新空间。而缝洞型碳酸盐岩油藏作为其中的一种特殊类型，在国内外的油气资源中占有很大的比重。中国石化西北油田分公司塔河油田奥陶系油藏属于典型的缝洞型碳酸盐岩油藏，经过20多年的勘探开发，其已建成世界上最大的缝洞型碳酸盐岩油藏开发基地，保障了我国经济快速发展的能源供应。该油藏在多期构造运动和古岩溶的共同作用下形成了以溶蚀孔洞、裂缝为主要储集空间及流动通道的缝洞型碳酸盐岩油藏。此类型油藏储集空间类型多种多样，储集体形态十分复杂，并且在纵向上及平面上的空间展布具有相当的随机性，其所表现出的极强非均质性给此类型油藏的勘探开发带来了许多困难。根据塔河油田奥陶系缝洞型碳酸盐岩油藏开发实践的历史经验可以得出，虽然油藏目前的探明储量非常高，但由于无法控制含水率的快速上升，致使部分油井的产量递减过快，开发效果差。因此在缝洞单元见水时间及含水变化规律方面仍需进一步研究，才能提前掌握其变化趋势并根据具体情况实施有效的预防措施。目前，预测缝洞型油藏油井见水时间的方法主要有以下几种。①缝洞型底水油藏油井见水时间理论公式方法：参考常规砂岩油藏，基于底水锥进和高速非达西渗流原理，并结合底水锥进原理，提出了考虑隔板下部底水锥进的半球形径向渗流方式和隔板上部的平面径向渗流方式，运用物质平衡原理，推导缝洞型油藏底水油藏油井见水时间的预测公式。该方法的理论性较强，但是实际应用中受到影响因素多，对参数要求的测量精度高，多解性严重。②室内宏观三维物理模拟方法：该方法以缝洞储集体三维地震雕刻体为原型模型，根据相似理论，制备缝洞单元宏观三维物理模型，通过室内实验研究弹性开发时水驱特征及底水锥进过程，分析底水锥进阶段及主控因素，从而预测缝洞型油藏油井见水时间，其优点是实现了缝洞型油藏底水成锥、托锥和突破阶段的可视化，缺点是受尺度、模型维度等因素的限制，无法再现真实油藏压力、温度条件的三维流动特征，实验结果对缝洞型油藏底水锥进机理的的认识有一定指导意义，但是无法指导实际油井。③油井见水时间数值模拟预测方法：该方法基于缝洞型油藏有效储集体雕刻及三维物性地质模型，依据等效渗流介质理论，对缝洞型油藏油水两相数学模型进行差分求解，模拟缝洞型油藏内部任意时刻的油水运动规律，对油藏底水的水锥形成、抬升及突破的动态演化过程进行仿真，从而预测底水在油井产层段的突破时间。相对于简化的解析方法，该方法优点可以考虑油藏地质条件、缝洞单元形态、规模及油水性质等实际参数的影响，但是模拟结果的精度严重依赖于缝洞单元地质模型的精准及参数的取值，由于缝洞型储层段多见漏失、放空，导致很难取全取准数值模拟所需要的所有参数，从而影响了应用该方法油井见水时间预测的精度。④见水图版法：该方法依据砂岩油藏底水油藏开发规律，常规砂岩底水油藏水锥预测，划分油井开发阶段，建立累产液量与井口指标的对应关系，依据现有累产液量确定所在生产阶段来确定见水时间；⑤历史数据分析统计法：总结油井见水特征、统计油井见水的影响因素，利用相应的统计分析方法，找出油井见水的历史规律进行见水时间预测。可见，上述几种预测缝洞型油藏油井见水时间的方法存在着实际运用受外界因素影响较大，适用范围受限，导致预测效果不佳的问题。
技术实现思路
本专利技术旨在提供一种适用范围广、运算简单、更适合于现场运用的风化壳岩溶的缝洞型油藏油井见水时间预测方法。为了实现上述专利技术目的，本专利技术采用的技术方案如下：一种基于机器学习的风化壳岩溶缝洞型油藏油井见水时间预测方法，具体包括以下步骤：步骤一：确定缝洞型油藏的岩溶背景为风化壳岩溶，并确定油井所在储层的储层类型；步骤二：用knn算法识别已见水高产油井的油压变化类型；步骤三：通过风化壳岩溶机理模型数值模拟储层流体流动阶段和井口油井，通过油压变化特征的时间点确定储层流动阶段，建立风化壳岩溶油藏油井个驱动阶段与井口油压的对应关系；步骤四：划分油井的驱动阶段并统计各驱动阶段的无因次累产油量，建立风化壳岩溶背景油藏各储层类型的油井见水预警定量图版；步骤五：统计油井见水影响因素的数据，包括地质储量、底水发育程度、储集体类型、是否稠油井、进山深度、是否酸压、采出程度、是否零星见水、油井能量水平、瞬时产量以及见水时间；步骤六：通过交叉验证选取错误率最低的k，作为初始聚类中心值；步骤七：将待计算的油井数据代入k-means算法中，作为未见水井的分类依据，从而进行风化壳岩溶背景缝洞型油藏油井见水时间的预测。进一步限定，步骤一中，所述储层类型包括裂缝型、裂缝-孔洞型和溶洞型。进一步限定，步骤五中，油井能量水平和瞬时产量为见水前按1%采出程度统计。本专利技术先初步通过knn算法确定风化壳岩溶的缝洞型油藏油井的油压变化类型，并通过数值模拟方式建立油压阶段变化特征与油藏流动阶段特征对应关系，明确油压阶段变化机理，再次通过统计分析建立不同储集体类型的油井见水预警定量图版方便现场依据生产情况直接判断油井所在生产阶段和确定大致无水期采油量来指导措施调整延长无水期生产时间，并统计分析油井见水影响因素和见水时间运用k-means聚类建立见水时间定量预测的方法，精确指导现场生产。附图说明图1为基于数据挖掘算法的风化壳岩溶缝洞型油藏油井见水时间预测方法流程图；图2为缝洞型油藏油井油压变化类型示意图；图3为knn算法原理示意图；图4为TH6区某井模型四个不同阶段流动过程图；图5为油压特征的见水预警图板示意图；图6为主类见水预警定量图版；图7为亚类见水预警图版；图8为k-means聚类示意图。具体实施方式为了使本领域的技术人员可以更好地理解本专利技术，下面结合附图对本专利技术一种基机器学习的风化壳岩溶缝洞型油藏油井见水时间预测方法作进一步说明。为了进一步说明该技术方法的有效性，以某风化壳岩溶背景的缝洞型油藏TH6区为例，对本专利技术实施方式做进一步详细说明，本专利技术的步骤如图1所示，具体如下：S01：确定缝洞型油藏TH6区的岩溶背景为风化壳岩溶，并确定油井所在储层的储层类型属于裂缝型、裂缝-孔洞型或溶洞型中的哪一种。S02：用knn算法（k最临近分类算法）识别已见水高产油井的油压变化类型。图2所示为油压变化类型示意图，其中四类油压变化类型为：1型—有①阶段但④阶段不明显，2型—有①阶段且④阶段明显，3型—无①阶段但④阶段明显，4型—无①阶段且④阶段不明显。knn算法原理如图3所示，图中方形、三角形代表已知道井的油压变化类型，带问号的圆形标识为待预测的井，根据距离函数计算待分类样本X和每个训练样本（四种典型油压变化类型因素数据和类型标签）的距离作为相似度，选择与待分类样本距离最小的M个样本作为X的M个最近邻，最后以X的M个最近邻中的大多数所属类别作为X的类别。共统计TH6区45口累产油量大于1万方的高产井，其中29口井参与统计，7口井未见水，9口井措施调整频繁油压特征不明显；统计的29口井中1型井6口、2型井3口、3型井14口、4型本文档来自技高网...

【技术保护点】
1.一种基于机器学习的风化壳岩溶缝洞型油藏油井见水时间预测方法，其特征在于，包括以下步骤：步骤一：确定缝洞型油藏的岩溶背景为风化壳岩溶，并确定油井所在储层的储层类型；步骤二：用knn算法识别已见水高产油井的油压变化类型；步骤三：通过风化壳岩溶机理模型数值模拟储层流体流动阶段和井口油井，通过油压变化特征的时间点确定储层流动阶段，建立风化壳岩溶油藏油井个驱动阶段与井口油压的对应关系；步骤四：划分油井的驱动阶段并统计各驱动阶段的无因次累产油量，建立风化壳岩溶背景油藏各储层类型的油井见水预警定量图版；步骤五：统计油井见水影响因素的数据，包括地质储量、底水发育程度、储集体类型、是否稠油井、进山深度、是否酸压、采出程度、是否零星见水、油井能量水平、瞬时产量以及见水时间；步骤六：通过交叉验证选取错误率最低的k，作为初始聚类中心值；步骤七：将待计算的油井数据代入k‑means算法中，作为未见水井的分类依据，从而进行风化壳岩溶背景缝洞型油藏油井见水时间的预测。

【技术特征摘要】
1.一种基于机器学习的风化壳岩溶缝洞型油藏油井见水时间预测方法，其特征在于，包括以下步骤：步骤一：确定缝洞型油藏的岩溶背景为风化壳岩溶，并确定油井所在储层的储层类型；步骤二：用knn算法识别已见水高产油井的油压变化类型；步骤三：通过风化壳岩溶机理模型数值模拟储层流体流动阶段和井口油井，通过油压变化特征的时间点确定储层流动阶段，建立风化壳岩溶油藏油井个驱动阶段与井口油压的对应关系；步骤四：划分油井的驱动阶段并统计各驱动阶段的无因次累产油量，建立风化壳岩溶背景油藏各储层类型的油井见水预警定量图版；步骤五：统计油井见水影响因素的数据，包括地质储量、底水发育程度、储集体类型、是否稠...

【专利技术属性】
技术研发人员：孙致学，姜宝胜，杨敏，刘国昌，何楚翘，龙喜彬，宣涛，谢爽，张贵玲，姜传胤，毛强强，唐永亮，郑学锐，王晓雅，聂海峰，曾伟，
申请(专利权)人：中国石油大学华东，
类型：发明
国别省市：山东,37