【技术实现步骤摘要】
多工况井底压力预测方法、装置、计算机设备及存储介质
[0001]本文涉及油气勘探领域，尤其是一种多工况井底压力预测方法、装置、计算机设备及存储介质。
技术介绍
[0002]随着油气勘探开发的不断深入，油气勘探开发逐渐向深层、超深层和低渗透等非常规油气资源快速延伸。
[0003]现有的井筒压力预测是基于环空多相流动机理模型，在复杂的地质和工程条件下模型复杂度高、计算耗时长且精度不足，另一方面在高温高压的工作环境下，通过井下测量装置测取井底压力，测量成本高。
[0004]现有的井筒压力智能预测模型大多是直接将智能算法与大量地质、工程大数据相结合建立的机器学习或者深度学习模型，这类模型受训练数据质量的影响较大，尽管能够在一定程度上提升井底压力预测的平均精度，但预测结果的波动性较大，异常值较多，模型的稳定性和泛化性能仍有待提升。
[0005]针对的问题现有技术中井筒压力预测结果波动大、测量成本高的问题，迫切需要研究一种多工况井底压力预测方法。
技术实现思路
[0006]为解决上述现有技术的问题...
【技术保护点】
【技术特征摘要】
1.一种多工况井底压力预测方法，其特征在于，所述方法包括：根据实时录井数据，获取实时工况；确定所述实时工况的井底压力预测模型，其中，各工况的井底压力预测模型基于各工况与压力相关的历史输入特征数据、各工况的历史井底压力数据及各工况的约束条件训练得到，所述各工况的约束条件根据所述各工况的历史输入特征数据与历史井底压力数据的相关性和/或环空气
‑
液
‑
固三相流动机理建立；根据所述实时录井数据，确定所述实时工况的输入特征数据；将所述实时工况的输入特征数据输入至所述实时工况的井底压力预测模型，预测得到井底压力。2.根据权利要求1所述的多工况井底压力预测方法，其特征在于，所述各工况的井底压力预测模型训练过程包括：获取各工况的历史样本数据集，每一工况的历史样本数据集包括多个样本数据，每个样本数据包括历史输入特征数据及历史井底压力数据；根据所述环空气
‑
液
‑
固三相流动机理，建立各工况的等式约束条件；根据各工况的历史输入特征数据与相应的历史井底压力数据的相关性，建立各工况的不等式约束条件；根据各工况的历史样本数据集、各工况的所述等式约束条件及不等式约束条件，构建各工况的损失函数；利用各工况的所述的损失函数，训练神经网络模型中的参数，将各工况训练得到的神经网络模型作为各工况的井底压力预测模型。3.根据权利要求2所述的多工况井底压力预测方法，其特征在于，根据各工况的历史输入特征数据与相应历史井底压力数据的相关性，建立各工况的不等式约束条件包括：对于每一工况，计算该工况下所述历史输入特征数据中每一输入特征数据与相应工况下历史井底压力数据的相关性；将相关性低于第一预设阈值的输入特征数据作为该工况的非敏感参数，将相关性高于第一预设阈值的输入特征数据作为该工况的敏感参数；根据该工况的所述敏感参数及所述非敏感参数，建立该工况的不等式约束条件。4.如权利要求3所述的多工况井底压力预测方法，其特征在于，对于每一工况，确定出该工况下的敏感参数之后，还包括：将该工况下任意两个敏感参数作为一敏感参数组，计算每个敏感参数组中敏感参数的相关性；筛选出相关性大于第二预设阈值的敏感参数组；从筛选出的每一敏感参数组中删除其中一敏感参数。5.根据权利要求2所述的多工况井底压力预测方法，其特征在于，获取各工况的所述历史井底压力数据集之后包括：根据环空压力计算公式估算各工况的井底压力范围；将所述各工况的历史样本数据集中不满足所述井底压力范围的样本数据删除。6.根据权利要求3所述的多工况井底压力预测方法，其特征在...
【专利技术属性】
技术研发人员：祝兆鹏，宋先知，刘子豪，朱硕，李根生，黄中伟，田守嶒，王天宇，段世明，
申请(专利权)人：中国石油大学北京，
类型：发明
国别省市：
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。