一种基于核回归加速算法的油井压裂效果预测方法技术

本发明专利技术涉及油井压裂效果预测技术领域，特别涉及一种基于核回归加速算法的油井压裂效果的预测方法

【技术实现步骤摘要】
一种基于核回归加速算法的油井压裂效果预测方法


[0001]本专利技术涉及油井压裂效果预测
，特别涉及一种基于核回归加速算法的油井压裂效果预测方法
。

技术介绍

[0002]在油气田中，压裂是指在石油或天然气生产过程中利用水力作用在油气层中形成裂缝的方法
。
水力压裂是人为地层裂缝，改善地下石油流动环境，增加油井产量，对改善油井底部流动条件
、
减缓夹层速度
、
提高油层利用率发挥重要作用
。
压裂工艺可以大大提高油井的生产能力，提高油田开发的效果，是提高产量的一种具有成本效益的措施
。
[0003]近年来，压裂措施效果预测的研究主要采用统计方法进行，一般采用数值模拟方法进行预测，数值模拟方法要求储层参数和压裂施工参数准确，计算复杂，工作量大，难以达到理想精度，难以满足现场压裂选井时操作简单
、
计算快速的要求
。
而灰色理论和模糊神经网络方法预测了压裂效果，但预测的准确性不够高
。
[0004]目前的技术背景是
SVR
回归算法与
、
数据划分方法
、
核近似算法
。
[0005]在实际应用中发现，现有应用技术主要是利用数据挖掘算法，建立压裂效果与影响因素模型，进行压裂效果的定量预测，但没有考虑到实际开发中压裂数据规模大，导致出现算法存储压力大和运行时间较长，以及准确率有待于加强等问题
。
专利技术内容
[0006](
一
)
要解决的技术问题
[0007]本专利技术提供了一种基于核回归加速算法的油井压裂效果预测方法，以克服现有技术中存在的算法存储压力大和运行时间较长，以及准确率较低等缺陷
。
[0008](
二
)
技术方案
[0009]为解决上述问题，本专利技术提供一种基于核回归加速算法的油井压裂效果预测方法，包括：
[0010]步骤
S1
：获取压裂数据，对数进行预处理，所述预处理包括清洗
、
填充和转换；
[0011]步骤
S2
：使用步骤
S1
中预处理后的结果进行对数中心化处理，找到投影向量进行数据划分，得到
m
个子集；
[0012]步骤
S3
：从核矩阵中随机抽出
c
列，构造列子集矩阵
C
；根据列子集矩阵
C
构造交叉矩阵
W
，从而得到低秩逼近矩阵，得到核
SVR
模型；
[0013]步骤
S4
：在
m
个子集的每个区域上训练步骤
S3
中得到的模型；
[0014]步骤
S5
：最后每个核
SVR
模型预测落入同一区域内的待识别压裂数据
。
[0015]优选的，对数据
X
＝
(x
ij
)
n
×
p
进行清洗
、
填充与转换，其中
X
为
n
行
p
维的数据集，
x
ij
表示第
i
个样本的第
j
个特征
。
[0016]优选的，步骤
S2
中具体包括采用对数中心化
PCA
方法得到投影向量：
[0017][0018][0019]其中步骤
S1
中处理过的样本数据为
X
＝
(x
ij
)
n
×
p
，经过对数化处理的样本数据为
[0020][0021]w
是属于的特征向量，也是投影向量；对实例按照其对应的投影值从小到大的顺序排序，采用逐段截取的方式将实例集合分解为若
m
个互不相交的容量近似相等的实例子集；
[0022]按照上述求得向量
w
，对于数据集
Z
，能够得到一个有序序列
w
·
z1′
≤w
·
z2′
≤
…
≤w
·
z
n
′
，定义
b
p
点能分割区间
[w
·
z1′
,w
·
z
n
′
]到
m
个子区间，
[0023][0024]其中，是靠近
z
的最大整数；
[0025]因此，数据及所在的特征空间可以被划分为
m
个子区域
{D1,D2,
…
,D
m
}
，其中
|D
P
|
＝
n
p
，
[0026][0027]优选的，步骤
S3
中构造列子集矩阵
C
具体包括：第一轮抽样根据核矩阵
K
每一列不同的入样概率抽取部分列
c1
，计算得到其伪逆矩阵，进一步得到第一轮抽样后的残差矩阵；再根据残差矩阵计算第二轮抽样的第
i
列入样概率，并以此概率从核矩阵中抽出
c2
列，构造列子集矩阵
C。
[0028]优选的，所述步骤
S3
中，所述核
SVR
模型为
[0029][0030]其中，
a
i
,a
i*
为拉格朗日乘子；
b
为偏置，是一个常数项；为低秩逼近矩阵
。
[0031]优选的，所述低秩逼近矩阵
K
～的公式为：
[0032][0033]其中：
C
为列子集矩阵，
W
表示矩阵
K
中由
m
列样本列与相对应的
n
行相交组成的
m
×
n
矩阵，
C
T
为列子集矩阵转置
。
[0034]优选的，步骤
S5
包括：
[0035]对于待识别样本数据，先判断其落入的子集，然后利用该子集对应的模型进行预测
。
[0036](
三
)
有益效果
[0037]本专利技术提供的基于核回归加速算法的油井压裂效果预测方法，充分考虑实际开发中压裂数据规模大的问题，将数据进行分割，进而出色地完成对大规模数据的模型训练及预测
。
同时利用矩阵本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于核回归加速算法的油井压裂效果预测方法，其特征在于，包括：步骤
S1
：获取压裂数据，对数进行预处理，所述预处理包括清洗
、
填充和转换；步骤
S2
：使用步骤
S1
中预处理后的结果进行对数中心化处理，找到投影向量进行数据划分，得到
m
个子集；步骤
S3
：从核矩阵中随机抽出
c
列，构造列子集矩阵
C
；根据列子集矩阵
C
构造交叉矩阵
W
，从而得到低秩逼近矩阵得到核
SVR
模型；步骤
S4
：在
m
个子集的每个区域上训练步骤
S3
中得到的模型；步骤
S5
：最后每个核
SVR
模型预测落入同一区域内的待识别压裂数据
。2.
如权利要求1所述的基于核回归加速算法的油井压裂效果预测方法，其特征在于，包括：对数据
X
＝
(x
ij
)
n
×
p
进行清洗
、
填充与转换，其中
X
为
n
行
p
维的数据集，
x
ij
表示第
i
个样本的第
j
个特征
。3.
如权利要求2所述的基于核回归加速算法的油井压裂效果预测方法，其特征在于，步骤
S2
中具体包括采用对数中心化
PCA
方法得到投影向量：方法得到投影向量：其中步骤
S1
中处理过的样本数据为
X
＝
(x
ij
)
n
×
p
，经过对数化处理的样本数据为
w
是属于的特征向量，也是投影向量；对实例按照其对应的投影值从小到大的顺序排序，采用逐段截取的方式将实例集合分解为若
m
个互不相交的容量近似相等的实例子集；按照上述求得向量
w
，对于数据集
Z
，能够得到一个有序序列
w
·
z1′
≤w
·
z2...

【专利技术属性】
技术研发人员：王梅，杨二龙，董驰，赵建民，张天时，戚开元，娄金香，
申请(专利权)人：东北石油大学，
类型：发明
国别省市：