【技术实现步骤摘要】
本专利技术涉及一种基于深度神经网络的疏松砂岩稠油油藏油井投产初期产量预测方法，属于石油与天然气行业产量预测领域。
技术介绍
1、某油田主力储层段为疏松砂岩，储层非均质性强，流体性质差异大，油田初期产能准确预测十分困难。影响该类储层原油产量的因素众多，主要包括地质因素、工程参数和油藏参数。工程因素包括完井方式和生产参数等；油藏参数包括原油性质、地层水性质、天然气性质和温压系统等；地质因素主要基于地质勘探、测井、钻井和试井等资料。准确预测该类储层原油常量直接关系油田开发方案的制定。
2、在疏松砂岩稠油油藏产量预测中，前人研究方法主要有：(1)依据岩心分析和测井资料解释得到产能计算公式进行产量预测；(2)构建三维地质模型，进行油藏数值模拟进而预测产量。但是，方法1中测井解释结果一般都是孔隙度、渗透率、泥质含量等静态地质参数，而油井产能是多因素影响，还包括工程和油藏等特征参数，并且产能与影响因素之间是复杂的非线性关系，难以准确表征参数与产量间的关系。方法2很大程度取决于三维地质建模的准确定性，需要大量的地层信息，有些参数难以准确获取，其应用范围较小。因此，需要提供一种准确、经济的预测方法。
技术实现思路
1、本专利技术的目的是提供一种基于深度神经网络的疏松砂岩稠油油藏油井投产初期产量预测方法，可以快捷、经济、准确地评预测疏松砂岩稠油油藏产量，助力该类油藏高效经济开发。
2、本专利技术提供的基于深度神经网络的疏松砂岩稠油产量预测方法，包括如下步骤：
3、s
4、s2、对所述深度神经网络的参数进行优化，应用最优参数对所述深度神经网络进行训练；
5、s3、采用步骤s2优化后的所述深度神经网络模型对所述疏松砂岩稠油油藏的油井进行产量预测，验证所述深度神经网络的可靠性，并与xgboost算法结合，明确主控因素。
6、本专利技术预测方法中，步骤s1中，利用相关性分析和主成分分析法选择所述储层参数；
7、具体地，选择所述储层参数的步骤如下：
8、s11、在参数优选过程中，利用主成分分析法和皮尔逊相关系数法，筛选得到与产量指标高度相关的系数，皮尔逊相关系数表述为：
9、
10、其中，r为相关系数，xi和yi是分别为两数据序列；
11、s12、根据参数意义将其分类为不同参数类型的代表。
12、本专利技术预测方法中，所述储层参数的分类如下：
13、孔隙结构参数包括孔隙度、渗透率、进汞饱和35％处所对应的孔喉半径(r35)、流动带指数(fzi)和储层品质因子(rqi)；
14、所述岩石结构与组分参数包括泥质含量(vsh)、粒度中值(md)和岩性指数(li)；
15、所述流体性质包括原油粘度。
16、本专利技术预测方法中，步骤s1中，所述预处理的步骤如下：
17、s1a、构架深度神经网络模型，融合工程、地质、原油性质等参数，用于疏松砂岩稠油产能预测；以下为其主要数学模型表达是：
18、
19、式中ωij为权重值；bi表示阈值；xi代表输入特征向量；zi中间输出，
20、yi＝φ(zi)
21、yi为模型最终预测值，φ(.)为激活函数；
22、s1b、在神经网络超参数寻优过程中，利用网格搜索法确定适合本油田产能预测的超参数值。
23、本专利技术预测方法中，步骤s3中，采用xgboost算法对所述疏松砂岩稠油油藏的产量影响因素进行分析，步骤如下：
24、利用网格搜索法对xgboost模型进行参数寻优，达到最优的产量预测性能；
25、在最优参数基础上，利用xgboost模型中的特征变量重要性(features_importance)属性得到所述疏松砂岩稠油油藏产量敏感性排序。
26、在所述预测方法的基础上，本专利技术还提供了一种疏松砂岩稠油产量预测系统，包括处理器和存储有计算机程序的存储器；所述处理器被配置成执行所述计算机程序以实现如本专利技术所述的预测方法。
27、本专利技术进一步提供了一种计算机存储介质，所述计算机存储介质上存储有计算机程序，当所述计算机程序被处理器执行时实现如本专利技术所述的预测方法。
28、本专利技术提供的基于深度神经网络的疏松砂岩稠油产量预测方法，可以快捷、经济、准确地评预测疏松砂岩稠油油藏产量。
29、本专利技术考虑了地质因素、工程因素和油藏因素等影响油藏产量的多方面因素，分析了影响疏松砂岩稠油油藏产量的因素敏感性，可为后续开发提供指导。
本文档来自技高网...【技术保护点】
1.一种基于深度神经网络的疏松砂岩稠油油藏油井投产初期产量预测方法，包括如下步骤：
2.根据权利要求1所述的疏松砂岩稠油产量预测方法，其特征在于：步骤S1中，利用相关性分析和主成分分析法选择所述储层参数。
3.根据权利要求2所述的疏松砂岩稠油油藏油井初期产量预测方法，其特征在于：步骤S1中，选择所述储层参数的步骤如下：
4.根据权利要求3所述的疏松砂岩稠油油藏油井投产初期产量预测方法，其特征在于：所述储层参数的分类如下：
5.根据权利要求1-4中任一项所述的疏松砂岩稠油产量预测方法，其特征在于：步骤S1中，所述预处理的步骤如下：
6.根据权利要求1-5中任一项所述的疏松砂岩稠油产量预测方法，其特征在于：步骤S3中，采用XGBoost算法对所述疏松砂岩稠油油藏油井投产初期产量影响因素进行分析，步骤如下：
7.一种疏松砂岩稠油产量预测系统，包括处理器和存储有计算机程序的存储器；所述处理器被配置成执行所述计算机程序以实现如权利要求1-6中任一项所述的预测方法。
8.一种计算机存储介质，其特征在于：所述计
...【技术特征摘要】
1.一种基于深度神经网络的疏松砂岩稠油油藏油井投产初期产量预测方法，包括如下步骤：
2.根据权利要求1所述的疏松砂岩稠油产量预测方法，其特征在于：步骤s1中，利用相关性分析和主成分分析法选择所述储层参数。
3.根据权利要求2所述的疏松砂岩稠油油藏油井初期产量预测方法，其特征在于：步骤s1中，选择所述储层参数的步骤如下：
4.根据权利要求3所述的疏松砂岩稠油油藏油井投产初期产量预测方法，其特征在于：所述储层参数的分类如下：
5.根据权利要求1-4中任一项所述的疏松砂岩稠油产量预测方法，其特征在于：步...
【专利技术属性】
技术研发人员：李中，唐洪明，马英文，冯桓榰，徐国贤，王昭，刘峰，邢希金，耿立军，唐浩轩，何松，谷林，李振波，秦玮，
申请(专利权)人：中海石油中国有限公司，
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。