【技术实现步骤摘要】
本专利技术属于气井排水采气工艺，具体涉及一种基于支持向量回归的气井油管积液高度预测方法。
技术介绍
1、在气藏开采的过程中，一方面，当气藏开采的程度逐步加深时，地层压力会同时跟进，随之逐步下降，因为产气区的压力下降，地底水会随之逐步渗透，进而侵袭气区，造成水的产出。另一方面，天然气经气井底部流向气井顶部的进程中，气流的温度和压力会相对应地进行降低，饱和天然气中水的含量也会降低，一部分水蒸气会凝析成水滴。在气井的能量充裕时，气井有能力自行把水滴携带入地面，如此，便对气井的产量影响较小，但是当气井的能量状态处于不足的时候，气井无法实现处于完全携液的最小临界流量状态时，水滴便会回落至井底，从而形成积液，提高了井底回压，这种情况，轻则减少气井的产量，重则会使得气井处于积液超负荷状态，存在气井被水淹的风险，再进一步的话，会导致该气井被水淹死从而该井停工停产。为了避免气井因为油管积液高度过大停产问题，必须对气井油管积液高度进行预测。同时，预测气井油管积液高度是排水采气工艺选择和设计的重要内容。
2、在传统气井排水采气工艺领域中，针对气井油管积液问题，一般考虑用turner模型、李闽模型和球帽模型等。但是这些模型只能通过临界流量方法定性判断井底是否有积液，不能定量预测气井积液。中国专利申请cn113338915a公开了一种判断气井是否积液及预测积液高度的方法。该方法通过气井生产数据计算得出井筒油管流压梯度和油管气芯压力梯度，然后绘制油管气芯压力曲线和井筒流压曲线，通过两曲线交点确定井筒积液位置，计算出积液高度。然而上述专利方法存在
3、因此本专利技术提供一种基于支持向量回归的气井油管积液高度预测方法，其能够判断气井生产状况、准确且低成本预测气井油管积液高度，能为后续排水采气工艺奠定基础。
技术实现思路
1、本专利技术为了解决理论求解过程复杂、建模一般需要井身基本参数数据以及具体计算需要大量经验参数等问题，提出了一种基于支持向量回归的气井油管积液高度预测方法。
2、本专利技术的技术方案是：一种基于支持向量回归的气井油管积液高度预测方法包括以下步骤：
3、采集原始气井生产数据集，并对原始气井生产数据集进行预处理，生成标准化后的气井生产数据集；
4、将标准化后的气井生产数据集划分为训练集和测试集；
5、构建支持向量回归模型，将训练集输入至支持向量回归模型中，对支持向量回归模型进行训练，生成最佳支持向量回归模型；
6、将测试集输入至最佳支持向量回归模型中，生成气井油管积液高度。
7、进一步地，采集原始气井生产数据集，并对原始气井生产数据集进行预处理，生成标准化后的气井生产数据集，包括以下子步骤：
8、采集原始气井生产数据集，对原始气井生产数据集进行数据清洗，生成最新气井生产数据集；
9、对最新气井生产数据集进行标准化处理，生成标准化后的气井生产数据集。
10、进一步地，原始气井生产数据集包括气井的套压、油压、油管下深、油层中深、日产气、日产水和井口温度。
11、进一步地，对原始气井生产数据集进行数据清洗的具体方法为：剔除原始气井生产数据集的缺失值、无效值和重复值。
12、进一步地，对最新气井生产数据集进行标准化处理，生成标准化后的气井生产数据集，包括以下子步骤：
13、计算最新气井生产数据集的列均值；
14、根据最新气井生产数据集的列均值，计算最新气井生产数据集的列标准差；
15、根据最新气井生产数据集的列标准差，计算最新气井生产数据集的z分数值，完成标准化处理。
16、进一步地，最新气井生产数据集的列均值μj的计算公式为：式中，m为原始气井生产数据集的总数，为第i个样本第j个特征的x分量取值，为气井的套压，为气井的油压，为气井的油管下深，为气井的油层中深，为气井的日产气，为气井的日产水，为气井的井口温度。
17、进一步地，最新气井生产数据集的列标准差σj，其计算公式为：式中，m为原始气井生产数据集的总数，为第i个样本第j个特征的x分量取值，为气井的套压，为气井的油压，为气井的油管下深，为气井的油层中深，为气井的日产气，为气井的日产水，为气井的井口温度，μj为最新气井生产数据集的列均值。
18、进一步地，最新气井生产数据集的z分数值的计算公式为：式中，为第i个样本第j个特征的x分量取值，为气井的套压，为气井的油压，为气井的油管下深，为气井的油层中深，为气井的日产气，为气井的日产水，为气井的井口温度，μj为最新气井生产数据集的列均值，σj为最新气井生产数据集的列标准差。
19、进一步地，将标准化后的气井生产数据集划分为训练集和测试集的具体方法为：将70％的标准化后的气井生产数据集作为训练集，将30％的标准化后的气井生产数据集作为测试集。
20、进一步地，支持向量回归模型f(x)的表达式为：式中，αi为第一拉格朗日乘子，为第二拉格朗日乘子，x表示标准化后的气井生产数据集的x分量取值，xi表示标准化后的气井生产数据集，m为原始气井生产数据集的总数，κ(·)为核函数，b为支持向量回归模型参数。
21、本专利技术的有益效果是：
22、(1)与传统的turner模型、李闽模型、球帽模型以及传统的判断气井是否积液及预测气井积液高度方法相比较而言，本专利技术不需要单一的物理建立模型方法，只需要以气井的套压、油压、油管下深、油层中深、日产气、日产水和井口温度7种生产数据作为特征向量，输入支持向量回归模型中，就可预测气井油管积液高度；
23、(2)与传统的turner模型、李闽模型、球帽模型以及传统的判断气井是否积液及预测气井积液高度方法相比较而言，本专利技术不需要大量经验参数和井身基本参数数据，只需利用气井的套压、油压、油管下深、油层中深、日产气、日产水和井口温度7种生产数据，便可达到准确且低成本预测气井油管积液高度效果，从而本专利技术能够更好地指导排水采气工艺技术现场施工，达到排出井底积液、恢复气井产能以及提高气藏采收率的目的；
24、(3)本专利技术通过针对不同的气田开发情况使用不同的气井油管积液高度训练集，与传统的普适气井积液预测模型相比，具有更强的针对性和准确性。
本文档来自技高网...【技术保护点】
1.一种基于支持向量回归的气井油管积液高度预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于支持向量回归的气井油管积液高度预测方法，其特征在于，所述采集原始气井生产数据，并对原始气井生产数据进行预处理，生成标准化后的气井生产数据集，包括以下子步骤：
3.根据权利要求2所述的基于支持向量回归的气井油管积液高度预测方法，其特征在于，所述原始气井生产数据集包括气井的套压、油压、油管下深、油层中深、日产气、日产水和井口温度。
4.根据权利要求2所述的基于支持向量回归的气井油管积液高度预测方法，其特征在于，所述对原始气井生产数据集进行数据清洗的具体方法为：剔除原始气井生产数据集的缺失值、无效值和重复值。
5.根据权利要求2所述的基于支持向量回归的气井油管积液高度预测方法，其特征在于，所述对最新气井生产数据集进行标准化处理，生成标准化后的气井生产数据集，包括以下子步骤：
6.根据权利要求5所述的基于支持向量回归的气井油管积液高度预测方法，其特征在于，所述最新气井生产数据集的列均值μj的计算公式为：式中，m为原始气井生
7.根据权利要求5所述的基于支持向量回归的气井油管积液高度预测方法，其特征在于，所述最新气井生产数据集的列标准差σj，其计算公式为：式中，m为原始气井生产数据集的总数，为第i个样本第j个特征的X分量取值，j＝1,2,...,7，为气井的套压，为气井的油压，为气井的油管下深，为气井的油层中深，为气井的日产气，为气井的日产水，为气井的井口温度，μj为最新气井生产数据集的列均值。
8.根据权利要求5所述的基于支持向量回归的气井油管积液高度预测方法，其特征在于，所述最新气井生产数据集的z分数值的计算公式为：式中，为第i个样本第j个特征的X分量取值，j＝1,2,...,7，为气井的套压，为气井的油压，为气井的油管下深，为气井的油层中深，为气井的日产气，为气井的日产水，为气井的井口温度，μj为最新气井生产数据集的列均值，σj为最新气井生产数据集的列标准差。
9.根据权利要求1所述的基于支持向量回归的气井油管积液高度预测方法，其特征在于，所述将标准化后的气井生产数据集划分为训练集和测试集的具体方法为：将70％的标准化后的气井生产数据集作为训练集，将30％的标准化后的气井生产数据集作为测试集。
10.根据权利要求1所述的基于支持向量回归的气井油管积液高度预测方法，其特征在于，所述支持向量回归模型f(x)的表达式为：式中，αi为第一拉格朗日乘子，为第二拉格朗日乘子，x表示标准化后的气井生产数据集的X分量取值，xi表示标准化后的气井生产数据集，m为原始气井生产数据集的总数，k(·)为核函数，b为支持向量回归模型参数。
...【技术特征摘要】
1.一种基于支持向量回归的气井油管积液高度预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于支持向量回归的气井油管积液高度预测方法，其特征在于，所述采集原始气井生产数据，并对原始气井生产数据进行预处理，生成标准化后的气井生产数据集，包括以下子步骤：
3.根据权利要求2所述的基于支持向量回归的气井油管积液高度预测方法，其特征在于，所述原始气井生产数据集包括气井的套压、油压、油管下深、油层中深、日产气、日产水和井口温度。
4.根据权利要求2所述的基于支持向量回归的气井油管积液高度预测方法，其特征在于，所述对原始气井生产数据集进行数据清洗的具体方法为：剔除原始气井生产数据集的缺失值、无效值和重复值。
5.根据权利要求2所述的基于支持向量回归的气井油管积液高度预测方法，其特征在于，所述对最新气井生产数据集进行标准化处理，生成标准化后的气井生产数据集，包括以下子步骤：
6.根据权利要求5所述的基于支持向量回归的气井油管积液高度预测方法，其特征在于，所述最新气井生产数据集的列均值μj的计算公式为：式中，m为原始气井生产数据集的总数，为第i个样本第j个特征的x分量取值，j＝1,2,...,7，为气井的套压，为气井的油压，为气井的油管下深，为气井的油层中深，为气井的日产气，为气井的日产水，为气井的井口温度。
7.根据权利要求5所述的基于支持向量回归的气井油管积液高度预测方法，其特征在于...
【专利技术属性】
技术研发人员：向华，夏文龙，刘波涛，张玉祥，孔梦婷，
申请(专利权)人：长江大学，
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。